การวิเคราะห์ภาพโครงสร้างจุลภาคและโลหะวิทยาเชิงปริมาณ

กำไร:

• ความสามารถในการวัดปริมาณ เช่น ขนาดเกรน อัตราส่วนเฟส และความพรุนจากภาพโครงสร้างจุลภาคด้วยการประมวลผลภาพและ AI
• ความสามารถในการกำหนดค่าการแบ่งส่วน การกำหนดเกณฑ์ขั้นต่ำ และขั้นตอนการสอบเทียบได้อย่างถูกต้อง และป้องกันข้อผิดพลาดของขนาด
• ความสามารถในการตรวจสอบความถูกต้องของการตีความโครงสร้างจุลภาคของ AI ด้วยวิธีโลหะวิทยามาตรฐานและการสังเกตของผู้เชี่ยวชาญ

อายุการใช้งานของความแข็ง ความเหนียว และความเมื่อยล้าของเหล็กซ่อนอยู่ในโครงสร้างจุลภาค ซึ่งมองไม่เห็นด้วยตาเปล่า ได้แก่ ขนาดเกรน อัตราส่วนเฟส ความพรุน (โมฆะ) การรวมตัว (ออกไซด์/ซัลเฟอร์ตกค้างในโลหะ) และการกระจายตัวของตะกอน วิชาโลหะวิทยาเป็นศาสตร์แห่งการตรวจสอบวัสดุภายใต้กล้องจุลทรรศน์โดยการตัด ขัดเงา และแกะสลัก (การกัดพื้นผิวทางเคมีและทำให้มองเห็นเฟสต่างๆ ได้) โลหะวิทยาเชิงปริมาณคือการวัดปริมาณที่เป็นตัวเลข (หมายเลขขนาดเกรน เปอร์เซ็นต์ของเฟส อัตราส่วนความพรุน) จากภาพเหล่านี้ ปัญญาประดิษฐ์และการประมวลผลภาพสามารถลดจำนวนชั่วโมงในการนับด้วยตนเองเหลือเพียงนาที แต่มาตราส่วนที่ปรับเทียบผิดหรือการแบ่งส่วนที่ไม่ดีทำให้ตัวเลขทั้งหมดผิดอย่างเงียบๆ ในหน่วยนี้ คุณจะได้เรียนรู้วิธีการวัดภาพโครงสร้างจุลภาคด้วย AI และการประมวลผลภาพ และตรวจสอบการวัดแต่ละครั้ง

ขั้นตอนพื้นฐานของการวัดด้วยภาพ

ในด้านโลหะวิทยาเชิงปริมาณ ทุกการวัดจะผ่านสายโซ่เดียวกัน หากแหวนแตก ผลลัพธ์ที่ได้จะไม่น่าเชื่อถือ:

• คุณภาพของภาพ: คุณภาพโฟกัส แสง และการแกะสลัก ในตัวอย่างที่มีการสลักคุณภาพต่ำ ขอบเขตจะเบลอ
• การปรับเทียบ: การแปลงสเกลบาร์เป็นพิกเซล แต่ละพิกเซลมีกี่ไมโครเมตร? หากข้ามขั้นตอนนี้ไป การวัดขนาดทั้งหมดจะออกมาผิดสเกล
• การแบ่งส่วน: การแบ่งรูปภาพออกตามบริเวณที่สนใจ — พิกเซลใดเป็นเกรน พิกเซลใดคือขอบเขต พิกเซลใดคือความพรุน
• เกณฑ์: การแยกเฟส/ช่องว่างด้วยโทนสีเทาหรือเกณฑ์สี หากสองเฟสมีความสว่างต่างกัน เกณฑ์จะแยกพวกมันออกจากกัน
• การวัดและสถิติ: การนับเมล็ดข้าว, อัตราส่วนพื้นที่, การคำนวณการกระจายขนาด

