分享：图像识别技术在钢板带状组织 评定中的应用
摘 要:采用图像识别技术对动车组零部件用 S３５５J２W 钢板的带状组织进行评定.通过摄像 头从显微镜中获取试样显微组织的图像,采用数字图像处理方法对图像进行处理,对图像进行特征 物提取和特征物计数,最后计算出评定结果.结果表明:S３５５J２W 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要求;采用图像识别技术减少了主观因素的影响,提高了工作 效率.
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,该组织会降低钢的横向力学性能,严重时会 造成 钢 的 横 向 开 裂.按 照 ASTM E１２６８－２００１ (２０１６)StandardPracticeforAssessingtheDegreeof BandingorOrientationof Microstructures 采用截点 法和数理统计法评定带状组织时,计算量较大,费时 费力,而且受人为主观因素影响较大,重复性和复现 性较差[１].为此,笔者针对上述弊端,采用图像识别 技术对动车组零部件用 S３５５J２W 钢板进行带状组 织评定,可实现全自动评级,减少人为主观因素的影 响,提高工作效率[２Ｇ９].
１ 试样制备
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,采用体积分数为４％的硝酸酒精溶液浸蚀,用 OLYMPUSGX５１ 型光学显微镜观察到其显微组 织为铁素体＋珠光体,如图１所示.
２ 图像处理
图像采集系统的工作流程示意图如图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计算机,计算机进行图像分 析 处 理,包 括 图 像 处 理、特 征 提 取 和 结 果 计算.
２．１ 彩色图像灰度化
分析图像时,分析对象不是图像的全部细节,而 是某些特征,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.
采用加权平均值法对 S３５５J２W 钢板带状组织 的彩色图像进行灰度化处理.加权平均值法是按照 一定的权值,对红 R、绿 G、蓝 B３个分量进行加权 平均作为灰度图像的灰度值.图４为采用加权平均 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平均得到较合 理的灰度化结果.
２．２ 图像增强
采用 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 值滤波方法是采用５×５像素区域结构的模板,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,使周围的像素值接近真实值,从而消除孤立的噪 声点.图５为采用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,采用直方图增强的方 法将分布在较窄范围内的直方图均匀化处理后,所 有灰度级出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、对比度、灰度级别均增大,特征物与 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征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,通常采用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(可采用迭代法求解得到)进行分割,最后将全部 坐标块组合成一幅图像.图７为采用分块法得到的 图像,保留了图像的全部信息且耗时较短.
３ 图像特征提取
提取 S３５５J２W 钢板带状组织图像特征的目的 是保留特征物珠光体并去除铁素体晶界.将图像反 转,以４个像素大小的圆形结构体对图像进行腐蚀 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.采用 bwmorph(BW２,＇fill＇,inf)补全珠光体中的孔洞,以 ４个像素大小的圆形结构体对图像进行膨胀运算, 然后采用函数 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 带状组织检验特征物计数
ASTM E１２６８－２００１(２０１６)规定了一种基于组 织形貌来定性表述带状或取向程度的方法,该方法基于体视学测量,在２００倍下采用纵向试样检测带 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 过一个特征物时,直线截取特征物数目 N 计为１, 直线截取特征物交点数 P 计为２;当两条扫描线中 一条穿过一个特征物,另一条扫描线没有穿过时,认 为直线与特征物相切,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 个特征物内时,N 计为１/２,P 计为１.最终计算出 沿平行方向总截取特征物数目 N∥ 和沿平行方向总 截取特征物交点数 P∥ 、沿垂直方向总截取特征物数 N⊥ 和沿垂直方向总截取特征物交点数P⊥ .
计算单位长度上特征物或特征物交点数,计算 公式为
式中:ML为单位长度特征物或特征物交点数;M 为 截取特征物数目或特征物交点数;Lt为实际测试线 长度,即测试线长度除以放大倍数.
由式(１)计算出S３５５J２W 钢板带状组织单位长 度特征物或特征物交点数,沿平行方向特征物数目 NL∥ 为 １３．３７７,沿 平 行 方 向 特 征 物 交 点 数 PL∥ 为 ２６．７５４,沿垂直方向特征物数目NL⊥ 为１４．０５２,沿垂 直方向特征物交点数PL⊥ 为２６．９３２.
根据 ASTM E１２６８－２００１(２０１６),NL∥ ,PL∥ , NL⊥ ,PL⊥ 的测量至少要包括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 织单位长度特征物计数测量结果.
４．２ 带状组织检验结果计算
带状组 织 的 评 定 结 果 包 括 NL∥ ,PL∥ ,NL⊥ , PL⊥ 的平均值、５次测量的标准偏差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的计算公式为
式 中:N??L⊥ ,N??L∥ ,P??L⊥ ,P??L∥ 分 别 为 NL⊥ ,NL∥ , PL⊥ ,PL∥ 的平均值.
由式(２)计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,采用特征物交点数计算出各向异性指数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)计算出钢板带状组织取向性程度,采用 特征物数目计算取向性程度Ω１２N 为０．２３,采用特征 物交点数计算取向性程度Ω１２P为０．２３.当这两个指 标值相等时,取向性程度 Ω１２ 在０~１区间内变化; 各向同性时Ω１２为０,完全带状时Ω１２为１.
４．３ 带状组织检验结果评价
表２为钢板带状组织图像识别测量结果,表３ 为钢板带状组织人工计数法测量结果.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 要求.
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观因素的影响,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 钢板带状组织运用图像识别技术 实现了自动评定.采用加权平均值法实现彩色图像 灰度化;采用中值滤波加直方图法增强图像;采用局 部阈值分块法进行阈值分割;采用形态学算法进行 特征提取,最后通过计数特征物数目和交点数代入 公式计算出检验结果.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要求.
参考文献:
[１] 代绪成,刘中民,刘宏,等．S３５５ML＋Z３５钢板厚度方 向性能不合格原因分析[J]．理化检验(物理分册), ２０１８,５４(３):２１３Ｇ２１７．
[２] 王建彬,纪玉波,李依令．基于多结构元素的数学形 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 起的磁粉检测非相关显示辨析[J]．理化检验(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 像处理中的应用[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．计算机图像处理技术的应用研究[J]．数码世 界,２０１７(８):４２．
[８] 单鹂娜,李大勇．金相组织计算机图像处理与识别技 术研究现状[J]．中国铸造装备与技术,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]．理化检验(物理分册),２０１７,５３ (５):３２２Ｇ３２４．
浙公网安备 33042402000106号
