钢材金相图像晶界提取算法研究及智能评级软件设计

发布时间：2020-10-20 13:26

　　 工业制造是国民经济的重要组成部分,而钢材是工业制造领域常用材料。许多钢材由于服役环境恶劣,内部组织结构发生变化,造成使用寿命大大缩减。为了保证设备的正常工作和保障使用人员的安全,钢材性能检测是极其重要的一环,而金相图像是分析钢材性能的主要手段。在金相显微镜下,绝大多数钢材表面呈现出晶粒状的结构画面,这些晶粒的尺寸大小即钢材的晶粒度会对钢材的拉伸强度、韧性、塑性等机械性质有决定性影响。而钢材金相图像中的晶界提取则是钢材晶粒度分析的前提。本文基于数字图像处理技术和机器学习算法,围绕钢材金相图像晶界提取及分析展开研究,并在此基础上开发出智能评级软件,主要研究内容和取得的成果如下:1.钢材金相图像获取及预处理算法研究。基于钢材试样的制备过程,采用金相显微镜获取钢材金相图像;针对钢材金相图像中亮度不均的问题,将自适应直方图均衡化方法应用于钢材金相灰度和彩色图像中予以解决;针对获取的钢材金相图像中的噪声问题,采用双边滤波方法实现了不影响晶界清晰度条件下的噪声去除。2.针对钢材金相图像中晶粒分割,提出参数自适应Mean Shift的钢材金相图像晶粒分割算法。通过引入标记分水岭方法标记前景和背景来修正梯度幅值图像,实现对金相图像的区块分割,有效避免了传统分割算法的过分割现象。在此基础上将每块区域的面积大小映射为带宽参数值域,在参数自适应Mean Shift聚类分割基础上最终实现晶粒分割。3.针对钢材金相图像中晶界提取,提出基于结构化随机森林的钢材金相图像晶界提取算法。基于多个去相关决策树预测结果的融合,同时结合结构化标记获取整幅图像的邻域信息,降低每个像素预测需要的决策树个数。而针对结构化标记所带来的计算量大、信息增益难定义等问题,通过映射到离散的标记集合,计算离散标记集合的信息增益实现晶界的准确高效提取。4.智能评级软件的设计。基于Visual Studio软件平台的MFC框架,结合开源的OpenCV视觉库实现了四大功能模块:图像数据的读取与存储管理、晶界提取模块、手工绘制工具模块、晶粒度评级模块。除本文所提出的算法外,软件中还集成了大量金相图像处理算法,以满足大部分钢材晶粒度评级的需求。
【学位单位】：江苏大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TP391.41;TG142.1
【部分图文】：

1.1 课题研究背景与意义钢铁工业被誉为现代工业的脊梁，是人类生产生活中使用最多的金属材料。生铁和钢的主要成分都是铁，含碳量的不同是两者最主要的区别，生铁的含碳量为 2~4.3%，钢的含碳量为 0.03~2%。与生铁相比，钢的物理、化学、机械性能更好[1]，很快便脱颖而出，引起人类的注意。18 世纪，西方世界爆发了第一次工业革命[2]，在此期间，炼钢技术得到飞速发展；19 世纪中叶，Besseme 发明了贝氏炼钢法[3]，在降低钢制取成本的同时提高了制取效率。19 世纪下半叶，炼钢技术蓬勃发展，新技术的发明提高了钢的产量，带动了现代钢铁工业的兴起[4]。现如今，钢已经与人类社会息息相关，是日常生活中使用最多的材料之一。图 1.1、1.2 所示的两座世界闻名的建筑便是由大量钢材构成。

1.1 课题研究背景与意义钢铁工业被誉为现代工业的脊梁，是人类生产生活中使用最多的金属材料。生铁和钢的主要成分都是铁，含碳量的不同是两者最主要的区别，生铁的含碳量为 2~4.3%，钢的含碳量为 0.03~2%。与生铁相比，钢的物理、化学、机械性能更好[1]，很快便脱颖而出，引起人类的注意。18 世纪，西方世界爆发了第一次工业革命[2]，在此期间，炼钢技术得到飞速发展；19 世纪中叶，Besseme 发明了贝氏炼钢法[3]，在降低钢制取成本的同时提高了制取效率。19 世纪下半叶，炼钢技术蓬勃发展，新技术的发明提高了钢的产量，带动了现代钢铁工业的兴起[4]。现如今，钢已经与人类社会息息相关，是日常生活中使用最多的材料之一。图 1.1、1.2 所示的两座世界闻名的建筑便是由大量钢材构成。