เครื่องมือที่ขับเคลื่อนด้วย AI (แบบจำลองการแบ่งส่วนที่ได้รับการฝึกการเรียนรู้เชิงลึก) ทำงานได้ดีกว่าการกำหนดเกณฑ์ขั้นต่ำแบบธรรมดา โดยเฉพาะอย่างยิ่งในโครงสร้างแบบหลายเฟสที่ซับซ้อน แต่การแบ่งส่วนของ AI ก็เป็นการคาดการณ์เช่นกัน จำเป็นต้องมีการสอบเทียบมาตราส่วนและการตรวจสอบผลลัพธ์ด้วยวิธีมาตรฐาน (เช่น ขนาดเกรน ASTM E112, การนับจุด ASTM E562)

ข้อควรสนใจ: ข้อผิดพลาดที่พบบ่อยที่สุดและร้ายกาจที่สุดคือการลืมปรับเทียบเครื่องชั่ง รูปภาพอาจดู "ดี" ในแง่ปริมาณ แต่หากการแปลงพิกเซลเป็นไมโครเมตรผิด ขนาดเกรนจะอยู่ที่ 25 µm แทนที่จะเป็น 8 µm และคุณจะไม่สังเกตเห็น เริ่มต้นเซสชันการวัดแต่ละครั้งโดยการตรวจสอบการสอบเทียบ

ทีละขั้นตอน: การวัดโครงสร้างจุลภาคที่ขับเคลื่อนด้วย AI

1. กำหนดวัตถุประสงค์: คุณกำลังวัดอะไร? ขนาดเกรน อัตราส่วนเฟส หรือความพรุน? ตามมาตรฐานอะไร?
2. ปรับเทียบ: วัดความยาวพิกเซลของสเกลบาร์ คำนวณอัตราส่วน µm/พิกเซล แล้วป้อนลงในเครื่องมือ
3. ขั้นตอนเบื้องต้น: การแก้ไขคอนทราสต์ การลดสัญญาณรบกวน ถาม AI ว่าฟิลเตอร์ไหนเหมาะสม
4. ส่วน/เกณฑ์: แยกขั้นตอนหรือช่องว่าง ตรวจสอบด้วยสายตาว่าขอบเขตถูกจับอย่างถูกต้อง
5. การวัด: อัตราส่วนพื้นที่ จำนวนเมล็ดพืช ค่าเฉลี่ย และการกระจายตัว
6. ตรวจสอบ: เปรียบเทียบผลลัพธ์ด้วยตนเองด้วยวิธีมาตรฐาน (เช่น การสกัดกั้นเชิงเส้นเทียบกับขนาดเกรน) ทำซ้ำหลายๆ ภาพ

ขนาดเกรน อัตราส่วนเฟส และความพรุน

ขนาดเกรนคือขนาดเฉลี่ยของเกรนคริสตัลของวัสดุ เม็ดเล็กโดยทั่วไปจะให้ความแข็งแรงและความเหนียวสูงกว่า (ความสัมพันธ์ฮอลล์-เพชร) แสดงโดยหมายเลขขนาดเกรน ASTM E112 G; เมื่อ G เพิ่มขึ้น เม็ดจะเล็กลง อัตราส่วนเฟสคือเปอร์เซ็นต์ปริมาตร/พื้นที่ของแต่ละเฟสในโครงสร้างสองเฟสหรือหลายเฟส (เช่น สมดุลของเฟอร์ไรต์-ออสเทนไนต์มีเป้าหมายอยู่ที่ ~50/50% ในสเตนเลสดูเพล็กซ์) ความพรุนคืออัตราส่วนของช่องว่างที่เกิดจากก๊าซหรือการหดตัวในการหล่อ และลดอายุการใช้งานของความล้าได้อย่างมาก

การวัด

วิธีการมาตรฐาน

AI/การสนับสนุนการประมวลผลภาพ

การตรวจสอบที่สำคัญ

ขนาดเกรน (G)

จุดตัด/การเปรียบเทียบ ASTM E112

การตรวจจับและการนับเส้นขอบอัตโนมัติ

การสอบเทียบ + การควบคุมทางแยกแบบแมนนวล

อัตราส่วนเฟส (%)

ASTM E562 จำนวนจุด

อัตราส่วนพื้นที่พร้อมเกณฑ์

ความสม่ำเสมอของการแกะสลัก การเลือกเกณฑ์

ความพรุน (%)

