CN103968769A - 用于自动量化枝晶微观结构中枝晶臂间距的方法 - Google Patents
用于自动量化枝晶微观结构中枝晶臂间距的方法 Download PDFInfo
- Publication number
- CN103968769A CN103968769A CN201410044903.XA CN201410044903A CN103968769A CN 103968769 A CN103968769 A CN 103968769A CN 201410044903 A CN201410044903 A CN 201410044903A CN 103968769 A CN103968769 A CN 103968769A
- Authority
- CN
- China
- Prior art keywords
- dendrite
- born
- das
- same parents
- dcs
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B22—CASTING; POWDER METALLURGY
- B22D—CASTING OF METALS; CASTING OF OTHER SUBSTANCES BY THE SAME PROCESSES OR DEVICES
- B22D46/00—Controlling, supervising, not restricted to casting covered by a single main group, e.g. for safety reasons
-
- C—CHEMISTRY; METALLURGY
- C22—METALLURGY; FERROUS OR NON-FERROUS ALLOYS; TREATMENT OF ALLOYS OR NON-FERROUS METALS
- C22C—ALLOYS
- C22C21/00—Alloys based on aluminium
- C22C21/02—Alloys based on aluminium with silicon as the next major constituent
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/20—Metals
- G01N33/204—Structure thereof, e.g. crystal structure
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30116—Casting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30136—Metal
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- General Physics & Mathematics (AREA)
- Pathology (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Crystallography & Structural Chemistry (AREA)
- Immunology (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Organic Chemistry (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Metallurgy (AREA)
- Materials Engineering (AREA)
- Investigating And Analyzing Materials By Characteristic Methods (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
一种用于自动量化枝晶微观结构中枝晶臂间距的方法。一旦铸造材料标本中的关注位置被识别,其内包含的信息被自动分析以量化枝晶胞大小信息,所述枝晶胞大小信息随后通过经验关系或理论关系转换成量化的枝晶臂间距。在一种形式中,DCS和DAS之间的关系是这样的:铸铝合金的枝晶结构中的DAS可以通过测量一个或多个枝晶胞大小和局部铸造微观结构中共晶相的实际体积分数来自动确定。在平衡状态中合金共晶相的理论体积分数被适当地改变情形中的非平衡状态可以被解释。因此,在平衡状态(例如铸件在凝固期间冷却非常缓慢的那些)不适用的情形中(例如,迅速冷却和随之发生的凝固期间),在非平衡状态下被测量的共晶体(其可能比平衡状态下的理论值小)能够被解释。
Description
相关案例声明
本申请是2013年2月4日提交的美国申请系列号13/757,914的部分延续,所述美国申请系列号13/757,914的名称为用于自动量化枝晶微观结构中枝晶臂间距的方法,其要求2012年4月12日提交的美国临时申请61/623,145的权益。
背景技术
本发明总体涉及金属铸件的微观结构细度的量化,并且更为具体地,涉及金属铸件的枝晶微观结构中枝晶臂间距(DAS)的自动量化,作为避免必须手动进行此种测量的途径。
所有铝基铸造部件(例如发动机组、气缸盖、传动部件等等)的最终微观结构通常由合金成分,并且更为特别地由凝固条件确定。在亚共晶合金(即,与对应于共晶成分相比含有较少其它合金化组分的那些,亚共晶合金的实施例包括但不限于A356 and 319)中,材料容易枝晶状地凝固。其它例示枝晶凝固的这种铝合金示例包括354, 355, 360, 380, 383 及其它。此族合金的典型微观结构由初次枝晶相和次生颗粒相(例如硅颗粒和富铁金属间化合物)构成。铸态结构中的这些相的相对数量、大小和形态高度取决于凝固条件以及合金成分。枝晶胞大小(DCS)和DAS(有时称作二次枝晶臂间距)长期以来用于量化铸件的细度,继而能够用来获得对材料及其相关特征的更多理解,其中,作为一般规则,具有较小DAS的铸造部件通常具有较好的延展性和相关的机械特性。关于铝合金铸件(以及尤其关于DAS特性)的讨论通常可以在本发明受让人所拥有的许多其它专利申请中找到,包括提交于2009年1月20日的美国专利申请12/356,226,提交于2009年3月12日的美国专利申请12/402,538,提交于2009年5月12日的美国专利申请12/454,087,以及提交于2011年3月8日的美国专利申请12/932,858,所有这些都通过参考引入本文。
