Dobički:
- Sposobnost merjenja količin, kot so velikost zrn, fazno razmerje in poroznost iz slik mikrostrukture z obdelavo slik in AI
- Sposobnost pravilne konfiguracije korakov segmentacije, določanja praga in umerjanja ter preprečevanja napak na lestvici
- Sposobnost navzkrižne validacije interpretacije mikrostrukture AI s standardno metalografsko metodo in strokovnim opazovanjem
Trdota, žilavost in vzdržljivost jekla se skrivajo v njegovi mikrostrukturi, ki je s prostim očesom nevidna: velikost zrn, fazna razmerja, poroznost (praznina), vključki (ostanki oksida/žvepla v kovini) in porazdelitev oborin. Metalografija je veda o pregledovanju materiala pod mikroskopom z rezanjem, poliranjem in jedkanjem (kemično jedkanje površine in omogočanje vidnih faz). Kvantitativna metalografija meri numerične količine (število velikosti zrn, odstotek faze, razmerje poroznosti) iz teh slik. Umetna inteligenca in obdelava slik lahko zmanjšata ure ročnega štetja na minute; toda zaradi napačno umerjene lestvice ali slabe segmentacije so vse številke tiho napačne. V tej enoti se boste naučili meriti mikrostrukturne slike z AI in obdelavo slik ter preveriti vsako meritev.
Osnovni koraki slikovnega merjenja
V kvantitativni metalografiji gre vsaka meritev skozi isto verigo; Če bi prstan počil, bi bil rezultat nezanesljiv:
- Kakovost slike: Kakovost fokusa, osvetlitve in jedkanja. Pri slabo jedkanem vzorcu so meje zabrisane.
- Kalibracija: pretvorba lestvice v slikovne pike. Koliko mikrometrov ima vsaka slikovna pika? Če ta korak preskočite, bo celotna dimenzijska meritev prikazana v napačnem merilu.
- Segmentacija: Razdelitev slike na področja, ki nas zanimajo – kateri piksel je zrnatost, kateri piksel je meja, kateri piksel je poroznost.
- Prag: ločevanje faz/presledkov s sivim tonom ali barvnim pragom. Če sta dve fazi različnih svetlosti, ju loči prag.
- Merjenje in statistika: štetje zrn, razmerje površin, izračun porazdelitve velikosti.
Orodja, ki jih poganja umetna inteligenca (modeli segmentacije, usposobljeni za globoko učenje), delujejo bolje kot preprosto določanje pragov, zlasti na kompleksnih, večfaznih strukturah. Toda segmentacija AI je tudi napoved; kalibracija tehtnice in navzkrižno preverjanje rezultatov s standardno metodo (npr. velikost zrn ASTM E112, število točk ASTM E562) je obvezno.
Pozor: Najpogostejša in najbolj zahrbtna napaka je pozaba umeriti tehtnico. Slika je morda videti "lepa" v kvantitativnem smislu, toda če je pretvorba slikovnih pik v mikrometer napačna, bo velikost zrn 25 µm namesto 8 µm in tega ne boste opazili. Vsako meritev začnite s preverjanjem kalibracije.
Korak za korakom: meritev mikrostrukture, ki jo poganja AI
- Določite namen: Kaj merite? Velikost zrn, fazno razmerje ali poroznost? Po kakšnem standardu?
- Umerjanje: Izmerite dolžino slikovne pike lestvice, izračunajte razmerje µm/piksel in ga vnesite v orodje.
- Predproces: popravek kontrasta, zmanjšanje šuma. Vprašajte AI, kateri filter je primeren.
- Segment/prag: ločene faze ali vrzeli; Vizualno preverite, ali so meje pravilno zajete.
- Ukrep: razmerje površin, število zrn, povprečje in porazdelitev.
- Preverjanje: ročno primerjajte rezultat s standardno metodo (npr. linearni presek v primerjavi z velikostjo zrn); Ponovite na več slikah.
