CN106446835A - 一种铝及铝合金中缺陷的定量检测方法 - Google Patents
一种铝及铝合金中缺陷的定量检测方法 Download PDFInfo
- Publication number
- CN106446835A CN106446835A CN201610855805.3A CN201610855805A CN106446835A CN 106446835 A CN106446835 A CN 106446835A CN 201610855805 A CN201610855805 A CN 201610855805A CN 106446835 A CN106446835 A CN 106446835A
- Authority
- CN
- China
- Prior art keywords
- defect
- image
- area
- software
- max
- 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.)
- Pending
Links
- 230000007547 defect Effects 0.000 title claims abstract description 117
- 238000000034 method Methods 0.000 title claims abstract description 72
- 229910000838 Al alloy Inorganic materials 0.000 title claims abstract description 44
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 title claims abstract description 32
- 229910052782 aluminium Inorganic materials 0.000 title abstract description 15
- 239000004411 aluminium Substances 0.000 title abstract 2
- 238000009826 distribution Methods 0.000 claims abstract description 29
- 238000001514 detection method Methods 0.000 claims abstract description 25
- 238000004458 analytical method Methods 0.000 claims abstract description 22
- 230000008569 process Effects 0.000 claims abstract description 16
- 230000003287 optical effect Effects 0.000 claims abstract description 12
- 238000004445 quantitative analysis Methods 0.000 claims abstract description 9
- 230000002950 deficient Effects 0.000 claims description 13
- 238000006243 chemical reaction Methods 0.000 claims description 11
- 238000005259 measurement Methods 0.000 claims description 8
- 230000008878 coupling Effects 0.000 claims description 6
- 238000010168 coupling process Methods 0.000 claims description 6
- 238000005859 coupling reaction Methods 0.000 claims description 6
- 239000011148 porous material Substances 0.000 claims description 6
- 241000222065 Lycoperdon Species 0.000 claims description 3
- 241000768494 Polymorphum Species 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 8
- 239000000284 extract Substances 0.000 abstract description 4
- 238000004364 calculation method Methods 0.000 abstract description 3
- 238000000605 extraction Methods 0.000 abstract description 3
- 239000000956 alloy Substances 0.000 description 7
- 238000012360 testing method Methods 0.000 description 7
- 239000000463 material Substances 0.000 description 6
- 229910045601 alloy Inorganic materials 0.000 description 5