已经有许多描述枝晶纯化及其与凝固条件关系的成果,其由Alexander 和 Rhines 开始于1950年,Alexander 和 Rhines 首次确立了成分和凝固率对某些枝晶特征影响的量化基础。下面的表1总结了已知文献以用量化术语描述枝晶结构的细度。
表1
描述枝晶的微观结构参数
在上述中,Spear 和Gardner (1963)使用通过随机线性截取获得的DCS定量地描述了枝晶结构的量度,并在其图3(a)中被称作DCSli。之后的Spear 和Gardner ,Jaquet 和 Hotz (1992)在其研究中也使用了DCSli 来量化枝晶。Levy 等(1969), Oswalt 和 Misra (1980), Radhakrishna 等 (1980)和Flemings 等 (1991)都论述了DAS以量化枝晶结构。在这些方法中,DAS通过线性截取的方法获得,其中所述线被选择以截取一系列良好限定的二次枝晶臂。
McLellan (1982)使用了枝晶胞计数(CPUA)来量化微观结构,并声称其比DAS更为准确地描述了变形过程。然而,Levy 等 (1969)已精密性地分析了 DAS和 CPUA二者的测量值以表征铸态结构,并指出 DAS测量的标准偏差比CPUA小,而且根据CPUA 计算的平均胞大小也比平均DAS大。CPUA测量涉及到枝晶的初次、二次和三次臂,而DAS测量通常只涉及二次臂间距。
与手动测量DAS关联的方法经常被本发明受让人屡次用作进行铝铸件DAS测量的途径。此过程总体上首先包括金相样本的制备,其制备根据已知标准,例如美国检验与材料协会金相标本制备标准指南(也称为ASTM E3),其一部分如下地再现于表2中。
表2
ASTM E3
待分析样本的表面质量被期望足以反映颗粒最真实的可能大小和形状。在一种形式中,抛光平面将包括共晶相,所述共晶相与周围的基质相比将显得较暗。因此,在一种形式中,金相样本最终被抛光以获得平坦的、近乎镜像表面的光洁度。化学刻蚀可以用来增强枝晶结构的对比度,其中在一种形式中,所述刻蚀可以按照ASTM E407。优选地,样本是洁净且干燥的,而抛光后生现象(例如彗尾、点蚀、划痕、起钻和着色)应该保持最低限度。同样,试验条件和偏差应该事先调适。在优选的形式中,每个样本将在许多视域中进行观测,其每个均经过高度(例如100X)地放大(取决于材料晶粒的细度)。这之后,待测量的视场图像应被捕获。在一种形式中,线性截取法可以用于测量DAS,其中,在具有至少三个枝晶臂的每个视场中具有可见枝晶主干的三个或更多个枝晶被选择。据此,从第一枝晶臂的外沿到最后枝晶臂的内沿划定一条线;在图6B中描述此种的示例。用于每个枝晶的距离d可以被记录,同时枝晶臂的数量n1, n2, n3等(为每个测量而计数)也可以被记录。这些动作可以为每个视场重复。
目前,共晶体的体积百分比和DCS二者能够通过使用图像分析器来自动确定。局部冷却率不仅影响微观结构的细度而且影响孔隙的形成。因此,DAS通常被更为频繁地使用以量化微观结构的细度。DAS测量的问题在于:其必须通过识别图像中良好限定的枝晶臂而手动执行。遗憾地是,这不仅非常耗时,而且严重依赖于做测量的使用者或个人的技能。
发明内容
本文所揭示的本发明的各个方面解决了对于自动解释铸造部件的DAS和相关材料特性的变化的无能为力,其中金属铸件的枝晶微观结构中DAS的准确且自动的测量能够用于产品质量控制,以及产品性能和耐用性分析。根据一个实施例,揭示了一种用于自动预测铸造部件中DAS分布和相关材料特性的方法。所述方法包括从所关注的铸件位置中获取微观样本。在本上下文中,微观样本是在标准过程中制备以用于微观结构分析的金相样本。一种此类标准过程包括如上所讨论的ASTM E3工序。之后,所述样本被分析。在一种形式中,图像分析器能够用于测量DCS,其使用DCS 线性截取(DCSli)法、平均面积等效圆直径法(DCSed) 或相关方法(其中可以使用DCS、共晶体积分数和枝晶宽高比)中的任意一者。据此,测量的DCS值根据本文所提出的关系中的一个转换成DAS。对应于DCS值的量化DAS值优选地用用户方便(ready)的格式表达,例如适用于人阅读的打印输出,或者以计算机可读格式的数据(所述数据能够随后被计算机打印输出设备、计算机可读算法或其它适当的装置操作)。在优选的形式中,在所关注的特定位置中测量的各种宽高比的平均数可以用作表示在随后的计算或相关算法中的宽高比。
如目前所配置的,自动化可以通过程序或相关算法进行,所述程序或相关算法能够在数字计算机上执行、运行或另外形式地实施,以产生最终的DAS数据表示。在优选的形式中,数字计算机优选地包括输入、输出、处理单元(通常称作中央处理单元(CPU))和存储器中的一个或多个,其能够在计算机的存储器中暂时地或永久地储存这种代码、程序或算法,以便包含在代码中的指令被处理单元基于输入数据而操作,以便由代码和处理单元所产生的输出数据能够经由输出而输送到另一程序或用户。在一种形式中,存储器的数据容纳部分(也叫做工作存储器)称作随机存取存储器(RAM),而存储器的指令容纳部分(也叫做永久存储器)称作只读存储器(ROM)。数据总线或相关的电线组以及关联电路形成适当的数据通讯路径,所述数据通讯路径能够将输入、输出、CPU和存储器以及任何外围设备以此种方式互连,从而容许系统运作为集成总体。这种计算机系统被称为具有冯诺依曼系统结构(也称作一般目的或程序存储计算机)。同样,特定适应的计算机或与计算机相关的数据处理设备(其采用冯诺依曼系统结构的突出特征以执行数据采集、处理或相关计算功能中的至少一些)被视为在本发明的范围内。
根据另一实施例,揭示了一种用于自动预测铸造部件中DAS分布和相关材料特性的方法。所述方法包括选择待分析的铸造材料,使用图像分析器自动确定对应于所选择材料的DCS信息,并且之后通过DCS和DAS信息之间的(a)经验关系或(b)理论关系中的至少一个将DCS信息转换成DAS信息。
根据本发明的另一方面,揭示了一种制造物品。所述物品包括计算机可用介质,计算机可读程序代码在其中具体化以量化铸造材料的DAS特性,以使其可能在如上所讨论的一般目的计算机或特定适应计算机中使用。特别地,除了用于将DCS 转换成DAS(基于这两种形式的信息之间的理论关系或经验关系)的一部分之外,这种计算机可读程序代码包括用于使计算机接收或读取与取自铸造材料样本的数字信息对应数据的一部分,以及用于使计算机将所述信息处理成DCS 信息的一部分。此外,在计算机可读介质上具体化的程序包括用于输出DAS信息的部分。这种输出可以以机器可读或人可读的形式。这样,在计算机可用介质上而具体化的DAS的确定以自动方式执行,因此避免了如上所讨论的通过手动获取此信息的需要。在更特定的形式中,可以通过使用DCSli, DCSed或共晶体积分数和枝晶宽高比的算法组合(如上所讨论的)来做出利用图像分析器或相关器件来自动确定对应于所选择的铸造材料的枝晶胞大小信息。而且,待分析位置可以使用标准金相技术(例如,对应于上述ASTM E3的技术)确定。在特定形式中,被读取或另外地被接收的数字信息是以数字图像的形式,例如能通过图像分析器、与所述图像分析器协作的器件或本领域技术人员已知的其它方法扫描的那些。在另一特定形式中,铸造材料一般地可以是铝合金,以及尤其地是亚共晶铝合金。