การวิเคราะห์ภาพ ASTM E1245

การแบ่งส่วนพื้นที่

ขัดเกลาการเลือกปฏิบัติสิ่งประดิษฐ์

รวม

มาตรฐาน ASTM E45

รูปร่าง/การจำแนกประเภทการกระจาย

การเปรียบเทียบเทมเพลตอ้างอิง

มินิเคสสามอัน

กรณีที่ 1 — ขนาดเกรนที่ไม่มีการสอบเทียบ ช่างเทคนิคโหลดภาพโครงสร้างจุลภาคลงในเครื่องมือที่ขับเคลื่อนด้วย AI และทำการวัดขนาดเกรน ผลลัพธ์คือ 6 µm อย่างไรก็ตาม ภาพนี้ถ่ายโดยใช้กำลังขยาย 200x แทนที่จะเป็น 500x และการปรับเทียบของเซสชันก่อนหน้า (500x) ยังคงอยู่ในเครื่องมือ ขนาดเกรนจริงคือ ~15 µm ค่าที่ไม่ถูกต้องยังทำให้การประมาณค่าความแข็งแกร่งผ่านทางฮอลล์เพชรเข้าใจผิดอีกด้วย ช่างเทคนิคจะคุ้นเคยกับการปรับเทียบแถบมาตราส่วนใหม่ในแต่ละเซสชั่น บทเรียน: การสอบเทียบเป็นแบบเฉพาะตัวอย่างและกำลังขยาย และไม่สามารถยกยอดไปต่อได้

กรณีที่ 2 — สิ่งประดิษฐ์แกะสลักถูกเข้าใจผิดว่าเป็นเฟส อัตราส่วนเฟอร์ไรต์/ออสเทนไนต์วัดในดูเพล็กซ์สเตนเลส ข้อผิดพลาดในการกำหนดจุดมืดในบริเวณที่มีการกัดเซาะอย่างหนักสำหรับเฟอร์ไรต์ ให้อัตราส่วนเฟอร์ไรต์ 62% ในขณะที่ยอดคงเหลือจริงอยู่ที่ ~48% เฟอร์ไรต์ที่มากเกินไปจะสร้างสัญญาณเตือนที่ผิดพลาดเกี่ยวกับการกัดกร่อนและความเหนียว นักโลหะวิทยาพบข้อผิดพลาดหลังจากกำหนดเวลาการแกะสลักให้เป็นมาตรฐาน และตรวจสอบหลายพื้นที่ด้วยการนับจุดด้วยตนเอง บทเรียน: การเตรียมตัวอย่างที่ไม่ดียังหลอกแม้กระทั่งอัลกอริธึมที่ดีที่สุด — ขยะเข้า, ขยะออก

กรณีที่ 3 — การใช้งานที่ถูกต้อง แผนที่ที่มีรูพรุน ทีมหล่อต้องการวัดอัตราความพรุนในหน้าตัดของชิ้นส่วนอะลูมิเนียม โมเดลการแบ่งส่วน AI แยกช่องว่างอย่างรวดเร็วและให้แผนที่การกระจายที่มีความพรุน 2.3% ทีมงานตรวจสอบด้วยสายตาว่ารอยขีดข่วนที่เกิดขึ้นระหว่างการขัดเงานั้นไม่ผิดคิดว่าเป็นช่องว่าง ยืนยันผลลัพธ์ตามมาตรฐาน ASTM E1245 และเห็นว่าความพรุนกระจุกตัวอยู่ในพื้นที่ป้อนและปรับปรุงการออกแบบการหล่อ AI นำมาซึ่งความรวดเร็ว การตัดสินใจเป็นไปตามมาตรฐานและการสังเกต

เทมเพลตพร้อมท์ที่คัดลอกได้

เทมเพลตแผนการวัด"บทบาท: คุณเป็นผู้ช่วยด้านโลหะวิทยาเชิงปริมาณ วัตถุประสงค์: วัด [ขนาดเกรน / อัตราส่วนเฟส / ความพรุน] วัสดุ: [...] กำลังขยาย: [...] มาตรฐาน: [เช่น ASTM E112] ขอแผนการวัดทีละขั้นตอน: การเตรียมตัวอย่าง การแกะสลัก ขั้นตอนการสอบเทียบ การแบ่งส่วน/เกณฑ์ การวัด และการตรวจสอบ ไฮไลต์การสอบเทียบเป็น ขั้นตอนแรกและจำเป็น ผลลัพธ์ บอกฉันว่าวิธีมาตรฐานใดที่จะตรวจสอบด้วยตนเอง”