- 238000002271 resection Methods 0.000 description 5
- 239000000126 substance Substances 0.000 description 4
- 229910000632 Alusil Inorganic materials 0.000 description 3
- 229910000831 Steel Inorganic materials 0.000 description 3
- 238000005266 casting Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000005088 metallography Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 239000010959 steel Substances 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005242 forging Methods 0.000 description 2
- 239000010813 municipal solid waste Substances 0.000 description 2
- 238000005498 polishing Methods 0.000 description 2
- 229910052710 silicon Inorganic materials 0.000 description 2
- 239000010703 silicon Substances 0.000 description 2
- 238000009864 tensile test Methods 0.000 description 2
- 229910018125 Al-Si Inorganic materials 0.000 description 1
- 229910018520 Al—Si Inorganic materials 0.000 description 1
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 244000137852 Petrea volubilis Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000005496 eutectics Effects 0.000 description 1
- 238000001125 extrusion Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 235000013312 flour Nutrition 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- NUHSROFQTUXZQQ-UHFFFAOYSA-N isopentenyl diphosphate Chemical compound CC(=C)CCO[P@](O)(=O)OP(O)(O)=O NUHSROFQTUXZQQ-UHFFFAOYSA-N 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 238000000386 microscopy Methods 0.000 description 1
- 238000003801 milling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052755 nonmetal Inorganic materials 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000010008 shearing Methods 0.000 description 1
- 238000007711 solidification Methods 0.000 description 1
- 230000008023 solidification Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
- G06V20/695—Preprocessing, e.g. image segmentation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Multimedia (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Investigating And Analyzing Materials By Characteristic Methods (AREA)
Abstract
本发明公开了一种铝及铝合金中缺陷的定量检测方法,包括以下步骤:(1)使用带有照相功能的光学显微镜采集待检截面全部图像;(2)使用具有拼图功能的图像处理软件对步骤(1)得到的图像处理重叠部分,按顺序依次拼接处理得到整个待检截面的拼接图像;(3)使用图像处理软件提取整个待检截面的全部缺陷,得到含有缺陷大小、形貌和分布的图像;(4)使用图像分析软件及数据处理软件对所有图像的缺陷分析汇总计算。本发明通过拼图步骤实现同图提取,过程更简单,通过准确、快速提取缺陷,然后通过软件直接进行定量分析,无需标准图谱数据库,不受数据库限制,可实现整个待检截面缺陷的含量、形貌、尺寸和分布定量检测,检测结果更准确。
Description
技术领域
本发明属于材料物理检测技术领域,具体涉及一种铝及铝合金中缺陷的定量检测方法。
背景技术