方案1. 一种在亚共晶铝铸件中自动量化枝晶臂间距的方法,所述方法包括:
使用基于计算机的系统获取对应于所述铸件中关注位置的图像;
使用所述基于计算机的系统,以通过用栅图案覆盖所述图像来量化在来自所述图像的至少一个胞边界与所述栅图案的至少一个部分之间的交点数量,估算所述关注位置内的枝晶胞大小;
使用所述基于计算机的系统估算所述关注位置内共晶相的体积分数;
使用所述基于计算机的系统估算所述关注位置内至少一个枝晶胞的宽高比;以及
使用所述基于计算机的系统将所述估算的枝晶胞大小、体积分数和宽高比转换成量化的枝晶臂间距。
方案2.根据方案1所述的方法,其中,所述基于计算机的系统包括图像分析器以执行所述获取,以及所述确定的至少一部分。
方案3. 根据方案1所述的方法,其中,所述栅图案包括一系列线性间隔的线。
方案4. 根据方案3所述的方法,其中,所述一系列线性间隔的线包括一系列同心圆。
方案5. 根据方案4所述的方法,其中,所述枝晶胞大小通过以下公式估算:
DCS=L/n
其中,L等于所述系列同心圆的总周长长度,并且n等于所述圆的线和所述至少一个胞边界之间的交点的总数。
方案6. 根据方案1所述的方法,其中,所述的将所述估算的枝晶胞大小、体积分数和平均宽高比转换成量化的枝晶臂间距,通过:
DAS = (1-Veu)*DCS/sqrt(α)
表达,其中,Veu 定义所述的体积分数,并且α是所述的宽高比。
方案7. 根据方案1所述的方法,其中,所述宽高比由所述枝晶胞的最大线性尺寸对所述枝晶胞的最小线性尺寸的比例而定义。
方案8. 根据方案1所述的方法,还包括将所述量化的枝晶臂间距输出为用户方便的格式。
方案9. 根据方案1所述的方法,其中,所述的使用所述基于计算机的系统估算所述关注位置内共晶相的体积分数,包括将所述获取的图像转换成共晶图像的等效物。
方案10. 一种在亚共晶铝铸件中自动量化枝晶臂间距的方法,所述方法包括:
选择待分析的铸造材料;
使用图像分析器自动确定与在所选择的所述铸造材料中的关注位置对应的枝晶胞大小信息;
将所述枝晶胞大小信息转换成枝晶臂间距信息。
方案11.根据方案10所述的方法,其中,所述的使用图像分析器自动确定枝晶胞大小信息,包括:
获取对应于所述关注位置的图像;并且
通过用栅图案覆盖所述图像以量化在来自所述图像的至少一个胞边界与所述栅图案的至少一个部分之间的交点的数量,估算所述关注位置内的枝晶胞大小。
方案12. 根据方案11所述的方法,其中,所述的将所述枝晶胞大小信息转换成枝晶臂间距信息,包括:
使用所述图像分析器估算在所述关注位置内的共晶相体积分数;
使用所述图像分析器估算所述关注位置内至少一个枝晶胞的宽高比;以及
使用所述图像分析器将所估算的所述枝晶胞大小、体积分数和宽高比转换成量化的枝晶臂间距。
方案13. 根据方案10所述的方法,其中,所述的将所述枝晶胞大小的信息转换成枝晶臂间距的信息通过:
DAS = (1-Veu)*DCS/sqrt(α)
来表达,其中,Veu 定义所述的共晶相体积分数,并且α 定义所述的宽高比。
方案14. 根据方案10所述的方法,其中,所述图像分析器形成基于计算机的枝晶臂间距量化系统的一部分。
方案15. 一种制造物品,包括计算机可用介质,所述计算机可用介质具有计算机可读程序代码,所述计算机可读程序代码在其中被具体化以用于自动量化亚共晶铝铸造材料的枝晶臂间距,在所述制造物品内的所述计算机可读程序代码包括:
用于引起所述计算机接收数据的计算机可读程序代码部分,所述数据是关于在所述铸造材料的样本内的关注位置的数字信息;
用于引起所述计算机将所述数字信息处理成枝晶胞大小信息的计算机可读程序代码部分;
用于引起所述计算机通过算法将所述枝晶胞大小信息转换成对应的枝晶臂间距的计算机可读程序代码部分,所述算法基于在所述关注位置内的共晶相的体积分数,以及在所述关注位置内的至少一个枝晶胞的宽高比;和
用于引起所述计算机产生与所述枝晶臂间距相对应输出的计算机可读程序代码部分。
方案16. 根据方案15所述的制造物品,其中,用于引起所述计算机将所述枝晶胞大小信息转换成对应的枝晶臂间距的所述计算机可读程序代码部分通过:
DAS = (1-Veu)*DCS/sqrt(α)
表达,其中,Veu 定义所述关注位置中共晶相的所述体积分数,并且α 定义所述关注位置内的至少一个枝晶胞的所述宽高比。
附图说明
当结合下面的附图阅读时,具体实施例的以下详细描述能够被最优地理解,其中,相同的结构用相同的附图标记表示,并且其中:
图1是图表,其随同为两种不同铸铝合金319和A356所测得的DAS和DCS值而经验地和理论地描述了所揭示的 DAS 和DCS 关系(在局部微观结构中具有变化的共晶相体积分数);
图2A到 2E 示出了DCS和DAS之间的经验和理论关系是如何基于所关注的微观结构位置图像通过(除了别的以外)共晶体的体积百分比建立的。
图3A根据已知技术示出了铸铝合金的显微照片,其使用线性截取法来测量枝晶结构(例如DCSli 和 DAS)的大小。
图3B根据已知的半自动技术示出了带有更详细的特定胞结构的图3A的显微照片的表示,其中长度被除以枝晶的数量。
图3C示出了图3B的特定枝晶胞结构,其经受了宽高比分析;
图4使用基于经验的关系示出了用于铝合金A356 和 319的DAS 与DCS之间的关系。
图5和5A示出了流程图,其描述了根据本发明确定DAS的各种步骤;
图6A和6B示出了实现DAS 测量的示例性方式;并且
图7示出了图像分析系统,其能够用于根据本发明的一方面自动量化枝晶臂间距。
附图中所提出的实施例本质上是解释性的,并且不旨在限制权利要求所限定的实施例。此外,附图和实施例的各个方面将借助于下面的详细描述而更加全面地显现和理解。
具体实施方式
