摘 要:采用圖像識(shí)別技術(shù)對(duì)動(dòng)車(chē)組零部件用 S３５５J２W 鋼板的帶狀組織進(jìn)行評(píng)定.通過(guò)攝像 頭從顯微鏡中獲取試樣顯微組織的圖像,采用數(shù)字圖像處理方法對(duì)圖像進(jìn)行處理,對(duì)圖像進(jìn)行特征 物提取和特征物計(jì)數(shù),最后計(jì)算出評(píng)定結(jié)果.結(jié)果表明:S３５５J２W 鋼板帶狀組織評(píng)定結(jié)果相對(duì)精 度小于３０％,符合帶狀組織評(píng)定標(biāo)準(zhǔn)要求;采用圖像識(shí)別技術(shù)減少了主觀因素的影響,提高了工作 效率.

關(guān)鍵詞:S３５５J２W 鋼板;帶狀組織;圖像識(shí)別;顯微組織

中圖分類(lèi)號(hào):TF７０１ 文獻(xiàn)標(biāo)志碼:A 文章編號(hào):１００１Ｇ４０１２(２０１９)０９Ｇ０５９８Ｇ０４

鋼的帶狀組織是由鋼錠澆鑄時(shí)的合金元素偏析 造成的,該組織會(huì)降低鋼的橫向力學(xué)性能,嚴(yán)重時(shí)會(huì) 造成 鋼 的 橫 向 開(kāi) 裂.按 照 ASTM E１２６８－２００１ (２０１６)StandardPracticeforAssessingtheDegreeof BandingorOrientationof Microstructures 采用截點(diǎn) 法和數(shù)理統(tǒng)計(jì)法評(píng)定帶狀組織時(shí),計(jì)算量較大,費(fèi)時(shí) 費(fèi)力,而且受人為主觀因素影響較大,重復(fù)性和復(fù)現(xiàn) 性較差[１].為此,筆者針對(duì)上述弊端,采用圖像識(shí)別 技術(shù)對(duì)動(dòng)車(chē)組零部件用 S３５５J２W 鋼板進(jìn)行帶狀組 織評(píng)定,可實(shí)現(xiàn)全自動(dòng)評(píng)級(jí),減少人為主觀因素的影 響,提高工作效率[２Ｇ９].

１ 試樣制備

在S３５５J２W 鋼板厚度的１/４處沿縱向取樣,試 樣尺寸為１５mm×８mm×１５mm,將試樣研磨、拋 光后,采用體積分?jǐn)?shù)為４％的硝酸酒精溶液浸蝕,用 OLYMPUSGX５１ 型光學(xué)顯微鏡觀察到其顯微組 織為鐵素體＋珠光體,如圖１所示.

２ 圖像處理

圖像采集系統(tǒng)的工作流程示意圖如圖２所示. 利用顯微鏡將試樣放大為虛像,攝像頭采集圖像后 將其轉(zhuǎn)換成數(shù)字圖像并傳送到計(jì)算機(jī),計(jì)算機(jī)進(jìn)行圖像分 析 處 理,包 括 圖 像 處 理、特 征 提 取 和 結(jié) 果 計(jì)算.

２．１ 彩色圖像灰度化

分析圖像時(shí),分析對(duì)象不是圖像的全部細(xì)節(jié),而 是某些特征,因此需對(duì)圖像進(jìn)行彩色圖像灰度化處 理.圖３為S３５５J２W 鋼板帶狀組織的彩色圖像,像 素尺寸為１９４４×２５９２.

采用加權(quán)平均值法對(duì) S３５５J２W 鋼板帶狀組織 的彩色圖像進(jìn)行灰度化處理.加權(quán)平均值法是按照 一定的權(quán)值,對(duì)紅 R、綠 G、藍(lán) B３個(gè)分量進(jìn)行加權(quán) 平均作為灰度圖像的灰度值.圖４為采用加權(quán)平均 值法得到的 S３５５J２W 鋼板帶狀組織的灰度圖像. 由于人眼對(duì)綠色敏感度最高,對(duì)藍(lán)色敏感度最低,所 以 R,G,B分量通過(guò)不同系數(shù)的加權(quán)平均得到較合 理的灰度化結(jié)果.