铝的熔点低、密度轻、化学性能稳定,具有良好的导热导电性能。铝及铝合金还具有轻质、高强、可回收重复使用等特点,在航空、航天、建筑、医疗、交通、运输、包装、能源等重要领域,得到广泛的应用。随着人们对能源和环境的日益关注,以铝及铝合金代替钢铁材料,从而实现轻量化是节能减排的重要措施,铝及铝合金材料的应用前景广阔。
铝及铝合金在凝固过程中,由于液态收缩和凝固收缩,在铸件最后凝固的部位形成大而集中的缩孔或小而分散的缩松。在熔炼前使用了潮湿、有锈蚀、油污的铝及铝合金炉料、在熔炼过程中高温的铝及铝合金熔体与周围气氛、铸型相互作用,以及气体在铝及铝合金熔体中的溶解度随温度的降低而降低等因素导致气孔和非金属夹杂物产生。缩孔、缩松、气孔和非金属夹杂物等缺陷的存在,会减少铸件的有效受力面积,并产生应力集中现象,不仅降低铸件的机械性能,还降低铸件的气密性和物理化学性能。铝及铝合金铸件的使用性能与缺陷的含量、形貌、尺寸和分布紧密相关,因此,定量检测缺陷是铝及铝合金材料金相检测的重要内容。
金相法是目前常用的铝及铝合金中缺陷的定量检测方法。1961年Hans Elias提出定量体视学概念,前苏联和美国的许多学者根据体视学原理建立了一整套方法,可从显微图像上实际测得的二维特征参数,推导出各种三维特征参数。体视学是基于统计意义上的大量多次检测,具体操作时需要划分网格,对待测物相与网格的交截情况进行统计。起初采用金相目测法,该方法包括2大部分:图像采集和定量分析。在图像采集方面,主要是运用带有照相功能的显微镜,将显微组织照片冲洗出来,形成纸质图像;在定量分析方面,常用的方法有评级比较法、截点法和面积法。评级比较法是通过将待测样品的图样与标准评级图对比进行评定,这种评定方法操作简便快捷,是目前生产中应用最多的一种方法,但测量精度不高,只能达到半定量的程度。截点法是辅以给定长度的测量线段或网格,利用待测目标相与这些线段或网格的相交截点数进行定量计算,截点法又可分为直线截点法、单圆截点法和三圆截点法。面积法是以给定面积内的待测目标相数来测量待测目标相尺寸的方法。金相目测法,主要靠手工计算,数学处理过程复杂,工作量大,其准确性、一致性、重复性及检测速度都很差,无法达到预期的目的,有些工作甚至因工作量太大而无法进行。
随着计算机软件技术和数字图像处理技术的发展,为图像自动分析系统提供了重要的技术支持,产生了基于图像处理的定量金相法。该方法包括3大部分:图像采集、图像处理和定量分析。在图像采集方面,主要是采用有存储功能的显微镜,将显微组织照片保存为数字图像。图像处理方面,主要是利用一些软件,如Siscias V8.0、Micro-image Analysis&Process System(MIAPS)、Quantimet 500等提取待测目标相。准确提取待测目标相,是得到可靠定量金相结果的前提,也是基于图像处理的定量金相法所要解决的关键技术。目前提取待测目标相的步骤通常是:用图像处理软件读入原始图像→转为灰度图像→灰度自动色阶→调整亮度、色度、饱和度、对比度等→二值化处理→得到黑白分明的灰度图像。定量分析方面,定量分析的内容和方法与金相目测法相同,只不过利用相关软件,使得定量分析的工作量大大减轻。基于图像处理的定量金相法和金相目测法,在做定量金相分析时,是随机选取或选取具有代表性的多个视场,检测面积非常有限,检测结果只能代表非常有限的检测区域内待测目标相的含量、形貌、尺寸和分布,检测结果不够准确。
专利CN1651905A,公开了一种钢中非金属夹杂物定量分析方法,该方法的流程为【采集单个图像→提取单个图像的非金属夹杂物→单个图像的非金属夹杂物分析】→重复前述步骤→所有图像的非金属夹杂物分析汇总→生成报告,非金属夹杂物提取采用灰度阈值提取。其特征在于,它将金相显微镜、自动载物台与摄像机、计算机连接,由摄像机从金相显微镜中采集非金属夹杂物图像送入计算机进行图像处理,实现对非金属夹杂物的识别以及参数测量,将测量结果用定量模型计算或与标准图谱对比分析,给出定量评定结果,可以实现整个待测面的检测。该种方法依据代表当今夹杂物检验标准的最高水平的国家标准(GB、ASTM、JIS、DIN、ISO等)进行非金属夹杂物缺陷分析。而这些标准进行非金属夹杂物缺陷分析时,本身有一定的适用范围,其适用范围为压缩比大于或等于3的轧制或锻制钢材中的非金属夹杂物的显微评定方法,通用性不强;这种方法广泛用于对给定用途钢适应性的评估,但是,由于受试验人员的影响,即使采用大量试样也很难再现试验结果,再现性差;虽然可以实现整个待测面的检测,但在检测过程中,需要对采集的每张图像进行处理,提取待测目标相,过程相当繁琐;再者提取非金属夹杂物缺陷的方法,同常规的基于图像处理的定量金相法相同,也是通过对图像进行亮度、色度、饱和度、对比度等的调节,用灰度阈值分割法和聚类技术提取待测目标相,准确度有待提高。因此简便、准确地提取目标相仍是该法需要解决的关键技术。
文献【沈静雯.图像处理技术在金相分析中的应用[J].铸造设备与工艺,2014,06:60-62.】报道了利用Photoshop图像处理软件对金相照片进行拼接、划痕去除等操作,使得受照片尺寸限制显示不全的金相在拼接后的宽幅照片中完整显示。利用图像拼接,理论上也可以实现整个待测面的定量金相分析。但用该文献提到的方法,在实现拼接图像之前,不仅需要将待拼接的每张图像进行亮度、对比度调节,还需要照片的裁剪、剪切、粘贴、保存等步骤,再进行拼接,拼接前的图像处理过程复杂;另外,要求待拼接的两幅相邻图像应有一定程度的重合区域,重合度的最佳值为50%,在这么大的重合度要求下,相同的待检截面面积条件下,需采集的图像数量多,拼接前图像处理的工作量大。
发明内容
针对以上问题,本发明提供一种铝及铝合金中缺陷的定量检测方法,该方法处理过程简便,并可更准确地提取缺陷,提高定量检测结果的准确性。