首先参考图1和图7,如上所述,两种方法中的一种用于将测量的或采样的DCS值转换成DAS。如上所讨论的,一种用于在铸造部件中预测DAS分布的自动方法可以包括:从铸件的关注位置处获取微观样本,并且通过基于计算机的图像分析器分析此样本。特别地参考图7,图像分析器系统(在本文中还称为图像分析系统,图像分析器等)300包括计算机310或相关的数据处理设备,其包括处理单元310A(其可以为一个或多个微处理器的形式)、一个或多个用于信息输入的机构310B(包括键盘、鼠标或其它设备,例如语音识别接收器(未示出)),以及一个或多个载入器310C(其可以为磁或光的储存器,或相关的以CD、DVD、USB端口等形式的存储器)、一个或多个显示屏或相关的信息输出310D、存储器310E和计算机可读程序代码装置(未示出),以处理所接收的关于铝合金的信息的至少一部分。作为将被本领域技术人员理解的,存储器310E可以为随机存取存储器(RAM,也叫做大容量存储器,其能够用于暂时储存数据)的形式和只读存储器(ROM)的形式的指令储存存储器。除其它未示出的输入形式(例如通过互联网或到外部数据源的相关连接)之外,载入器310C可以用作将数据或程序指令从一个计算机可用介质(例如闪存设备或前面提及的CD、DVD或相关介质)载入到另一个(例如存储器310E)的方法。作为将被本领域技术人员理解的,计算机300可以作为自主的(即独立的)单元而存在,或可以为较大网络的一部分,例如在云计算中所遇到的那些,其中各种计算、软件、数据存取和存储服务可能存在于不同的物理位置中。这种计算资源的分散没有从归纳为计算机的这种系统中转移。
在特定形式中,计算机可读程序代码能够被载入ROM(其为存储器310E的一部分)中。这种计算机可读程序代码还可以成型为制造物品的一部分,以便包含在代码中的指令位于磁可读或光可读的盘上或其它相关的非临时性机器可读介质上,例如闪存设备、CD, DVD, EEPROM、软盘或其它能够储存机器可执行指令和数据结构的此类介质。此类介质能够被具有处理单元310A的计算机310或其它电子设备存取,所述处理单元310A用于解释来自计算机可读程序代码的指令。作为将被计算机领域的技术人员理解的,形成图像分析系统300一部分的计算机310可以附加地包括附加芯片集,以及用于在处理单元310A和其它设备(例如前面提及的输入、输出和存储器设备)之间转换数据和相关信息的总线和相关布线。一旦程序代码方法载入到ROM中,系统300的计算机310即变为专门目的机器,所述专门目的机器配置成以本文所描述的方式确定最佳铸造部件。在另一方面,系统300可以仅仅是指令代码(其包括各种程序模块(未示出)的指令代码),而在又一方面,系统300可以包括如上面提及的指令代码和计算机可读介质二者。
还将被本领域技术人员理解的是:除了在输入310B 处描述的手动输入法外,有其它的方式来接收数据和相关信息(尤其是在大量数据被输入的情形中),并且任何用于提供此种数据以允许处理单元310A对其操作的常规装置都在本发明的范围之内。因而,输入310B还可以是高吞吐量数据线的形式(包括上述的互联网连接),以便将大量代码、输入数据或其它信息接收到处理器310E。信息输出310D配置成将与期望的铸造法相关的信息输送到用户(例如,当信息输出310D以所示出的屏幕的形式时)或输送到另一程序或模型。同样将被本领域技术人员理解的是,与输入310B和输出310D关联的特征可以合并成单个功能单元(例如图形用户界面(GUI))。
图像分析系统300用于从图像322中提取信息,特别地,使用金相技术来将结构与所关注材料的物理特性联系起来。这些特性将包括(但不限于)拉伸强度、屈服强度、伸长率和硬度。从制备的金相样本开始,类似于(但不限于)倒置显微镜320的显微镜用于制作由相机330拍摄的图像322。通常,许多图像322通过使用镜台(stage)(通常是机动的)和镜台图案350拍摄。之后,基于计算机的例程或算法360(其构成图像分析软件,此图像分析软件可以储存于存储器310E或其它适当的计算机可读介质中)中对这些数字化图像322执行灰度阈值化。然后,例程360测量阈值化的图像像素322。然后,该数据被分析以产生最终结果。镜台控制器370(其采用类似操纵杆控制)用于将微观样本从显微镜320中的一个域移动到另一个域。三维(笛卡尔坐标)的x, y 和z (焦点)镜台移动由镜台控制器370控制。这允许越过镜台图案而移动,以容许分析跨过样本的多个视域。此自动化镜台图案(其包括自动对焦特征)容许在短时段内获取大量数据。在通过显微镜320的目镜观测样本的同时,镜台控制器370的操纵杆允许镜台移动,以便于选择将要在其上执行分析的特定区域。
特别地参考图1,在第一种方法中,使用根据不同材料的试验数据而形成的经验公式:
DAS = a*DCS + b (1)
其中a和b是材料常数,而在第二种方法中,使用了基于物理学(即理论的)的等式:
DAS = (1-Veu)*DCS (2)
其中Veu是局部微观结构中共晶相的实际体积分数。在本上下文中,由于测量实际体积分数Veu是困难且不切实际的,所以测量的面积分数(其能够通过图像分析器容易地确定)用作等效物。当然,二者之间具有微小的差别,因为测量的面积分数是共晶相的二维表示,而体积分数Veu是三维表示。尽管如此(其中,从统计学观点看,当所有的共晶相颗粒是球形时,所测的面积分数等于体积分数),所测的面积分数提供了足够的准确性。
该第二种方法将在金属铸件的枝晶微观结构中提供稳健且自动的DAS测量,这不仅用于产品质量控制而且用于产品性能和耐用性分析。在以上等式(1)和(2)的经验的或基于物理学的(即理论的)的方法的任意一者中,铸铝合金(例如A356和319)的枝晶结构中的DAS可以从DCS 和共晶体积分数Veu的一者或两者的测量中自动确定。同样,在等式(2)中,Veu = k*feu,其中,feu是合金(在平衡状态中)的共晶相的理论体积分数, k (>1) 是系数,用于适应随着凝固(冷却)率增加(即随着减小的DAS)的共晶相体积分数的增加。
此处所讨论的发明尤其适合于亚共晶金属(即,带有枝晶结构的那些)。重要地,本发明有助于消除繁重、耗时的DAS手动测量,以及减少依赖于操作者的误差,其中,相对大的标准偏差(通常在±20%的等级)可能另外地出现。这继而提供了更加准确和可靠的DAS数据,并节省了实验室技术员的时间和成本。在一特定形式中,微观样本被获取,之后所述微观样本为了DCS而在图像分析器300中被自动分析,这使用DCSli, DCSed或共晶体积分数和枝晶宽高比的算法组合(下面在等式(5)中示出)。所测的DCS值之后根据上文所讨论的经验的或基于物理学的(即理论的)方法中的任意一者转换成DAS。重要地,本发明的方法将在金属铸件的枝晶微观结构中提供稳健且自动的DAS测量,其不仅能够用于产品质量控制,而且能够用于产品性能和耐用性分析。