เทมเพลตการตรวจสอบข้อผิดพลาดในการแบ่งส่วน "ฉันได้แบ่งส่วน [เฟส/ช่องว่าง] ในภาพโครงสร้างจุลภาค ระบุจุดที่อาจผิดพลาด เช่น จำหลักสิ่งแปลกปลอม การขัดรอยขีดข่วน พื้นที่นอกสนาม ขอบเขตที่ทับซ้อนกัน เขียนวิธีการตรวจสอบแต่ละรายการและวิธีแก้ไข ฉันควรทำการตรวจสอบด้วยภาพอะไรบ้างก่อนที่จะยอมรับผลลัพธ์"

เทมเพลตการตีความขนาดเกรน "ฉันวัดขนาดเกรนตามมาตรฐาน ASTM E112 โดยตัวเลข G = [ค่า] กำลังขยาย [x] อธิบายว่าค่า G นี้สอดคล้องกับเส้นผ่านศูนย์กลางเกรนเฉลี่ยโดยประมาณอย่างไร และผลกระทบต่อความแข็งแกร่งในแง่ของฮอลล์-เพชร เตือนฉันว่าค่า G ขึ้นอยู่กับการสอบเทียบ บอกฉันทีละขั้นตอนว่าจะตรวจสอบผลลัพธ์ด้วยวิธีการแยกเชิงเส้นอย่างไร"

PYTHON IMAGE PROCESSING SKELETON TEMPLATE"บทบาท: คุณคือผู้ช่วยโค้ดประมวลผลภาพ เขียนโค้ดโครงกระดูกที่คำนวณอัตราส่วนพื้นที่เฟสบนภาพโครงสร้างจุลภาคด้วยภาพ scikit: (1) ตัวแปร µm/pixel อย่างชัดแจ้งที่ด้านบนสำหรับการสอบเทียบสเกล (2) การแปลงเป็นระดับสีเทา (3) การกำหนดเกณฑ์ขั้นต่ำ (4) อัตราส่วนพื้นที่ (5) การพิมพ์ผลลัพธ์ เพิ่มความคิดเห็นในแต่ละขั้นตอน เกณฑ์ระบุใน รหัสที่ต้องตรวจสอบค่าและการสอบเทียบด้วยตนเอง"

พรอมต์อ่อน / พรอมต์แข็งแกร่ง

คำเตือนที่อ่อนแอ: "บอกฉันเกี่ยวกับขนาดเกรนของโครงสร้างจุลภาคนี้"

คำตอบที่ชัดเจน:"บทบาท: คุณเป็นผู้ช่วยด้านโลหะวิทยาเชิงปริมาณ ฉันต้องการวัดขนาดเกรนตามมาตรฐาน ASTM E112 รูปภาพ 500x, สเกลบาร์ 50 µm = 240พิกเซล (เช่น 0.208 µm/พิกเซล) ขอขั้นตอนในการคำนวณขนาดเกรนโดยวิธีการตัดเชิงเส้น บอกฉันว่ามีกี่เส้น/จำนวนทางแยกที่จะนับ แล้วแปลงผลลัพธ์เป็นเลข G ฉันต้องตรวจสอบ การสอบเทียบและอย่างน้อย "เตือนฉันว่าฉันต้องทำซ้ำใน 3 ด้านที่แตกต่างกัน คุณไม่สามารถ 'อ่าน' ผลลัพธ์สุดท้ายได้ กำหนดวิธีไว้"

ข้อความแจ้งเตือนที่ไม่รุนแรงขอให้ AI "อ่าน" รูปภาพ แต่ AI ไม่ทราบขนาดและการแกะสลัก และอาจสร้างตัวเลขขึ้นมาได้ ข้อความแจ้งที่มีประสิทธิภาพทำให้การสอบเทียบชัดเจน ถามถึงวิธีการมาตรฐาน จำเป็นต้องมีการทำซ้ำและการตรวจสอบ และใช้ AI เป็นเครื่องมือในการตั้งค่าวิธีการ ไม่ใช่การวัดผล