为实现上述目的,本发明采用如下技术方案:
一种铝及铝合金中缺陷的定量检测方法,包括以下步骤:
(1)使用带有照相功能的光学显微镜采集待检截面全部图像;
(2)使用具有拼图功能的图像处理软件对步骤(1)得到的图像处理重叠部分,按顺序依次拼接处理得到整个待检截面的拼接图像;
(3)使用图像处理软件提取整个待检截面的全部缺陷,得到含有缺陷大小、形貌和分布的图像;
(4)使用图像分析软件及数据处理软件对所有图像的缺陷分析汇总计算。
优选的,所述步骤(1)具体方法为:将待检截面依次用80#、240#、800#、1500#、4000#号耐水砂纸磨平后抛光,用光学显微镜附带的摄像头按顺序连续无遗漏且有重叠地对整个抛光面采集图像;使用不同型号砂纸磨平抛光,有利于清除待检截面表面杂质,同时有利于后续光镜检查和分析,使检测结构更加准确。
优选的,所述步骤(2)中图像处理软件为Photoshop;
处理重叠的方法为:拼图时,成功置入第一幅图像后,选中要置入的第二幅图像,将该图层的不透明度设为30~80%,移动待置入的第二幅图像,使与第一幅图像有重叠的部分完全重叠,此时可形成清晰的两张图像的拼接图像,回车确定置入,再将该图层的不透明度设为100%,完成两张图像的拼接和匹配,重复上述步骤,实现整个待检截面的拼接和匹配。实际上,在进行图像拼接处理重叠过程中,一般方法费事费力,而且丢失边界和过量重建现象较为严重,不利于测量的自动化和提高测量结果的准确性。申请人经过不断试验摸索,创造性的提出上述方法,从而能够简单、快捷、准确的实现图像的拼接,为后续缺陷提取和分析汇总计算奠定基础。
优选的,所述步骤(3)中图像处理软件为Photoshop;
所述步骤(3)的具体方法为:在光学显微镜下观察,则光线在光滑致密的基体和第二相处发生折射,呈亮色和灰色,而光线在缺陷处会发生散射呈黑色,只是缩孔和有些非金属夹杂物的黑色区域尺寸较大,缩松、气孔和有些非金属夹杂物的黑色区域尺寸较小呈分散状态,在Photoshop软件新建的图层中用魔棒工具点选出每一个缺陷的区域,将整个截面上的所有缺陷保存在同一个图像中,得到含有缺陷大小、形貌、分布的图像文件;
优选的,所述步骤(4)的具体方法为:用图像分析软件打开含有缺陷大小、形貌、分布的图像文件,对缺陷进行统计;将统计结果输出到数据处理软件中进行定量处理,得到每个缺陷的尺寸信息、所有缺陷的统计信息和整个检测截面的总面积,缺陷总面积与整个检测截面的总面积之比即为缺陷的含量。
进一步优选的,所述图像分析软件为Image-Pro Plus软件,所述数据处理软件为EXCEL;
进一步优选的,所述步骤(4)中缺陷统计和定量处理的具体步骤为:
(A)打开图像:在IPP软件中打开缺陷拼接图像;
(B)二值化处理:在IPP软件中进行二值化处理;
(C)参数选择:在“Measure”下拉菜单中选择“Count/Size”,在弹出的对话框中进行如下设置:Select Measurements:Area(面积)、Diameter(max)(最大直径(Dmax))、Diameter(mean)(平均直径(Dmean)),点选Automatic Bright Objects;其中,通过缺陷形心的直线被其轮廓相截所得到的线段,称为缺陷的直径;其中最长的直径称为称为最大直径,过形心每隔2得到的所有直径的平均值称为平均直径。
(D)测量:“Count/Size”弹出对话框中点击“Count”,软件自动并同时测量出每个缺陷的面积、Dmax和Dmean;
(E)结果输出:[e1]每个缺陷信息的结果输出:在“Count/Size”弹出对话框中的“File”下拉菜单中选择“Export Data”,系统会生成一个Excel文件,内含用像素单位来表示的每个缺陷的面积、Dmax和Dmean;[e2]所有缺陷统计结果的输出:在“Count/Size”弹出对话框中的“View”下拉菜单中选择“Statistics”,弹出对话框,对话框中含有缺陷的个数以及用像素单位表示的所有缺陷的统计信息,包括总面积、最大面积、最小面积、平均面积、最大Dmax、最小Dmax、平均Dmax、Dmax分布、最大Dmean、最小Dmean、平均Dmean以及Dmean分布;其中,每个缺陷都有一个Dmax,所有缺陷的Dmax中最大者称为最大Dmax,最小者称为最小Dmax,所有缺陷的Dmax的平均值称为平均Dmax;以此类推,定义最大Dmean、最小Dmean、平均Dmean。
所述步骤(4)中缺陷尺寸计算的实现步骤是:
(a)取像拍照时,用光学显微镜附带的图像处理软件叠加标尺;
(b)定量计算和统计结果处理之前,要将IPP软件中的像素单位转换成长度单位;
其中,将IPP软件中的像素单位转换成长度单位的方法是:在IPP软件中放大拼接图像,使图像中标尺的长度占据电脑屏幕长度的2/3以上,测量标尺长度,得到标尺实际长度的像素值,通过换算得到每个像素单位所表示的实际长度;
(c)将定量计算和统计结果导出到EXCEL文件中,将用像素单位表示的定量计算和统计结果转换成实际长度单位,得到每个缺陷的面积、Dmax、Dmean和整个待检截面的实际尺寸;
(d)缺陷总面积与整个检测截面的总面积之比即为缺陷面积百分比,依据体视学原理,由金相试样磨面上测量和计算出的二维参量来确定三维空间中物相体积百分数,即:
VV=AA=LL=PP (I)
式中:VV---待测物相体积百分比;
AA---待测物相面积百分比;
LL---待测物相线百分比;
PP---待测物相点百分比。
所述公式(I)是将材料显微组织的二维特征参量转化为材料显微组织三维特征参量的方法。缺陷的面积百分比,也是缺陷的体积百分比,也就是缺陷的实际含量。