(a) (b)图 1.3 轴承损坏图Fig. 1.3 The image of broken bearing究其原因是钢材在服役过程中金相组织发生了一系列变化，导致其性能改变，进而影响整个设备的正常工作并引发事故。钢材的普遍使用所带来的潜在安全问题也慢慢呈现出来。尽管种类不同、功能不同、应用场合不同，但钢材的疲劳、老化等问题都会影响钢材机械零件的使用，如何准确评价钢材的性能就显得尤为重要。金相显微组织分析是研究钢材组织结构、性能、成分、加工工艺的主要方法之一。传统的金相分析主要是通过人工进行定性或半定量分析，这种方法受人为因素制约较大，并且费时费力，可重复性差。近年来，数字图像处理技术迅猛发展，已经逐步应用于金相分析领域，增强了金相分析的自动化程度。然而，运用
【参考文献】

相关期刊论文 前10条

1 郑林涛;董永生;史恒亮;;一种新型X射线安检图像增强算法[J];科学技术与工程;2014年23期

2 吕凤华;舒宁;龚龑;郭清;尚海兴;;基于自适应Mean Shift影像分割算法的研究[J];武汉大学学报(信息科学版);2014年07期

3 范嘉豪;肖彦君;;复杂行车环境下基于视频的目标跟踪算法[J];科技创新导报;2014年18期

4 吴伟;吴剑剑;张永华;邬冠华;卢鹏;吴宇;张士晶;;基于数字图像处理的TC4钛合金金相组织定量分析[J];失效分析与预防;2014年02期

5 徐胜军;韩九强;刘光辉;;基于马尔可夫随机场的图像分割方法综述[J];计算机应用研究;2013年09期

6 杨光;吴钟建;罗镇宝;王浩宇;张龙;;限制对比度的多层POSHE自适应图像增强算法[J];激光与红外;2013年01期

7 何娟芝;陈小雕;;一种基于YUV空间的彩色边缘检测算法[J];杭州电子科技大学学报;2012年06期

8 陈潇红;;基于相似性判断的双边滤波改进算法[J];计算机工程;2012年22期

9 郭相凤;贾建芳;葛中峰;;图像序列的预处理与目标检测技术综述[J];传感器世界;2012年04期

10 施刚;班慧勇;石永久;王元清;;高强度钢材钢结构的工程应用及研究进展[J];工业建筑;2012年01期

相关博士学位论文 前2条

1 张红旗;基于图像处理技术的12Cr1MoV钢金相组织分析研究[D];内蒙古农业大学;2013年

2 翟改霞;基于数字技术的铸铁图像分析[D];内蒙古农业大学;2007年

相关硕士学位论文 前10条

1 吴琴琴;Mean Shift算法在彩色图像滤波与分割中的应用[D];陕西师范大学;2015年

2 蒋辉;双边滤波理论及其在遥感图像处理中的应用研究[D];西南交通大学;2014年

3 宋玉婷;基于三维彩色直方图均衡化的彩色图像增强算法研究[D];山东财经大学;2013年

4 唐璐;钢材的景观表现力分析研究[D];北京林业大学;2013年

5 李乐;分水岭算法与水平集算法在医学图像分割应用中的研究[D];中原工学院;2013年

6 唐佳;高铬铸铁组织超声无损评价研究[D];南昌航空大学;2011年

7 蔡海军;跟踪印花系统视觉检测算法研究[D];华中科技大学;2011年

8 吴海波;基于分水岭和水平集方法的图像分割算法研究[D];中南大学;2009年

9 李慧芬;基于泛函极值的图像分割算法研究[D];中南大学;2009年

10 肖海波;图像处理在定量金相分析中的应用[D];江西理工大学;2008年

本文编号：2848739