ข้อผิดพลาดทั่วไป

• ลืมปรับเทียบมาตราส่วนหรือวัดด้วยการสอบเทียบเซสชันก่อนหน้า
• อาศัยการแบ่งส่วนโดยไม่แก้ไขการแกะสลักที่ไม่ดี/ไม่สม่ำเสมอ
• เข้าใจผิดว่ารอยขีดข่วนหรือคราบขัดเงามีความพรุน/เฟส
• การวัดจากพื้นที่เดียวและลักษณะทั่วไปไปจนถึงตัวอย่างทั้งหมด สถิติต้องใช้หลายช่อง
• สมมติว่า AI ได้ "เห็น" ภาพแล้วใช้งานโดยไม่ได้ตรวจสอบจำนวนที่แน่ชัดที่ให้มา
• ยอมรับผลการแบ่งส่วนโดยไม่ต้องตรวจสอบด้วยสายตา

โดยสรุป

ในด้านโลหะวิทยาเชิงปริมาณ AI และการประมวลผลภาพจะเร่งขนาดเกรน อัตราส่วนเฟส และการวัดความพรุน และช่วยให้สามารถแบ่งส่วนโครงสร้างที่ซับซ้อนได้อย่างมีประสิทธิภาพ อย่างไรก็ตาม ความถูกต้องของผลลัพธ์ขึ้นอยู่กับการสอบเทียบเครื่องชั่ง การเตรียมตัวอย่างที่ดี และการตรวจสอบความถูกต้องข้ามด้วยวิธีมาตรฐาน (ASTM E112/E562/E1245) ทำการสอบเทียบเป็นขั้นตอนแรก ตรวจสอบการแบ่งส่วนด้วยตา ทำซ้ำในหลายพื้นที่ และใช้ AI เป็นเครื่องมือที่กำหนดวิธีการวัดและเขียนโค้ด ไม่ใช่ส่วนที่ "อ่าน" รูปภาพ

งานสมัคร

ถ่ายภาพโครงสร้างจุลภาค (ตัวอย่างของคุณเองหรือตัวอย่างการบรรยาย) และค่ามาตราส่วน ด้วยเทมเพลต "PYTHON IMAGE PROCESSING SKELETON" ให้ขอรหัสจาก AI ที่คำนวณอัตราส่วนพื้นที่เฟส ตรวจสอบให้แน่ใจว่าการปรับเทียบ µm/พิกเซลอยู่ที่ด้านบนและเปิดอยู่ในโค้ด เรียกใช้โค้ดและเปรียบเทียบอัตราส่วนพื้นที่ผลลัพธ์กับการนับจุดด้วยตนเอง (ตาราง 10x10) บนรูปภาพเดียวกัน เขียนความแตกต่างระหว่างผลลัพธ์ทั้งสองและสาเหตุที่เป็นไปได้ (ตัวเลือกเกณฑ์ สิ่งแปลกปลอม) ในย่อหน้าเดียว

รายการตรวจสอบ

• [ ] ฉันปรับเทียบแถบมาตราส่วนเป็นพิกเซลและตรวจสอบในแต่ละเซสชัน
• [ ] ฉันตรวจสอบว่าการเตรียมการแกะสลัก/ตัวอย่างมีความสม่ำเสมอ
• [ ] ฉันตรวจดูผลการแบ่งส่วน/เกณฑ์ด้วยสายตา และนำส่วนต่างๆ ออก
• [ ] ฉันทำซ้ำการวัดในพื้นที่ต่างๆ อย่างน้อยสองสามจุด
• [ ] ฉันตรวจสอบผลลัพธ์ด้วยตนเองด้วยวิธีมาตรฐาน (E112/E562/E1245)
• [ ] ฉันใช้ AI เป็นวิธีและเครื่องมือเขียนโค้ด ไม่ใช่เป็น "โปรแกรมอ่าน" ของรูปภาพ