工業(yè)制造是國(guó)民經(jīng)濟(jì)的重要組成部分,而鋼材是工業(yè)制造領(lǐng)域常用材料。許多鋼材由于服役環(huán)境惡劣,內(nèi)部組織結(jié)構(gòu)發(fā)生變化,造成使用壽命大大縮減。為了保證設(shè)備的正常工作和保障使用人員的安全,鋼材性能檢測(cè)是極其重要的一環(huán),而金相圖像是分析鋼材性能的主要手段。在金相顯微鏡下,絕大多數(shù)鋼材表面呈現(xiàn)出晶粒狀的結(jié)構(gòu)畫(huà)面,這些晶粒的尺寸大小即鋼材的晶粒度會(huì)對(duì)鋼材的拉伸強(qiáng)度、韌性、塑性等機(jī)械性質(zhì)有決定性影響。而鋼材金相圖像中的晶界提取則是鋼材晶粒度分析的前提。本文基于數(shù)字圖像處理技術(shù)和機(jī)器學(xué)習(xí)算法,圍繞鋼材金相圖像晶界提取及分析展開(kāi)研究,并在此基礎(chǔ)上開(kāi)發(fā)出智能評(píng)級(jí)軟件,主要研究?jī)?nèi)容和取得的成果如下:1.鋼材金相圖像獲取及預(yù)處理算法研究�；阡摬脑嚇拥闹苽溥^(guò)程,采用金相顯微鏡獲取鋼材金相圖像;針對(duì)鋼材金相圖像中亮度不均的問(wèn)題,將自適應(yīng)直方圖均衡化方法應(yīng)用于鋼材金相灰度和彩色圖像中予以解決;針對(duì)獲取的鋼材金相圖像中的噪聲問(wèn)題,采用雙邊濾波方法實(shí)現(xiàn)了不影響晶界清晰度條件下的噪聲去除。2.針對(duì)鋼材金相圖像中晶粒分割,提出參數(shù)自適應(yīng)Mean Shift的鋼材金相圖像晶粒分割算法。通過(guò)引入標(biāo)記分水嶺方法標(biāo)記前景和背景來(lái)修正梯度幅值圖像,實(shí)現(xiàn)對(duì)金相圖像的區(qū)塊分割,有效避免了傳統(tǒng)分割算法的過(guò)分割現(xiàn)象。在此基礎(chǔ)上將每塊區(qū)域的面積大小映射為帶寬參數(shù)值域,在參數(shù)自適應(yīng)Mean Shift聚類(lèi)分割基礎(chǔ)上最終實(shí)現(xiàn)晶粒分割。3.針對(duì)鋼材金相圖像中晶界提取,提出基于結(jié)構(gòu)化隨機(jī)森林的鋼材金相圖像晶界提取算法�；诙鄠�(gè)去相關(guān)決策樹(shù)預(yù)測(cè)結(jié)果的融合,同時(shí)結(jié)合結(jié)構(gòu)化標(biāo)記獲取整幅圖像的鄰域信息,降低每個(gè)像素預(yù)測(cè)需要的決策樹(shù)個(gè)數(shù)。而針對(duì)結(jié)構(gòu)化標(biāo)記所帶來(lái)的計(jì)算量大、信息增益難定義等問(wèn)題,通過(guò)映射到離散的標(biāo)記集合,計(jì)算離散標(biāo)記集合的信息增益實(shí)現(xiàn)晶界的準(zhǔn)確高效提取。4.智能評(píng)級(jí)軟件的設(shè)計(jì)。基于Visual Studio軟件平臺(tái)的MFC框架,結(jié)合開(kāi)源的OpenCV視覺(jué)庫(kù)實(shí)現(xiàn)了四大功能模塊:圖像數(shù)據(jù)的讀取與存儲(chǔ)管理、晶界提取模塊、手工繪制工具模塊、晶粒度評(píng)級(jí)模塊。除本文所提出的算法外,軟件中還集成了大量金相圖像處理算法,以滿足大部分鋼材晶粒度評(píng)級(jí)的需求。
【學(xué)位單位】：江蘇大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類(lèi)】：TP391.41;TG142.1
【部分圖文】：