优选的,步骤(4)所述的每个缺陷的尺寸信息包括缺陷的面积、Dmax和Dmean;所述的所有缺陷的统计信息包括:总面积、最大面积、最小面积、平均面积、面积分布、等效圆直径、最大Dmax、最小Dmax、平均Dmax、Dmax分布、最大Dmean、最小Dmean、平均Dmean以及Dmean分布。
本发明的有益效果:
(1)本发明通过拼图步骤实现同图提取,过程更简单,用Photoshop软件中的魔棒工具点选,可准确、较快速地提取缺陷,然后通过IPP等数据处理软件直接进行定量分析,无需标准图谱数据库,不受数据库的限制;
(2)本发明定量分析的内容,不仅可计算面积百分含量,还可得到缺陷在整个截面的形貌、分布,每个缺陷的信息(缺陷的面积、Dmax、Dmean)和所有缺陷的信息(总面积、最大面积、最小面积、平均面积、面积分布、等效圆直径、最大Dmax、最小Dmax、平均Dmax、Dmax分布、最大Dmean、最小Dmean、平均Dmean以及Dmean分布),检测内容更加丰富;
(3)本发明方法可以检测铝及铝合金材料中的非金属夹杂物、缩孔、缩松、气孔等多种缺陷,更加全面,可自动采集,也可手动采集,不受设备条件限制,检测不受材料制备条件限制,可以是铸件、热处理件、轧制件、锻件、挤压件等各种固态形式的铝或铝合金材料,不仅有再现性,并且通用性更强;
(4)本发明提供了图像采集、拼接方法,将图像处理和数据处理软件应用于铝及铝合金中缺陷的含量、形貌、尺寸和分布的定量检测中,可以实现整个待检截面缺陷的含量、形貌、尺寸和分布定量检测,检测结果更准确。
附图说明
图1为待检横截面拼接图像;
图2为含有缺陷大小、形貌、分布的待检横截面图像;
图3为二值化处理后的含有缺陷大小、形貌、分布的待检横截面图像;
图4为待检横截面缺陷面积分布。
具体实施方式
结合实施例对本发明作进一步的说明,应该说明的是,下述说明仅是为了解释本发明,并不对其内容进行限定。
以下通过实施例并结合附图对本发明做进一步详细描述。
对名义化学成分如表1的B390铝硅合金铸态拉伸试棒进行缺陷的定量检测。
表1 B390铝硅合金的名义化学成分(wt.%)
Si | Fe | Cu | Mn | Mg | Ni | Zn | Sn | Al |
16.0~18.0 | 0.9 | 4.0~5.0 | 0.50 | 0.50~0.65 | 0.30 | 1.5 | 0.30 | Bal. |
以缺陷的面积为例,定量检测方法如下:
(1)采集全部图像:在拉伸试棒断口附近截取长约5mm的B390铝硅合金试样,待检截面距断口约5mm,镶嵌后将待检截面依次用80#、240#、800#、1500#、4000#号耐水砂纸磨平后抛光,用光学显微镜附带的摄像头按顺序连续无遗漏且有重叠地对整个抛光面采集图像,并用光学显微镜附带的图像处理软件叠加标尺。
(2)拼图:用Photoshop软件或具有拼图功能的其它软件按顺序依次拼接,处理重叠,得到整个待检截面的拼接图像(如图1)。处理重叠的方法为:拼图时,成功置入第一幅图像后,选中要置入的第二幅图像,将该图层的不透明度设为30~80%,移动待置入的第二幅图像,使与第一幅图像有重叠的部分完全重叠,此时可形成清晰的两张图像的拼接图像,回车确定置入,再将该图层的不透明度设为100%,完成两张图像的拼接和匹配,重复上述步骤,可实现整个待检截面的拼接和匹配。
(3)提取整个待检面的全部的缺陷:在光学显微镜下观察,光线在光滑致密的基体、初生硅和共晶硅相处发生折射,呈亮色和灰色。而光线在缺陷处会发生散射呈黑色,只是缩孔和有些非金属夹杂物的黑色区域尺寸较大,缩松、气孔和有些非金属夹杂物的黑色区域尺寸较小呈分散状态,在Photoshop软件新建的图层中用魔棒工具点选出每一个缺陷的区域,将整个截面上的所有缺陷保存在同一个图像中,得到含有缺陷大小、形貌、分布的图像(图2)。
(4)所有图像的缺陷分析汇总计算,具体步骤如下:
(a)打开图像:在IPP软件中打开缺陷拼接图像(图2),图中黑色区域为缺陷;
(b)二值化处理:在IPP软件中对缺陷拼接图像(图2)进行二值化处理,得到二值化处理后的缺陷拼接图像(图3),图中亮色区域为缺陷;
(c)参数选择:在“Measure”下拉菜单中选择“Count/Size”,在弹出的对话框中进行如下设置:Select Measurements:Area(面积);
(d)测量:“Count/Size”弹出对话框中点击“Count”,软件自动并同时测量出每个缺陷的面积;
(e)结果输出:[e1]每个缺陷信息的结果输出:在“Count/Size”弹出对话框中的“File”下拉菜单中选择“Export Data”,系统会生成一个Excel文件,内含用像素单位来表示的每个缺陷的面积;[e2]所有缺陷统计结果的输出:在“Count/Size”弹出对话框中的“View”下拉菜单中选择“Statistics”,会弹出对话框,对话框中含有缺陷的个数以及用像素单位表示的所有缺陷的统计信息,如总面积、最大面积、最小面积、平均面积等。
(f)分析计算:[f1]缺陷尺寸由像素单位转换成实际尺寸:取像拍照时,用光学显微镜附带的图像处理软件叠加标尺;在IPP软件中放大拼接图像,使图像中标尺的长度占据电脑屏幕长度的2/3以上,测量标尺长度,得到标尺实际长度的像素值,通过换算得到每个像素单位所表示的实际长度,将用像素单位表示的定量计算和统计结果转换成实际长度单位,得到每个缺陷的面积、缺陷的面积统计信息和含有缺陷的图像的总面积(表2);[f2]缺陷含量计算:缺陷总面积与整个检测截面的总面积之比为1.7%,即缺陷的实际含量为1.7%。[f3]缺陷面积分布:将所有缺陷按面积大小排序,分成8个区间,统计每个区间内所含缺陷的个数,用每个区间内所含缺陷的个数占总个数的比值作纵坐标,以每个区间的面积中值作横坐标,用Origin软件作图,得到缺陷的面积分布图(见图3),拟合面积分布图得到缺陷的面积分布解析式:y=0.0027+22.89948e^(-x/1737.46438)。