２．２ 圖像增強(qiáng)

采用 中 值 濾 波 加 直 方 圖 增 強(qiáng) 圖 像 的 方 法 對(duì) S３５５J２W 鋼板帶狀組織的灰度圖像進(jìn)行增強(qiáng).中 值濾波方法是采用５×５像素區(qū)域結(jié)構(gòu)的模板,將模 板覆蓋的圖像按照像素大小進(jìn)行排序,將中間值作為結(jié)果.將模板滑過(guò)整幅圖像,得到中值濾波的結(jié) 果,使周?chē)南袼刂到咏鎸?shí)值,從而消除孤立的噪 聲點(diǎn).圖５為采用中值濾波方法處理后的圖像.

帶狀組織中值濾波圖像的灰度級(jí)別集中在較窄 的區(qū)間,導(dǎo)致圖像細(xì)節(jié)不清晰,采用直方圖增強(qiáng)的方 法將分布在較窄范圍內(nèi)的直方圖均勻化處理后,所 有灰度級(jí)出現(xiàn)的相對(duì)頻數(shù)均相等,增強(qiáng)了圖像的細(xì) 節(jié)清晰度.圖６為用直方圖增強(qiáng)后的圖像,可以看 出圖像的亮度、對(duì)比度、灰度級(jí)別均增大,特征物與 背景間差距增大,為閾值分割做好準(zhǔn)備.

２．３ 閾值分割

鋼板帶狀組織的圖像特征提取與結(jié)果評(píng)定都要 在二進(jìn)制圖像上進(jìn)行,需將圖像進(jìn)行閾值分割形成 二進(jìn)制圖像,通常采用局部閾值分割分塊法.局部閾值分割分塊法是對(duì)圖像按照坐標(biāo)分塊,每個(gè)坐標(biāo) 塊的像素為５０×５０,分別對(duì)單個(gè)坐標(biāo)塊選取最佳閾 值(可采用迭代法求解得到)進(jìn)行分割,最后將全部 坐標(biāo)塊組合成一幅圖像.圖７為采用分塊法得到的 圖像,保留了圖像的全部信息且耗時(shí)較短.

３ 圖像特征提取

提取 S３５５J２W 鋼板帶狀組織圖像特征的目的 是保留特征物珠光體并去除鐵素體晶界.將圖像反 轉(zhuǎn),以４個(gè)像素大小的圓形結(jié)構(gòu)體對(duì)圖像進(jìn)行腐蝕 運(yùn)算,去除細(xì)的鐵素體晶界,如圖８所示,可見(jiàn)組織 中仍 有 許 多 鐵 素 體 晶 界 殘 留.采 用 bwareaopen (BW５,１００,８)函數(shù)去掉小于１００平方單位面積的 黑點(diǎn)以去除殘留的鐵素體晶界,如圖９所示.采用 bwmorph(BW２,＇fill＇,inf)補(bǔ)全珠光體中的孔洞,以 ４個(gè)像素大小的圓形結(jié)構(gòu)體對(duì)圖像進(jìn)行膨脹運(yùn)算, 然后采用函數(shù) bwlabel(BW２,８)將不同的連通區(qū)域 用不同的灰度級(jí)別標(biāo)記,為結(jié)果評(píng)定做準(zhǔn)備,如圖 １０所示.

４ 結(jié)果評(píng)定

４．１ 帶狀組織檢驗(yàn)特征物計(jì)數(shù)

ASTM E１２６８－２００１(２０１６)規(guī)定了一種基于組 織形貌來(lái)定性表述帶狀或取向程度的方法,該方法基于體視學(xué)測(cè)量,在２００倍下采用縱向試樣檢測(cè)帶 狀組織和取向性程度.