接下来参考图2A到2D以及图5,与使用DCSli(随同枝晶胞的宽高比)自动确定DAS关联的步骤被示出。首先参考图2A,示出了被拍摄的微观结构10的图像,所述图像示出了待分析的区域。微观结构10由初次铝枝晶20(白色)和共晶的Si和富铁颗粒30(黑色)以及共晶铝40(其不是枝晶而是占据共晶颗粒30近旁的位置)构成。下面参考图2B,具有已知长度的五个同心圆50(以示例性形式示为500微米)在图像分析器系统300(在图7中示出)中被用作栅格(或栅图案)以估算图2A中示出的枝晶微观结构10的DCS。DCS值使用以下估算:
(3)
其中,L是五个圆的总长度(周长),并且n是在胞边界处交叉的五条圆的线的交点的总数。将理解的是,除同心圆以外,其它栅图案可以使用,只要其以上述的线性方式为DCS的确定提供便利。下面参考图2C,图2B的同心圆50覆盖在图2A的微观结构10上,而图像分析器300测量共晶区域30和40的DCS和体积百分比。图2C附加地示出了在图像分析器300中自动测量DCS的过程,其中,在被处理的微观结构10中被覆盖的五个圆图像在图像分析器300中被扩大并且之后被消蚀一次或多次,以使得共晶区域30,40被完全填满以确定部段(截段)的数量。因此,之后,在图像分析器300中将(如图2C中所示的)被处理的微观结构10的图像与来自同心圆50的图像组合,以允许其确定同心圆50有多少部段被共晶区域30,40断开或截取。因而,(在图2A原始图像的所获取的关注位置中的)共晶区域30,40的面积分数是通过将所获取的图像转换成共晶图像等效物而测量,其中,变暗区域相对于较亮区域的比例给出了共晶体面积百分比的测量。能够看出,图2C的暗区域对应于共晶颗粒30和共晶铝40的融合体。
下面参考图2D,图表(其示出使用等式(2)中提出的理论关系而自动计算的DAS)对照凭感觉或手动计算的DAS而被比较。图2D中的每个数据点表示来自横轴的手动测量DAS值和来自纵轴的计算DAS值。实线表示计算DAS值与手动测量DAS完全相同。两条虚线是在手动测量DAS值的一个标准偏差内的平均手动测量DAS,并且所有的这种数据点都在此限制内。甚至更好的结果已经通过等式(5)实现,其将在下文更详细讨论。
下面参考图4,示出了DAS 和 DCS之间的关系,其中,实验数据之间良好的线性关联显而易见。而图1示出了具有不同共晶体体积(注意,例如,0,0 起点)的DAS 和 DCS之间的理论关系,图4(其形成图1的子集,因为图1中的虚线与图4中的线相同)示出了直线等式。在DCS被自动确定之后(如上所述),DAS之后能使用等式(1)根据经验估算。对于分析的试验数据,从DCS值中估算DAS的总误差在5%以内,这在统计学上有重大意义。对于A356和319 (每个包含6至7%的Si),经验等式为:
DAS = 0.6334 x DCS - 8.4459 (DCS > 15 μm) (4)
其中, R2是线性回归的拟合优度的测量;在图1和图4所描述的公式中,R2(其为在 0.0 和 1.0之间的无单位分数)为0.9516。通过参考的方式,R2的0.0值意味着知道沿着横坐标的值(即x-轴)不有助于预测对应的纵坐标(即y-轴)值。在此种情况中,在X和Y值之间没有线性关系,并且最佳直线是能够通过所有Y值的平均值而在任意方向上取向的线。相反地,当R2等于1.0时,所有的点都严格落在直线上(无离散),以使得知晓X而导致对Y值的准确预测。
如上所述,在一种形式中,DAS 和 DCS之间的差与共晶相的体积分数 Veu 相关。线性截取法是通过将测得的数据与最佳拟合直线等式关联而产生的。在上述的线性截取法(DCSli)中,DCS等于线的总长度值(例如,同心圆50的五个圆的周长)除以在胞边界处交点的总数。因此,线性截取法用于获取DCS值,所述DCS值继而用于基于上面的等式(1)或(2)转换成DAS值。因而,线性截取法自动获取DAS,不管是采用基于经验的方法还是基于物理学的方法。能够看出,在等式(3)中所使用的DCS值没有考虑到胞边界的宽度,所述胞边界的宽度与共晶相或区域30,40的体积分数Veu 相关。换言之,DCS方法通过简单地将共晶相30,40的体积分数Veu 当作枝晶20的一部分而过高估算了枝晶胞大小。对应于区域30,40的共晶相的体积分数Veu 可能非常大(取决于合金的成分)。在铝合金A356 (7% Si) 和 319 (6% Si, 3.5% Cu)中,共晶相的体积分数Veu 为大约50%。将理解的是,在图中所标识的相或区域30和40的黑与白的表示使其难以识别和区分,因为他们显得融合在一起(由于二者都表示为黑色);然而,本领域技术人员将理解的是,能够采用其它表示(例如彩色)来更加清楚地示出分界的位置。
如上所述,DAS还能够使用基于物理学的等式(2)确定。对于铸铝合金,共晶相的理论体积分数 feu 能够根据现有的本领域技术人员已知的相位图或计算热力学软件确定。例如,共晶相的理论体积分数 feu 分别对于A356 (7% Si, 0.4% Mg)是大约49%,并且对于319 (6% Si, 1% Fe, 0.5% Mn, 3.5% Cu)是43%。
事实上,铝铸件从来都不在平衡状态下凝固。由于凝固铝枝晶中的溶质扩散随着凝固率的增加而受限制,共晶相的实际体积分数Veu通常比理论值feu大。对于具有高扩散率元素(像Si)的合金,系数k 从1到1.1变化,而对于具有低扩散率元素(像Cu)的合金,系数k 从1到1.2变化。这与实验数据(如图1和图4所示)具有良好的一致性。
下面参考图3A,示出了典型合金微观结构110的示例,以解释线性截取法如何根据示出的已有技术测量枝晶结构(例如DCS和DAS)的大小。下面参考图3B和3C,用于从获取的图像(例如图3A的图像)确定DAS的方法被示出。特别地,这些图结合图像分析器300、图像分析软件和其它基于计算机的器件一起使用。如上所述,图像分析器可以是用于进行高级图像编辑、增强和分析的机器(和/或软件)。在该方法中,L2的长度除以枝晶的数量(在此情况中为5)得出DAS。在一种形式中,DCSed参数被定义为平均面积等效直径,在上面的表1中讨论的题为“枝晶胞大小”的Cáceres等的参考资料使用了另外参数(枝晶胞的平均面积等效圆直径,DCSed,其通过半自动技术测量)来定义枝晶120。在本上下文中,半自动方法是在分析部分涉及使用手动步骤的方法(例如,在中间步骤的一个或多个中)。这大致相当于Jaquet 和Hotz的“枝晶胞大小”的测量方法(其也在表1中提及)。使用图3A中所示的方法手动测量DAS和DCS是常见的。特别地参考图3B,在图2A和2C的所有共晶区域30,40被简化成线表示后,分析结果被示出。因而,所有的区域(由面积A表示)被视为初次枝晶胞。圆C具有与代表性区域A相同的面积。