表2缺陷的面积统计信息和含有缺陷的图像的总面积(面积单位:μm2)
统计数量 | 最小面积 | 最大面积 | 平均面积 | 缺陷总面积 | 含有缺陷的图像的总面积 |
1112个 | 11.08033 | 87534.63 | 1212.676 | 1348495 | 78080222 |
上述虽然结合实施例对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.一种铝及铝合金中缺陷的定量检测方法,其特征在于,包括以下步骤:
(1)使用带有照相功能的光学显微镜采集待检截面全部图像;
(2)使用具有拼图功能的图像处理软件对步骤(1)得到的图像处理重叠部分,按顺序依次拼接处理得到整个待检截面的拼接图像;
(3)使用图像处理软件提取整个待检截面的全部缺陷,得到含有缺陷大小、形貌和分布的图像;
(4)使用图像分析软件及数据处理软件对所有图像的缺陷分析汇总计算。
2.如权利要求1所述的一种铝及铝合金中缺陷的定量检测方法,其特征在于,所述步骤(1)具体方法为:将待检截面依次用80#、240#、800#、1500#、4000#号耐水砂纸磨平后抛光,用光学显微镜附带的摄像头按顺序连续无遗漏且有重叠地对整个抛光面采集图像。
3.如权利要求1所述的一种铝及铝合金中缺陷的定量检测方法,其特征在于,所述步骤(2)中具有拼图功能的图像处理软件为Photoshop;
处理重叠部分的方法为:拼图时,成功置入第一幅图像后,选中要置入的第二幅图像,将该图层的不透明度设为30~80%,移动待置入的第二幅图像,使与第一幅图像有重叠的部分完全重叠,此时可形成清晰的两张图像的拼接图像,回车确定置入,再将该图层的不透明度设为100%,完成两张图像的拼接和匹配,重复上述步骤,实现整个待检截面的拼接和匹配。
4.如权利要求1所述的一种铝及铝合金中缺陷的定量检测方法,其特征在于,所述步骤(3)中图像处理软件为Photoshop。
5.如权利要求1所述的一种铝及铝合金中缺陷的定量检测方法,其特征在于,所述步骤(3)的具体方法为:在光学显微镜下观察,则光线在光滑致密的基体和第二相处发生折射,呈亮色和灰色,而光线在缺陷处会发生散射呈黑色,只是缩孔和有些非金属夹杂物的黑色区域尺寸较大,缩松、气孔和有些非金属夹杂物的黑色区域尺寸较小呈分散状态,在Photoshop软件新建的图层中用魔棒工具点选出每一个缺陷的区域,将整个截面上的所有缺陷保存在同一个图像中,得到含有缺陷大小、形貌、分布的图像文件。
6.如权利要求1所述的一种铝及铝合金中缺陷的定量检测方法,其特征在于,所述步骤(4)的具体方法为:用图像分析软件打开含有缺陷大小、形貌、分布的图像文件,对缺陷进行统计;将统计结果输出到数据处理软件中进行定量处理,得到每个缺陷的尺寸信息、所有缺陷的统计信息和整个检测截面的总面积,缺陷总面积与整个检测截面的总面积之比即为缺陷的含量。
7.如权利要求1所述的一种铝及铝合金中缺陷的定量检测方法,其特征在于,所述图像分析软件为Image-Pro Plus软件。
8.如权利要求6所述的一种铝及铝合金中缺陷的定量检测方法,其特征在于,所述步骤(4)中缺陷统计和定量处理的具体步骤为:
(A)打开图像:在IPP软件中打开缺陷拼接图像;
(B)二值化处理:在IPP软件中进行二值化处理;
(C)参数选择:在“Measure”下拉菜单中选择“Count/Size”,在弹出的对话框中进行如下设置:Select Measurements:Area(面积)、Diameter(max)(最大直径(Dmax))、Diameter(mean)(平均直径(Dmean)),点选Automatic BrightObjects;
(D)测量:“Count/Size”弹出对话框中点击“Count”,软件自动并同时测量出每个缺陷的面积、Dmax和Dmean;
(E)结果输出:[e1]每个缺陷信息的结果输出:在“Count/Size”弹出对话框中的“File”下拉菜单中选择“Export Data”,系统会生成一个Excel文件,内含用像素单位来表示的每个缺陷的面积、Dmax和Dmean;[e2]所有缺陷统计结果的输出:在“Count/Size”弹出对话框中的“View”下拉菜单中选择“Statistics”,弹出对话框,对话框中含有缺陷的个数以及用像素单位表示的所有缺陷的统计信息,包括总面积、最大面积、最小面积、平均面积、最大Dmax、最小Dmax、平均Dmax、Dmax分布、最大Dmean、最小Dmean、平均Dmean以及Dmean分布。
9.如权利要求6所述的一种铝及铝合金中缺陷的定量检测方法,其特征在于,所述步骤(4)中缺陷尺寸计算的实现步骤是:
(a)取像拍照时,用光学显微镜附带的图像处理软件叠加标尺;
(b)定量计算和统计结果处理之前,要将IPP软件中的像素单位转换成长度单位;
其中,将IPP软件中的像素单位转换成长度单位的具体方法是:在IPP软件中放大拼接图像,使图像中标尺的长度占据电脑屏幕长度的2/3以上,测量标尺长度,得到标尺实际长度的像素值,通过换算得到每个像素单位所表示的实际长度;
(c)将定量计算和统计结果导出到EXCEL文件中,将用像素单位表示的定量计算和统计结果转换成实际长度单位,得到每个缺陷的面积、Dmax、Dmean和整个待检截面的实际尺寸;
(d)计算缺陷的实际含量,所述缺陷的实际含量值为缺陷体积百分比值,同时也是缺陷的面积百分比,所述缺陷的面积百分比即为缺陷总面积与整个检测截面的总面积之比。