圖１１為S３５５J２W 鋼板帶狀組織沿平行和垂直 軋制方向的網(wǎng)格線(xiàn)圖像.平行和垂直方向各有４條 直線(xiàn),測(cè)試線(xiàn)總長(zhǎng)度為６２０mm,網(wǎng)格線(xiàn)寬度為５個(gè) 像素.沿網(wǎng)格線(xiàn)逐點(diǎn)掃描圖像,將直線(xiàn)的兩邊緣作 為掃描線(xiàn),每條直線(xiàn)掃描兩次.當(dāng)兩條掃描線(xiàn)都穿 過(guò)一個(gè)特征物時(shí),直線(xiàn)截取特征物數(shù)目 N 計(jì)為１, 直線(xiàn)截取特征物交點(diǎn)數(shù) P 計(jì)為２;當(dāng)兩條掃描線(xiàn)中 一條穿過(guò)一個(gè)特征物,另一條掃描線(xiàn)沒(méi)有穿過(guò)時(shí),認(rèn) 為直線(xiàn)與特征物相切,N 計(jì)為１/２,P 計(jì)為１;當(dāng)兩 條掃描線(xiàn)中一條掃描線(xiàn)的末端或整條掃描線(xiàn)都在一 個(gè)特征物內(nèi)時(shí),N 計(jì)為１/２,P 計(jì)為１.最終計(jì)算出 沿平行方向總截取特征物數(shù)目 N∥ 和沿平行方向總 截取特征物交點(diǎn)數(shù) P∥ 、沿垂直方向總截取特征物數(shù) N⊥ 和沿垂直方向總截取特征物交點(diǎn)數(shù)P⊥ .

計(jì)算單位長(zhǎng)度上特征物或特征物交點(diǎn)數(shù),計(jì)算 公式為

式中:ML為單位長(zhǎng)度特征物或特征物交點(diǎn)數(shù);M 為 截取特征物數(shù)目或特征物交點(diǎn)數(shù);Lt為實(shí)際測(cè)試線(xiàn) 長(zhǎng)度,即測(cè)試線(xiàn)長(zhǎng)度除以放大倍數(shù).

由式(１)計(jì)算出S３５５J２W 鋼板帶狀組織單位長(zhǎng) 度特征物或特征物交點(diǎn)數(shù),沿平行方向特征物數(shù)目 NL∥ 為 １３．３７７,沿 平 行 方 向 特 征 物 交 點(diǎn) 數(shù) PL∥ 為 ２６．７５４,沿垂直方向特征物數(shù)目NL⊥ 為１４．０５２,沿垂 直方向特征物交點(diǎn)數(shù)PL⊥ 為２６．９３２.

根據(jù) ASTM E１２６８－２００１(２０１６),NL∥ ,PL∥ , NL⊥ ,PL⊥ 的測(cè)量至少要包括５個(gè)試樣或視場(chǎng),且為 隨機(jī)選取.表１為隨機(jī)選?。祻垐D片的鋼板帶狀組 織單位長(zhǎng)度特征物計(jì)數(shù)測(cè)量結(jié)果.

４．２ 帶狀組織檢驗(yàn)結(jié)果計(jì)算

帶狀組 織 的 評(píng) 定 結(jié) 果 包 括 NL∥ ,PL∥ ,NL⊥ , PL⊥ 的平均值、５次測(cè)量的標(biāo)準(zhǔn)偏差s、９５％置信區(qū) 間(９５％CI)CI、相對(duì)精度(％RA)RA、各向異性指數(shù) AI和拋光面帶狀組織的取向性程度Ω１２等.

各向異性指數(shù)AI的計(jì)算公式為

式 中:N??L⊥ ,N??L∥ ,P??L⊥ ,P??L∥ 分 別 為 NL⊥ ,NL∥ , PL⊥ ,PL∥ 的平均值.

由式(２)計(jì)算出鋼板帶狀組織評(píng)定各向異性指 數(shù),采 用 特 征 物 數(shù) 目 計(jì) 算 出 各 向 異 性 指 數(shù) AIN 為 １．４７,采用特征物交點(diǎn)數(shù)計(jì)算出各向異性指數(shù)AIP為 １．４７.當(dāng)這兩個(gè)指標(biāo)值相等時(shí),各向同性的非帶狀 組織 AI值為１;隨著帶狀和取向性程度的增加,AI 值大于１.

拋光面的帶狀組織取向性程度 Ω１２ 的 計(jì) 算 公 式為

由式(３)計(jì)算出鋼板帶狀組織取向性程度,采用 特征物數(shù)目計(jì)算取向性程度Ω１２N 為０．２３,采用特征 物交點(diǎn)數(shù)計(jì)算取向性程度Ω１２P為０．２３.當(dāng)這兩個(gè)指 標(biāo)值相等時(shí),取向性程度 Ω１２ 在０~１區(qū)間內(nèi)變化; 各向同性時(shí)Ω１２為０,完全帶狀時(shí)Ω１２為１.