特别地,结合图3A和3B来参考图2E 和 3C,在图3A的图像中所获取的关注位置处的共晶区域的面积分数由图像分析器300通过将所获取的图像转换成共晶图像等效物而测量,其中变暗区域(即,共晶相或区域30,40)相对于较亮区域的比例给出了共晶体面积百分比的测量。这继而能够推断以给出实际体积分数Veu。同样地,在枝晶被处理成类似于图3B中所述的骨架样结构后,所关注局部区域中的各个枝晶胞的宽高比也在图像分析器300中测量,其中用于获得枝晶骨架的方法采取自Cáceres 和 Wang,“Dendrite Cell Size and Ductility of Al-Si-Mg Casting Alloys:Spear and Gardner Revisited”(Al-Si-Mg铸造合金的枝晶胞大小和延展性:重访Spear and Gardner),Int. J. Cast Metals Res., 1996, 9, 157-162(其通过参考引入本文)。据此,特定枝晶胞A的宽高比通过沿着指定方向测量胞大小来确定;一种做出此举的方式是将枝晶的最大Feret(测径仪)Fmax直径与最小Feret直径Fmin分开。通常,Feret直径在分析微观颗粒、胞以及相关图像时特别有用,其中,三维(3D)物体到2D平面上的投影以一种方式被采用以使该直径被定义为两条平行切线(而非面)之间的距离。一旦所有这些被获取,自动测量的DCS和更理想的DAS之间的关系能够形成如下:
DAS = (1-Veu)*DCS/√α (5)
其中alpha (α) 是图3C中所示的各种胞的平均宽高比。在一方面,通过将平均宽高比的平方根纳入考虑,等式(5)能够被看作是等式(2)的更加特殊的提炼;此种方法产生增高的准确性,尤其是在枝晶被拉长的情形中。当DAS具有小值或中间值时,这种高宽高比情形是普遍的。
下面参考图5,根据本发明一个方面的流程图描述了各种步骤200,以自动地量化受研究材料的微观样本的DAS。如上所讨论的,步骤200的许多(或全部)可以是自动化的(例如,通过适当的算法,所述算法配置成被计算机或相关的处理器驱动设备操作)。最初,制备受研究材料的微观样本(未示出,但是总体上类似于图2A所描述的那样)210。在一种形式中,微观样本首先从所关注的铸件的一部分中切除。之后,切成段的样本使用树脂而热地安装以形成短圆柱,使得切成段的样本的关注表面在所述圆柱的一个端上。安装之后,标本被湿法研磨(例如使用砂纸等)以露出金属的表面。所述标本接连使用越来越细的研磨介质研磨。一旦关于微观样本的信息220(例如数字图像)制成,此信息可以在230被处理。例如,在所述信息为扫描数字图像的形式的情形中,其之后能够以类似于上述图2的方式被处理。线性截取法(如上所讨论的)240能够用于分析图像以产生DCS信息250。据此,DCS信息经受基于面积或体积百分比的图像分析260。然后,DAS可以通过上述基于经验的或基于理论的方法中的一个或另一个而在270计算。此信息可以输出到用户或或输出到附加的后量化程序、例程、算法以及输出到打印或存储器设备以便后续使用。
下面参考图5A,示出了结合图5而讨论的方法的变型,其中仅有的不同在于:考虑到对于图3A图像的关注位置内的各种枝晶胞而在上文所讨论的宽高比,图5中 DAS的计算步骤270用等式(5)中更加特定的计算步骤270A来替换。
注意的是,实施例部件在本文中的列举是以特定方式或为了使特定特性具体化而“配置”的,或以特定方式起作用,与有意的用途的列举相反,其为结构性列举。更为具体地,本文关于所述方式(部件以此方式被“配置”)的参考表示所述部件的现有物理条件,并且,因而,其被视为所述部件结构因素的有限列举。同样,为了描述和定义本文的实施例之目的,注意的是,术语“基本上”、“重要地”和“大约”在本文中用来表示固有的不确定程度,其可以归结于任何的数量比较、值、测量或其它表示,并且因而可以表示:在不导致在论的主题内容的基本功能改变的情况下,数量表示可以相对于所陈述的参考变动的程度。
已经详细描述本发明的实施例,并且通过参考其具体实施例,将显而易见的是,在不偏离在所附权利要求中限定的实施例的范围的情况下,变动和变型是可能的。更为具体地,尽管本发明的实施例的一些方面在本文中被识别为优选的或特别有利的,预期的是,本发明的实施例不必限于这些优选的方面。
Claims (10)
1.一种在亚共晶铝铸件中自动量化枝晶臂间距的方法,所述方法包括:
使用基于计算机的系统获取对应于所述铸件中关注位置的图像;
使用所述基于计算机的系统,以通过用栅图案覆盖所述图像来量化在来自所述图像的至少一个胞边界与所述栅图案的至少一个部分之间的交点数量,估算所述关注位置内的枝晶胞大小;
使用所述基于计算机的系统估算所述关注位置内共晶相的体积分数;
使用所述基于计算机的系统估算所述关注位置内至少一个枝晶胞的宽高比;以及
使用所述基于计算机的系统将所述估算的枝晶胞大小、体积分数和宽高比转换成量化的枝晶臂间距。
2.根据权利要求1所述的方法,其中,所述基于计算机的系统包括图像分析器以执行所述获取,以及所述确定的至少一部分。
3.根据权利要求1所述的方法,其中,所述栅图案包括一系列线性间隔的线。
4.根据权利要求3所述的方法,其中,所述一系列线性间隔的线包括一系列同心圆。
5.根据权利要求4所述的方法,其中,所述枝晶胞大小通过以下公式估算:
DCS=L/n
其中,L等于所述系列同心圆的总周长长度,并且n等于所述圆的线和所述至少一个胞边界之间的交点的总数。
6.根据权利要求1所述的方法,其中,所述的将所述估算的枝晶胞大小、体积分数和平均宽高比转换成量化的枝晶臂间距,通过:
DAS = (1-Veu)*DCS/sqrt(α)
表达,其中,Veu 定义所述的体积分数,并且α是所述的宽高比。
7.根据权利要求1所述的方法,其中,所述宽高比由所述枝晶胞的最大线性尺寸对所述枝晶胞的最小线性尺寸的比例而定义。
8.根据权利要求1所述的方法,还包括将所述量化的枝晶臂间距输出为用户方便的格式。
9.一种在亚共晶铝铸件中自动量化枝晶臂间距的方法,所述方法包括:
选择待分析的铸造材料;
使用图像分析器自动确定与在所选择的所述铸造材料中的关注位置对应的枝晶胞大小信息;
将所述枝晶胞大小信息转换成枝晶臂间距信息。
10.一种制造物品,包括计算机可用介质,所述计算机可用介质具有计算机可读程序代码,所述计算机可读程序代码在其中被具体化以用于自动量化亚共晶铝铸造材料的枝晶臂间距,在所述制造物品内的所述计算机可读程序代码包括:
用于引起所述计算机接收数据的计算机可读程序代码部分,所述数据是关于在所述铸造材料的样本内的关注位置的数字信息;
用于引起所述计算机将所述数字信息处理成枝晶胞大小信息的计算机可读程序代码部分;
用于引起所述计算机通过算法将所述枝晶胞大小信息转换成对应的枝晶臂间距的计算机可读程序代码部分,所述算法基于在所述关注位置内的共晶相的体积分数,以及在所述关注位置内的至少一个枝晶胞的宽高比;和