10.如权利要求6所述的一种铝及铝合金中缺陷的定量检测方法,其特征在于,所述步骤(4)中每个缺陷的尺寸信息包括缺陷的面积、Dmax和Dmean;所述的所有缺陷的统计信息包括:总面积、最大面积、最小面积、平均面积、面积分布、等效圆直径、最大Dmax、最小Dmax、平均Dmax、Dmax分布、最大Dmean、最小Dmean、平均Dmean以及Dmean分布。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610855805.3A CN106446835A (zh) | 2016-09-27 | 2016-09-27 | 一种铝及铝合金中缺陷的定量检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610855805.3A CN106446835A (zh) | 2016-09-27 | 2016-09-27 | 一种铝及铝合金中缺陷的定量检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106446835A true CN106446835A (zh) | 2017-02-22 |
Family
ID=58169581
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610855805.3A Pending CN106446835A (zh) | 2016-09-27 | 2016-09-27 | 一种铝及铝合金中缺陷的定量检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106446835A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108226290A (zh) * | 2018-01-08 | 2018-06-29 | 西安交通大学 | 一种基于超声相控阵的零件内部缺陷三维参数提取方法 |
CN109406524A (zh) * | 2018-08-23 | 2019-03-01 | 江苏豪然喷射成形合金有限公司 | 铝合金杂质相定量检测方法 |
CN110470675A (zh) * | 2018-05-11 | 2019-11-19 | 无锡小天鹅电器有限公司 | 洗衣机行星齿轮保持架的铸造缺陷检测方法 |
CN111398307A (zh) * | 2020-03-23 | 2020-07-10 | 首钢集团有限公司 | 一种用于检测板坯皮下缺陷的方法及系统 |
CN111751445A (zh) * | 2019-03-26 | 2020-10-09 | 中国科学院金属研究所 | 一种钛合金构件中夹杂缺陷尺寸的分析和统计方法 |
CN111766237A (zh) * | 2020-05-18 | 2020-10-13 | 武汉科技大学 | 金属材料中非金属夹杂物平均距离的统计计算方法 |
CN112051263A (zh) * | 2020-09-15 | 2020-12-08 | 中南钻石有限公司 | 一种石墨粉体芯柱合成金刚石产量的检测方法 |
CN117491375A (zh) * | 2024-01-02 | 2024-02-02 | 中信戴卡股份有限公司 | 一种铝合金铸件氧化膜缺陷的定量表征及评价方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102866172A (zh) * | 2012-08-31 | 2013-01-09 | 广东电网公司电力科学研究院 | 一种T/P92钢Laves相含量测定方法 |
CN103063576A (zh) * | 2012-12-14 | 2013-04-24 | 天津钢铁集团有限公司 | 激光显微镜下定量分析钢中夹杂物的方法 |
CN106370565A (zh) * | 2016-09-27 | 2017-02-01 | 山东省科学院新材料研究所 | 一种过共晶铝硅合金中初生硅相的定量检测方法 |
-
2016
- 2016-09-27 CN CN201610855805.3A patent/CN106446835A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102866172A (zh) * | 2012-08-31 | 2013-01-09 | 广东电网公司电力科学研究院 | 一种T/P92钢Laves相含量测定方法 |
CN103063576A (zh) * | 2012-12-14 | 2013-04-24 | 天津钢铁集团有限公司 | 激光显微镜下定量分析钢中夹杂物的方法 |
CN106370565A (zh) * | 2016-09-27 | 2017-02-01 | 山东省科学院新材料研究所 | 一种过共晶铝硅合金中初生硅相的定量检测方法 |
Non-Patent Citations (2)
Title |
---|
易琨等: "《用Photoshop处理金相图片》", 《理化检验(物理分册)》 * |
沈静雯: "《图像处理技术在金相分析中的应用》", 《铸造设备与工艺》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108226290A (zh) * | 2018-01-08 | 2018-06-29 | 西安交通大学 | 一种基于超声相控阵的零件内部缺陷三维参数提取方法 |
CN110470675A (zh) * | 2018-05-11 | 2019-11-19 | 无锡小天鹅电器有限公司 | 洗衣机行星齿轮保持架的铸造缺陷检测方法 |
CN109406524A (zh) * | 2018-08-23 | 2019-03-01 | 江苏豪然喷射成形合金有限公司 | 铝合金杂质相定量检测方法 |