Velikost zrn, fazno razmerje in poroznost
Velikost zrn je povprečna velikost kristalnih zrn materiala; Majhna zrna na splošno dajejo večjo trdnost in žilavost (razmerje Hall-Petch). Označena je s številko velikosti zrn ASTM E112 G; Ko se G poveča, postane zrno manjše. Fazno razmerje je odstotek prostornine/površine vsake faze v dvo- ali večfazni strukturi (npr. ciljno razmerje med feritom in avstenitom je ~50/50 % pri dupleksnem nerjavnem jeklu). Poroznost je razmerje med prazninami, ki nastanejo zaradi plina ali krčenja v ulitkih in resno zmanjša življenjsko dobo zaradi utrujenosti.
merjenje
standardna metoda
Prispevek AI/obdelava slik
kritično preverjanje
Velikost zrn (G)
ASTM E112 presečišče/primerjava
Samodejno zaznavanje meja in štetje
Kalibracija + ročna kontrola križišč
Fazno razmerje (%)
ASTM E562 število točk
Površinsko razmerje s pragom
Enakomernost jedkanja, izbira praga
Poroznost (%)
Analiza slike ASTM E1245
Segmentacija prostora
Razločevanje artefaktov poliranja
vključevanje
ASTM E45
Razvrstitev po obliki/razporeditvi
Primerjava referenčne predloge
trije mini kovčki
Primer 1 – Velikost zrn brez kalibracije. Tehnik naloži sliko mikrostrukture v orodje, ki ga poganja umetna inteligenca, in da izmeriti velikost zrn; Rezultat je 6 µm. Vendar je bila slika posneta pri 200-kratni povečavi namesto pri 500-kratni in umerjanje prejšnje seje (500-kratno) je ostalo v orodju. Dejanska velikost zrn je ~15 µm. Nepravilna vrednost tudi zavede oceno moči prek Hall-Petcha. Tehnik se navadi, da na vsaki seji znova umeri lestvico. Nauk: kalibracija je specifična za vzorec in povečavo in je ni mogoče prenesti.
Primer 2 – Artefakt jedkanja je bil zamenjan za fazo. Razmerje med feritom in avstenitom se meri v duplex nerjavnem jeklu. Pri določanju praga se temne lise na močno jedkanih območjih zamenjajo za ferit, kar daje razmerje 62 % ferita; medtem ko je dejansko stanje ~48%. Presežek ferita povzroči lažni alarm glede korozije in žilavosti. Metalurg najde napako po standardizaciji časa jedkanja in preverjanju več območij z ročnim štetjem točk. Nauk: slaba priprava vzorca preslepi celo najboljši algoritem - smeti noter, smeti ven.
Primer 3 – pravilna uporaba, karta poroznosti. Livarska ekipa želi izmeriti stopnjo poroznosti v prerezu aluminijastega dela. Model segmentacije AI hitro loči vrzeli in daje zemljevid porazdelitve z 2,3-odstotno poroznostjo. Ekipa vizualno preveri, ali praske, ki se pojavijo med poliranjem, ne zamenjajo za praznine, potrdi rezultat v skladu z ASTM E1245 in vidi, da je poroznost koncentrirana v dovajalnem območju in izboljša zasnovo ulitka. AI je prinesel hitrost, odločitev je bila sprejeta s standardom in opazovanjem.
Kopirane predloge pozivov
PREDLOGA MERILNEGA NAČRTA"Vloga: Ste pomočnik pri kvantitativni metalografiji. Namen: merjenje [velikosti zrn/faznega razmerja/poroznosti]. Material: [...]. Povečava: [...]. Standard: [npr. ASTM E112]. Podajte mi merilni načrt po korakih: priprava vzorca, jedkanje, korak KALIBRACIJE, segmentacija/prag, meritev in PREVERJANJE. Označite kalibracija kot prvi in obvezni korak. Rezultat Povejte mi, katero standardno metodo naj ročno navzkrižno preverim.«
PREDLOGA ZA PREVERJANJE NAPAKE SEGMENTACIJE "Segmentiral sem [fazo/vrzel] na sliki mikrostrukture. Navedite točke, ki bi lahko šle narobe: artefakt jedkanja, polirana praska, območje izven polja, prekrivajoče se meje. Napišite, kako preveriti za vsako in kako to popraviti. Kakšne vizualne preglede naj naredim, preden sprejmem rezultat?"
PREDLOGA ZA INTERPRETACIJO VELIKOSTI ZRNA "Izmeril sem številko velikosti zrna ASTM E112 G = [vrednost], povečava [x]. Pojasnite, kako ta vrednost G ustreza približnemu povprečnemu premeru zrna in njen vpliv na trdnost v smislu Hall-Petcha. Opomnite me, da je vrednost G odvisna od kalibracije; povejte mi korak za korakom, kako preverim rezultat z metodo linearnega preseka."