用于引起所述计算机产生与所述枝晶臂间距相对应输出的计算机可读程序代码部分。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13/757,914 US8942462B2 (en) | 2012-04-12 | 2013-02-04 | Method for automatic quantification of dendrite arm spacing in dendritic microstructures |
US13/757914 | 2013-02-04 | ||
US14/070609 | 2013-11-04 | ||
US14/070,609 US9500594B2 (en) | 2012-04-12 | 2013-11-04 | Method for automatic quantification of dendrite arm spacing in dendritic microstructures |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103968769A true CN103968769A (zh) | 2014-08-06 |
CN103968769B CN103968769B (zh) | 2017-06-06 |
Family
ID=51206199
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410044903.XA Active CN103968769B (zh) | 2013-02-04 | 2014-02-07 | 用于自动量化枝晶微观结构中枝晶臂间距的方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN103968769B (zh) |
DE (1) | DE102014101134B4 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104930979A (zh) * | 2015-05-15 | 2015-09-23 | 奇瑞汽车股份有限公司 | 铝合金气缸盖的生产方法 |
CN113945557A (zh) * | 2020-07-15 | 2022-01-18 | 通用汽车环球科技运作有限责任公司 | 对显微镜放大倍数和相机分辨率执行枝晶结构测量的方法 |
CN116740031A (zh) * | 2023-06-15 | 2023-09-12 | 小米汽车科技有限公司 | 获取枝晶臂间距的方法、装置、存储介质及芯片 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06109650A (ja) * | 1992-09-25 | 1994-04-22 | Toshiba Corp | 金属材料損傷量算出方法 |
US6020457A (en) * | 1996-09-30 | 2000-02-01 | Dendritech Inc. | Disulfide-containing dendritic polymers |
US20020182603A1 (en) * | 2001-04-20 | 2002-12-05 | Chapman William H. | Uniformly functionalized surfaces for microarrays |
US20090070089A1 (en) * | 2005-12-14 | 2009-03-12 | The University Of Tokyo | Method of Analyzing Cell or the Like Having Linear Shape, Method of Analyzing Nerve Cell and Apparatus and Program for Performing These Methods |
CN101839904A (zh) * | 2009-03-12 | 2010-09-22 | 通用汽车环球科技运作公司 | 预测铝合金在多轴加载下的疲劳寿命的系统和方法 |
-
2014
- 2014-01-30 DE DE102014101134.1A patent/DE102014101134B4/de active Active
- 2014-02-07 CN CN201410044903.XA patent/CN103968769B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06109650A (ja) * | 1992-09-25 | 1994-04-22 | Toshiba Corp | 金属材料損傷量算出方法 |
US6020457A (en) * | 1996-09-30 | 2000-02-01 | Dendritech Inc. | Disulfide-containing dendritic polymers |
US20020182603A1 (en) * | 2001-04-20 | 2002-12-05 | Chapman William H. | Uniformly functionalized surfaces for microarrays |
US20090070089A1 (en) * | 2005-12-14 | 2009-03-12 | The University Of Tokyo | Method of Analyzing Cell or the Like Having Linear Shape, Method of Analyzing Nerve Cell and Apparatus and Program for Performing These Methods |
CN101839904A (zh) * | 2009-03-12 | 2010-09-22 | 通用汽车环球科技运作公司 | 预测铝合金在多轴加载下的疲劳寿命的系统和方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104930979A (zh) * | 2015-05-15 | 2015-09-23 | 奇瑞汽车股份有限公司 | 铝合金气缸盖的生产方法 |