CN111751445A (zh) * | 2019-03-26 | 2020-10-09 | 中国科学院金属研究所 | 一种钛合金构件中夹杂缺陷尺寸的分析和统计方法 |
CN111398307A (zh) * | 2020-03-23 | 2020-07-10 | 首钢集团有限公司 | 一种用于检测板坯皮下缺陷的方法及系统 |
CN111766237A (zh) * | 2020-05-18 | 2020-10-13 | 武汉科技大学 | 金属材料中非金属夹杂物平均距离的统计计算方法 |
CN112051263A (zh) * | 2020-09-15 | 2020-12-08 | 中南钻石有限公司 | 一种石墨粉体芯柱合成金刚石产量的检测方法 |
CN117491375A (zh) * | 2024-01-02 | 2024-02-02 | 中信戴卡股份有限公司 | 一种铝合金铸件氧化膜缺陷的定量表征及评价方法 |
CN117491375B (zh) * | 2024-01-02 | 2024-03-22 | 中信戴卡股份有限公司 | 一种铝合金铸件氧化膜缺陷的定量表征及评价方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106446835A (zh) | 一种铝及铝合金中缺陷的定量检测方法 | |
CN106153635B (zh) | 一种镁及镁合金中缺陷的定量检测方法 | |
CN106370565A (zh) | 一种过共晶铝硅合金中初生硅相的定量检测方法 | |
US20210063376A1 (en) | Method for automatic quantitative statistical distribution characterization of dendrite structures in a full view field of metal materials | |
Li et al. | Influence of Fe content on the damage mechanism in A319 aluminum alloy: Tensile tests and digital image correlation | |
Limodin et al. | Application of X-ray microtomography to study the influence of the casting microstructure upon the tensile behaviour of an Al–Si alloy | |
EP1813934A1 (en) | Concrete structure crack inspection device and crack inspection method | |
CN111982916A (zh) | 一种基于机器视觉的焊缝表面缺陷检测方法及系统 | |
CN110210448B (zh) | 一种智能人脸皮肤老化程度的识别与评估方法 | |
CN104778684B (zh) | 钢材表面异质型缺陷的自动测量、表征分类方法及其系统 | |
CN102778456B (zh) | 一种铸件显微疏松标准图谱制造方法及应用方法 | |
CN102297660A (zh) | 一种盾构隧道衬砌管片接缝张开宽度的测量方法及装置 | |
US9500594B2 (en) | Method for automatic quantification of dendrite arm spacing in dendritic microstructures | |
CN104880389A (zh) | 一种钢材晶粒混晶度的自动测量、精细分类方法及其系统 | |
CN112986298B (zh) | 一种单晶高温合金枝晶组织原位统计分布表征方法 | |
CN111696632A (zh) | 一种金属材料中γ′相微观组织全视场定量统计分布表征方法 | |
CN112395932A (zh) | 一种金属材料中显微组织全视场定量统计分布表征方法 | |
CN109712141A (zh) | 连铸钢方坯中心偏析缺陷检验量化评级方法 | |
CN113702391A (zh) | 一种钢坯表面及近表面缺陷复合检测方法及装置 | |
CN109406524A (zh) | 铝合金杂质相定量检测方法 | |
Zhou et al. | Modeling of rail head checks by X-ray computed tomography scan technology | |
Disser et al. | Transformations of the chemical signature of slag inclusions throughout experimental refining and first shaping of bloomery iron: New methodological developments | |
CN113884538B (zh) | 大型风力机叶片内部微小缺陷的红外热像检测方法 | |
CN103267498B (zh) | 铁矿石粗糙度自动数字量化测量方法 | |
JP6161146B2 (ja) | 病理組織画像解析方法、病理組織画像解析装置及び病理組織画像解析プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170222 |
|
RJ01 | Rejection of invention patent application after publication |