PYTHON IMAGE PROCESSING SKELETON TEMPLATE"Vloga: Vi ste pomočnik kode za obdelavo slik. Napišite skeletno kodo, ki izračuna razmerje faznih površin na sliki mikrostrukture s scikit-image: (1) spremenljivka µm/piksel IZRECNO na vrhu za kalibracijo lestvice, (2) pretvorba v sivine, (3) prag, (4) razmerje površin, (5) tiskanje rezultata Vsakemu koraku dodajte komentarje. V kodi določite, da je treba vrednost in kalibracijo preveriti ROČNO.
Šibek poziv/močan poziv
ŠIBEK POZIV: "Povej mi velikost zrn te mikrostrukture."
MOČEN POZIV: »Vloga: Ste pomočnik pri kvantitativni metalografiji. Želim izmeriti velikost zrn v skladu z ASTM E112. Slika 500x, lestvica 50 µm = 240 slikovnih pik (tj. 0,208 µm/piksel). Povejte mi korake za izračun velikosti zrn z metodo linearnega presečišča, povejte mi, koliko črt/koliko presečišč naj preštejem, pretvorite rezultat v številko G. Moram preveriti umerjanje in vsaj "Opomni me, da ga moram ponoviti na 3 različnih področjih. Ne morete 'prebrati' končnega rezultata; nastavite metodo."
Šibek poziv zahteva, da AI "prebere" sliko - vendar AI ne pozna merila in jedkanja in lahko pride do izmišljene številke. Zmogljiv poziv naredi kalibracijo jasno, zahteva standardno metodo, zahteva ponavljanje in preverjanje ter uporablja AI kot orodje za nastavitev metode, ne meritev.
Pogoste napake
- Pozabite umeriti lestvico ali merite z umerjanjem prejšnje seje.
- Zanašanje na segmentacijo brez popravljanja slabega/neenakomernega jedkanja.
- Zamenjajte prasko ali madež pri poliranju za poroznost/fazo.
- Merjenje iz posameznega območja in posplošitev na celoten vzorec; statistika zahteva več polj.
- Ob predpostavki, da je AI "videl" sliko in jo uporabil, ne da bi preveril natančno številko, ki jo daje.
- Sprejemanje rezultata segmentacije brez vizualnega preverjanja.
Če povzamem
V kvantitativni metalografiji umetna inteligenca in obdelava slik pospešita merjenje velikosti zrn, faznega razmerja in poroznosti ter omogočata močno segmentacijo kompleksnih struktur. Vendar je veljavnost rezultatov odvisna od kalibracije tehtnice, dobre priprave vzorca in navzkrižne validacije s standardno metodo (ASTM E112/E562/E1245). Naj bo kalibracija prvi korak, preglejte segmentacijo na oko, ponovite na več področjih in uporabite AI kot orodje, ki vzpostavi merilno metodo in zapiše kodo, ne tisto, ki "prebere" sliko.
Aplikacijska naloga
Posnemite sliko mikrostrukture (vaš vzorec ali vzorec predavanja) in vrednost lestvice. S predlogo "PYTHON IMAGE PROCESSING SKELETON" prosite AI za kodo, ki izračuna razmerje fazne površine; Prepričajte se, da je kalibracija µm/piksel na vrhu in vklopljena v kodi. Zaženite kodo in primerjajte dobljeno razmerje površin z ročnim štetjem točk (mreža 10x10) na isti sliki. Napišite razliko med obema rezultatoma in možen vzrok (izbira praga, artefakt) v enem odstavku.
kontrolni seznam
- [ ] Merilno vrstico sem umeril na slikovne pike in jo preveril v vsaki seji.
- [ ] Preveril sem, ali je jedkanje/priprava vzorca enotna.
- [ ] Vizualno sem pregledal rezultat segmentacije/praga in odstranil artefakte.
- [ ] Meritev sem ponovil na vsaj nekaj različnih področjih.
- [ ] Rezultat sem ročno navzkrižno preveril s standardno metodo (E112/E562/E1245).
- [ ] AI sem uporabil kot metodo in kodno orodje, ne kot "bralnika" slike.