CN113945557A (zh) * | 2020-07-15 | 2022-01-18 | 通用汽车环球科技运作有限责任公司 | 对显微镜放大倍数和相机分辨率执行枝晶结构测量的方法 |
CN116740031A (zh) * | 2023-06-15 | 2023-09-12 | 小米汽车科技有限公司 | 获取枝晶臂间距的方法、装置、存储介质及芯片 |
CN116740031B (zh) * | 2023-06-15 | 2024-06-21 | 小米汽车科技有限公司 | 获取枝晶臂间距的方法、装置、存储介质及芯片 |
Also Published As
Publication number | Publication date |
---|---|
DE102014101134B4 (de) | 2022-12-22 |
CN103968769B (zh) | 2017-06-06 |
DE102014101134A1 (de) | 2014-08-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9500594B2 (en) | Method for automatic quantification of dendrite arm spacing in dendritic microstructures | |
US10169878B2 (en) | System and method for segmentation of three-dimensional microscope images | |
CN103968769A (zh) | 用于自动量化枝晶微观结构中枝晶臂间距的方法 | |
CN103376063B (zh) | 枝晶状微结构中枝晶臂间距的自动量化方法 | |
KR20220117328A (ko) | 금속 조직의 상의 분류 방법, 금속 조직의 상의 분류 장치, 금속 조직의 상의 학습 방법, 금속 조직의 상의 학습 장치, 금속 재료의 재료 특성 예측 방법 및 금속 재료의 재료 특성 예측 장치 | |
US9557299B2 (en) | Adaptive data collection for local states of a material | |
Brieseck et al. | A straightforward method for analysing the grain-size distribution in tungsten carbide-cobalt hardmetals | |
Štěpka et al. | Performance and sensitivity evaluation of 3D spot detection methods in confocal microscopy | |
CN110728675A (zh) | 肺结节分析装置、模型训练方法、装置及分析设备 | |
CN110348533A (zh) | 一种基于svm的浮游生物粒径谱检测方法 | |
KR20220156044A (ko) | 금속 조직의 촬영 조건 결정 방법, 금속 조직의 촬영 방법, 금속 조직의 상 분류 방법, 금속 조직의 촬영 조건 결정 장치, 금속 조직의 촬영 장치, 금속 조직의 상 분류 장치, 금속 재료의 재료 특성 예측 방법 및 금속 재료의 재료 특성 예측 장치 | |
Lekakh et al. | Graphite nodule size distribution in ductile iron | |
US9576352B2 (en) | Method to determine skin-layer thickness in high pressure die castings | |
EP3872481A1 (en) | Methods and systems for detection of impurities in additive manufacturing material | |
DE102013206136B4 (de) | Verfahren zur automatischen Quantifizierung eines Dendritarmabstandes in dendritischen Mikrostrukturen | |
Kokoulin et al. | Image Processing Methods in Analysis of Component Composition and Distribution of Dust Emissions for Environmental Quality Management | |
JP2021043828A (ja) | 金属凝固体結晶組織の解析方法および金属凝固体結晶組織の解析装置 | |
Kurbakov et al. | High-Performance Two-Level Parallel Computing Scheme for Nanoparticles Detection in SEM Images | |
CN111914765B (zh) | 一种服务区环境舒适度检测方法、设备及可读存储介质 | |
Fritzsch et al. | Automated quantification of SiC-particles in solidified A356 aluminium using Image-Pro® Plus 7.0 | |
Berman et al. | Microsegregation in High Pressure Die Cast Mg Alloys | |
JP6885181B2 (ja) | 巣の評価方法 | |
Elen et al. | Auto-detection of Intermetallic and Eutectic Phases in Microstructure of the AZ91 Mg-alloys by Image Processing Techniques | |
Warriner et al. | Fractal Correlation Dimensions Analysis of Al–Si Dendrites | |
Gupta et al. | Standardized and semiautomated workflow for 3D characterization of liberated particles |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |