关键词:S355J2W 钢板;带状组织;图像识别;显微组织

中图分类号:TF701 文献标志码:A 文章编号:1001G4012(2019)09G0598G04

钢的带状组织是由钢锭浇铸时的合金元素偏析 造成的,该组织会降落钢的横向力学性能,严重时会 造成 钢 的 横 向 开 裂.按 照 ASTM E1268-2001 (2016)StandardPracticeforAssessingtheDegreeof BandingorOrientationof Microstructures 采取截点 法和数理统计法评定带状组织时,打算量较大,费时 费力,而且受人为主不雅观成分影响较大,重复性和复现 性较差[1].为此,笔者针对上述弊端,采取图像识别 技能对动车组零部件用 S355J2W 钢板进行带状组 织评定,可实现全自动评级,减少人为主不雅观成分的影 响,提高事情效率[2G9].

1 试样制备

分享图像识别技能在钢板带状组织 评定中的应用

在S355J2W 钢板厚度的1/4处沿纵向取样,试 样尺寸为15mm×8mm×15mm,将试样研磨、抛 光后,采取体积分数为4%的硝酸酒精溶液浸蚀,用 OLYMPUSGX51 型光学显微镜不雅观察到其显微组 织为铁素体+珠光体,如图1所示.

2 图像处理

图像采集系统的事情流程示意图如图2所示. 利用显微镜将试样放大为虚像,摄像头采集图像后 将其转换成数字图像并传送到打算机,打算机进行图像分 析 处 理,包 括 图 像 处 理、特 征 提 取 和 结 果 打算.

2.1 彩色图像灰度化

剖析图像时,剖析工具不是图像的全部细节,而 是某些特色,因此需对图像进行彩色图像灰度化处 理.图3为S355J2W 钢板带状组织的彩色图像,像 素尺寸为1944×2592.

采取加权均匀值法对 S355J2W 钢板带状组织 的彩色图像进行灰度化处理.加权均匀值法是按照 一定的权值,对红 R、绿 G、蓝 B3个分量进行加权 均匀作为灰度图像的灰度值.图4为采取加权均匀 值法得到的 S355J2W 钢板带状组织的灰度图像. 由于人眼对绿色敏感度最高,对蓝色敏感度最低,所 以 R,G,B分量通过不同系数的加权均匀得到较合 理的灰度化结果.

2.2 图像增强

采取 中 值 滤 波 加 直 方 图 增 强 图 像 的 方 法 对 S355J2W 钢板带状组织的灰度图像进行增强.中 值滤波方法是采取5×5像素区域构造的模板,将模 板覆盖的图像按照像素大小进行排序,将中间值作为结果.将模板滑过整幅图像,得到中值滤波的结 果,使周围的像素值靠近真实值,从而肃清伶仃的噪 声点.图5为采取中值滤波方法处理后的图像.

带状组织中值滤波图像的灰度级别集中在较窄 的区间,导致图像细节不清晰,采取直方图增强的方 法将分布在较窄范围内的直方图均匀化处理后,所 有灰度级涌现的相对频数均相等,增强了图像的细 节清晰度.图6为用直方图增强后的图像,可以看 出图像的亮度、比拟度、灰度级别均增大,特色物与 背景间差距增大,为阈值分割做好准备.

2.3 阈值分割

钢板带状组织的图像特色提取与结果评定都要 在二进制图像上进行,需将图像进行阈值分割形成 二进制图像,常日采取局部阈值分割分块法.局部阈值分割分块法是对图像按照坐标分块,每个坐标 块的像素为50×50,分别对单个坐标块选取最佳阈 值(可采取迭代法求解得到)进行分割,末了将全部 坐标块组合成一幅图像.图7为采取分块法得到的 图像,保留了图像的全部信息且耗时较短.

3 图像特色提取

提取 S355J2W 钢板带状组织图像特色的目的 是保留特色物珠光体并去除铁素体晶界.将图像反 转,以4个像素大小的圆形构造体对图像进行堕落 运算,去除细的铁素体晶界,如图8所示,可见组织 中仍 有 许 多 铁 素 体 晶 界 残 留.采 用 bwareaopen (BW5,100,8)函数去掉小于100平方单位面积的 黑点以去除残留的铁素体晶界,如图9所示.采取 bwmorph(BW2,'fill',inf)补全珠光体中的孔洞,以 4个像素大小的圆形构造体对图像进行膨胀运算, 然后采取函数 bwlabel(BW2,8)将不同的连通区域 用不同的灰度级别标记,为结果评定做准备,如图 10所示.

4 结果评定

4.1 带状组织考验特色物计数

ASTM E1268-2001(2016)规定了一种基于组 织描述来定性表述带状或取向程度的方法,该方法基于体视学丈量,在200倍下采取纵向试样检测带 状组织和取向性程度.

图11为S355J2W 钢板带状组织沿平行和垂直 轧制方向的网格线图像.平行和垂直方向各有4条 直线,测试线总长度为620mm,网格线宽度为5个 像素.沿网格线逐点扫描图像,将直线的两边缘作 为扫描线,每条直线扫描两次.当两条扫描线都穿 过一个特色物时,直线截取特色物数目 N 计为1, 直线截取特色物交点数 P 计为2;当两条扫描线中 一条穿过一个特色物,另一条扫描线没有穿过期,认 为直线与特色物相切,N 计为1/2,P 计为1;当两 条扫描线中一条扫描线的末端或整条扫描线都在一 个特色物内时,N 计为1/2,P 计为1.终极打算出 沿平行方向总截取特色物数目 N∥ 和沿平行方向总 截取特色物交点数 P∥ 、沿垂直方向总截取特色物数 N⊥ 和沿垂直方向总截取特色物交点数P⊥ .