４．３ 帶狀組織檢驗(yàn)結(jié)果評(píng)價(jià)

表２為鋼板帶狀組織圖像識(shí)別測(cè)量結(jié)果,表３ 為鋼板帶狀組織人工計(jì)數(shù)法測(cè)量結(jié)果.由表２和表 ３可以看出,各向異性指數(shù) AI和取向性程度 Ω１２ 非 常接 近,相 對(duì) 精 度 都 在 ３０％ 以 下,滿(mǎn) 足 ASTM E１２６８－２００１(２０１６)中“相對(duì)精度不大于３０％為適 當(dāng)值,否 則 需 增 加 測(cè) 量 次 數(shù) 來(lái) 降 低 相 對(duì) 精 度”的 要求.

綜上可以看出,S３５５J２W 鋼板帶狀組織評(píng)定采 用圖像識(shí)別后大幅減少了人為主觀因素的影響,操 作簡(jiǎn)潔快速,節(jié)省了大量人力物力,提高了效率.

５ 結(jié)論

對(duì) S３５５J２W 鋼板帶狀組織運(yùn)用圖像識(shí)別技術(shù) 實(shí)現(xiàn)了自動(dòng)評(píng)定.采用加權(quán)平均值法實(shí)現(xiàn)彩色圖像 灰度化;采用中值濾波加直方圖法增強(qiáng)圖像;采用局 部閾值分塊法進(jìn)行閾值分割;采用形態(tài)學(xué)算法進(jìn)行 特征提取,最后通過(guò)計(jì)數(shù)特征物數(shù)目和交點(diǎn)數(shù)代入 公式計(jì)算出檢驗(yàn)結(jié)果.鋼板帶狀組織評(píng)定結(jié)果相對(duì) 精度小于３０％,符合帶狀組織評(píng)定標(biāo)準(zhǔn)的要求.

參考文獻(xiàn):

[１] 代緒成,劉中民,劉宏,等．S３５５ML＋Z３５鋼板厚度方 向性能不合格原因分析[J]．理化檢驗(yàn)(物理分冊(cè)), ２０１８,５４(３):２１３Ｇ２１７．

[２] 王建彬,紀(jì)玉波,李依令．基于多結(jié)構(gòu)元素的數(shù)學(xué)形 態(tài)學(xué)圖 像 邊 緣 檢 測(cè) [J]．遼 寧 石 油 化 工 大 學(xué) 學(xué) 報(bào), ２００６,２６(２):７９Ｇ８２．

[３] 楊爭(zhēng),王嬋,楊德勝,等．軸承零件材料和顯微組織引 起的磁粉檢測(cè)非相關(guān)顯示辨析[J]．理化檢驗(yàn)(物理分 冊(cè)),２０１９,５５(５):３１５Ｇ３１７．

[４] 祭勝倉(cāng)．基于數(shù)學(xué)形態(tài)學(xué)的邊緣檢測(cè)及其在醫(yī)學(xué)圖 像處理中的應(yīng)用[D]．青島:青島大學(xué),２００７．

[５] 閆德俊,孫杰．一種改進(jìn)的金相圖像處理自適應(yīng)加權(quán) 均值濾波方法[J]．遼寧石油化工大學(xué)學(xué)報(bào),２００５,２５ (４):５８Ｇ６１．

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

[７] 吉文帥．計(jì)算機(jī)圖像處理技術(shù)的應(yīng)用研究[J]．?dāng)?shù)碼世 界,２０１７(８):４２．

[８] 單鸝娜,李大勇．金相組織計(jì)算機(jī)圖像處理與識(shí)別技 術(shù)研究現(xiàn)狀[J]．中國(guó)鑄造裝備與技術(shù),２００５(１):４Ｇ７．

[９] 蔡煜,張偉,戴敏明,等．SA２１０C 無(wú)縫中碳鋼管帶狀 組織的評(píng)定方法[J]．理化檢驗(yàn)(物理分冊(cè)),２０１７,５３ (５):３２２Ｇ３２４．

<文章來(lái)源>材料與測(cè)試網(wǎng)>期刊論文>理化檢驗(yàn)－物理分冊(cè)>55卷>9期(pp:598-601)>