1.1 課題研究背景與意義鋼鐵工業(yè)被譽(yù)為現(xiàn)代工業(yè)的脊梁，是人類(lèi)生產(chǎn)生活中使用最多的金屬材料。生鐵和鋼的主要成分都是鐵，含碳量的不同是兩者最主要的區(qū)別，生鐵的含碳量為 2~4.3%，鋼的含碳量為 0.03~2%。與生鐵相比，鋼的物理、化學(xué)、機(jī)械性能更好[1]，很快便脫穎而出，引起人類(lèi)的注意。18 世紀(jì)，西方世界爆發(fā)了第一次工業(yè)革命[2]，在此期間，煉鋼技術(shù)得到飛速發(fā)展；19 世紀(jì)中葉，Besseme 發(fā)明了貝氏煉鋼法[3]，在降低鋼制取成本的同時(shí)提高了制取效率。19 世紀(jì)下半葉，煉鋼技術(shù)蓬勃發(fā)展，新技術(shù)的發(fā)明提高了鋼的產(chǎn)量，帶動(dòng)了現(xiàn)代鋼鐵工業(yè)的興起[4]。現(xiàn)如今，鋼已經(jīng)與人類(lèi)社會(huì)息息相關(guān)，是日常生活中使用最多的材料之一。圖 1.1、1.2 所示的兩座世界聞名的建筑便是由大量鋼材構(gòu)成。

1.1 課題研究背景與意義鋼鐵工業(yè)被譽(yù)為現(xiàn)代工業(yè)的脊梁，是人類(lèi)生產(chǎn)生活中使用最多的金屬材料。生鐵和鋼的主要成分都是鐵，含碳量的不同是兩者最主要的區(qū)別，生鐵的含碳量為 2~4.3%，鋼的含碳量為 0.03~2%。與生鐵相比，鋼的物理、化學(xué)、機(jī)械性能更好[1]，很快便脫穎而出，引起人類(lèi)的注意。18 世紀(jì)，西方世界爆發(fā)了第一次工業(yè)革命[2]，在此期間，煉鋼技術(shù)得到飛速發(fā)展；19 世紀(jì)中葉，Besseme 發(fā)明了貝氏煉鋼法[3]，在降低鋼制取成本的同時(shí)提高了制取效率。19 世紀(jì)下半葉，煉鋼技術(shù)蓬勃發(fā)展，新技術(shù)的發(fā)明提高了鋼的產(chǎn)量，帶動(dòng)了現(xiàn)代鋼鐵工業(yè)的興起[4]�，F(xiàn)如今，鋼已經(jīng)與人類(lèi)社會(huì)息息相關(guān)，是日常生活中使用最多的材料之一。圖 1.1、1.2 所示的兩座世界聞名的建筑便是由大量鋼材構(gòu)成。

(a) (b)圖 1.3 軸承損壞圖Fig. 1.3 The image of broken bearing究其原因是鋼材在服役過(guò)程中金相組織發(fā)生了一系列變化，導(dǎo)致其性能改變，進(jìn)而影響整個(gè)設(shè)備的正常工作并引發(fā)事故。鋼材的普遍使用所帶來(lái)的潛在安全問(wèn)題也慢慢呈現(xiàn)出來(lái)。盡管種類(lèi)不同、功能不同、應(yīng)用場(chǎng)合不同，但鋼材的疲勞、老化等問(wèn)題都會(huì)影響鋼材機(jī)械零件的使用，如何準(zhǔn)確評(píng)價(jià)鋼材的性能就顯得尤為重要。金相顯微組織分析是研究鋼材組織結(jié)構(gòu)、性能、成分、加工工藝的主要方法之一。傳統(tǒng)的金相分析主要是通過(guò)人工進(jìn)行定性或半定量分析，這種方法受人為因素制約較大，并且費(fèi)時(shí)費(fèi)力，可重復(fù)性差。近年來(lái)，數(shù)字圖像處理技術(shù)迅猛發(fā)展，已經(jīng)逐步應(yīng)用于金相分析領(lǐng)域，增強(qiáng)了金相分析的自動(dòng)化程度。然而，運(yùn)用
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 鄭林濤;董永生;史恒亮;;一種新型X射線安檢圖像增強(qiáng)算法[J];科學(xué)技術(shù)與工程;2014年23期

2 呂鳳華;舒寧;龔龑;郭清;尚海興;;基于自適應(yīng)Mean Shift影像分割算法的研究[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2014年07期

3 范嘉豪;肖彥君;;復(fù)雜行車(chē)環(huán)境下基于視頻的目標(biāo)跟蹤算法[J];科技創(chuàng)新導(dǎo)報(bào);2014年18期

4 吳偉;吳劍劍;張永華;鄔冠華;盧鵬;吳宇;張士晶;;基于數(shù)字圖像處理的TC4鈦合金金相組織定量分析[J];失效分析與預(yù)防;2014年02期

5 徐勝軍;韓九強(qiáng);劉光輝;;基于馬爾可夫隨機(jī)場(chǎng)的圖像分割方法綜述[J];計(jì)算機(jī)應(yīng)用研究;2013年09期

6 楊光;吳鐘建;羅鎮(zhèn)寶;王浩宇;張龍;;限制對(duì)比度的多層POSHE自適應(yīng)圖像增強(qiáng)算法[J];激光與紅外;2013年01期

7 何娟芝;陳小雕;;一種基于YUV空間的彩色邊緣檢測(cè)算法[J];杭州電子科技大學(xué)學(xué)報(bào);2012年06期

8 陳瀟紅;;基于相似性判斷的雙邊濾波改進(jìn)算法[J];計(jì)算機(jī)工程;2012年22期

9 郭相鳳;賈建芳;葛中峰;;圖像序列的預(yù)處理與目標(biāo)檢測(cè)技術(shù)綜述[J];傳感器世界;2012年04期

10 施剛;班慧勇;石永久;王元清;;高強(qiáng)度鋼材鋼結(jié)構(gòu)的工程應(yīng)用及研究進(jìn)展[J];工業(yè)建筑;2012年01期

相關(guān)博士學(xué)位論文 前2條

1 張紅旗;基于圖像處理技術(shù)的12Cr1MoV鋼金相組織分析研究[D];內(nèi)蒙古農(nóng)業(yè)大學(xué);2013年

2 翟改霞;基于數(shù)字技術(shù)的鑄鐵圖像分析[D];內(nèi)蒙古農(nóng)業(yè)大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 吳琴琴;Mean Shift算法在彩色圖像濾波與分割中的應(yīng)用[D];陜西師范大學(xué);2015年

2 蔣輝;雙邊濾波理論及其在遙感圖像處理中的應(yīng)用研究[D];西南交通大學(xué);2014年

3 宋玉婷;基于三維彩色直方圖均衡化的彩色圖像增強(qiáng)算法研究[D];山東財(cái)經(jīng)大學(xué);2013年

4 唐璐;鋼材的景觀表現(xiàn)力分析研究[D];北京林業(yè)大學(xué);2013年

5 李樂(lè);分水嶺算法與水平集算法在醫(yī)學(xué)圖像分割應(yīng)用中的研究[D];中原工學(xué)院;2013年

6 唐佳;高鉻鑄鐵組織超聲無(wú)損評(píng)價(jià)研究[D];南昌航空大學(xué);2011年

7 蔡海軍;跟蹤印花系統(tǒng)視覺(jué)檢測(cè)算法研究[D];華中科技大學(xué);2011年

8 吳海波;基于分水嶺和水平集方法的圖像分割算法研究[D];中南大學(xué);2009年

9 李慧芬;基于泛函極值的圖像分割算法研究[D];中南大學(xué);2009年

10 肖海波;圖像處理在定量金相分析中的應(yīng)用[D];江西理工大學(xué);2008年

本文編號(hào)：2848739