打算单位长度上特色物或特色物交点数,打算 公式为

式中:ML为单位长度特色物或特色物交点数;M 为 截取特色物数目或特色物交点数;Lt为实际测试线 长度,即测试线长度除以放大倍数.

由式(1)打算出S355J2W 钢板带状组织单位长 度特色物或特色物交点数,沿平行方向特色物数目 NL∥ 为 13.377,沿 平 行 方 向 特 征 物 交 点 数 PL∥ 为 26.754,沿垂直方向特色物数目NL⊥ 为14.052,沿垂 直方向特色物交点数PL⊥ 为26.932.

根据 ASTM E1268-2001(2016),NL∥ ,PL∥ , NL⊥ ,PL⊥ 的丈量至少要包括5个试样或视场,且为 随机选取.表1为随机选取5张图片的钢板带状组 织单位长度特色物计数丈量结果.

4.2 带状组织考验结果打算

带状组 织 的 评 定 结 果 包 括 NL∥ ,PL∥ ,NL⊥ , PL⊥ 的均匀值、5次丈量的标准偏差s、95%置信区 间(95%CI)CI、相对精度(%RA)RA、各向异性指数 AI和抛光面带状组织的取向性程度Ω12等.

各向异性指数AI的打算公式为

式 中:NL⊥ ,NL∥ ,PL⊥ ,PL∥ 分 别 为 NL⊥ ,NL∥ , PL⊥ ,PL∥ 的均匀值.

由式(2)打算出钢板带状组织评定各向异性指 数,采 用 特 征 物 数 目 计 算 出 各 向 异 性 指 数 AIN 为 1.47,采取特色物交点数打算出各向异性指数AIP为 1.47.当这两个指标值相等时,各向同性的非带状 组织 AI值为1;随着带状和取向性程度的增加,AI 值大于1.

抛光面的带状组织取向性程度 Ω12 的 计 算 公 式为

由式(3)打算出钢板带状组织取向性程度,采取 特色物数目打算取向性程度Ω12N 为0.23,采取特色 物交点数打算取向性程度Ω12P为0.23.当这两个指 标值相等时,取向性程度 Ω12 在0~1区间内变革; 各向同性时Ω12为0,完备带状时Ω12为1.

4.3 带状组织考验结果评价

表2为钢板带状组织图像识别丈量结果,表3 为钢板带状组织人工计数法丈量结果.由表2和表 3可以看出,各向异性指数 AI和取向性程度 Ω12 非 常接 近,相 对 精 度 都 在 30% 以 下,满 足 ASTM E1268-2001(2016)中“相对精度不大于30%为适 当值,否 则 需 增 加 测 量 次 数 来 降 低 相 对 精 度”的 哀求.

综上可以看出,S355J2W 钢板带状组织评定采 用图像识别后大幅减少了人为主不雅观成分的影响,操 作简洁快速,节省了大量人力物力,提高了效率.

5 结论

对 S355J2W 钢板带状组织利用图像识别技能 实现了自动评定.采取加权均匀值法实现彩色图像 灰度化;采取中值滤波加直方图法增强图像;采取局 部阈值分块法进行阈值分割;采取形态学算法进行 特色提取,末了通过计数特色物数目和交点数代入 公式打算出考验结果.钢板带状组织评定结果相对 精度小于30%,符合带状组织评定标准的哀求.

参考文献:

[1] 代绪成,刘中民,刘宏,等.S355ML+Z35钢板厚度方 向性能不合格缘故原由剖析[J].理化考验(物理分册), 2018,54(3):213G217.

[2] 王建彬,纪玉波,李依令.基于多构造元素的数学形 态学图 像 边 缘 检 测 [J].辽 宁 石 油 化 工 大 学 学 报, 2006,26(2):79G82.

[3] 杨争,王婵,杨德胜,等.轴承零件材料和显微组织引 起的磁粉检测非干系显示辨析[J].理化考验(物理分 册),2019,55(5):315G317.

[4] 祭胜仓.基于数学形态学的边缘检测及其在医学图 像处理中的运用[D].青岛:青岛大学,2007.

[5] 闫德俊,孙杰.一种改进的金相图像处理自适应加权 均值滤波方法[J].辽宁石油化工大学学报,2005,25 (4):58G61.

[6] CHAUDHURIBB,SARKARN.Texturesegmentation using fractal dimension[J].IEEE Transactions on PatternAnalysisandMachineIntelligence,1995,17(1): 72G77.

[7] 吉文帅.打算机图像处理技能的运用研究[J].数码世 界,2017(8):42.

[8] 单鹂娜,李大勇.金相组织打算机图像处理与识别技 术研究现状[J].中国铸造装备与技能,2005(1):4G7.

[9] 蔡煜,张伟,戴敏明,等.SA210C 无缝中碳钢管带状 组织的评定方法[J].理化考验(物理分册),2017,53 (5):322G324.

<文章来源>材料与测试网 > 期刊论文 > 理化考验-物理分册 > 55卷 > 9期 (pp:598-601)>​