CN115132301B - 钴基高温合金碳化物的检测方法、装置、存储介质及电子设备 - Google Patents

钴基高温合金碳化物的检测方法、装置、存储介质及电子设备 Download PDF

Info

Publication number
CN115132301B
CN115132301B CN202211050367.5A CN202211050367A CN115132301B CN 115132301 B CN115132301 B CN 115132301B CN 202211050367 A CN202211050367 A CN 202211050367A CN 115132301 B CN115132301 B CN 115132301B
Authority
CN
China
Prior art keywords
cobalt
detected
temperature alloy
based high
surface distribution
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.)
Active
Application number
CN202211050367.5A
Other languages
English (en)
Other versions
CN115132301A (zh
Inventor
滕超逸
刘昌奎
郑真
张丽辉
黄强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
AECC Beijing Institute of Aeronautical Materials
Original Assignee
AECC Beijing Institute of Aeronautical Materials
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by AECC Beijing Institute of Aeronautical Materials filed Critical AECC Beijing Institute of Aeronautical Materials
Priority to CN202211050367.5A priority Critical patent/CN115132301B/zh
Publication of CN115132301A publication Critical patent/CN115132301A/zh
Application granted granted Critical
Publication of CN115132301B publication Critical patent/CN115132301B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C60/00—Computational materials science, i.e. ICT specially adapted for investigating the physical or chemical properties of materials or phenomena associated with their design, synthesis, processing, characterisation or utilisation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/20—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by using diffraction of the radiation by the materials, e.g. for investigating crystal structure; by using scattering of the radiation by the materials, e.g. for investigating non-crystalline materials; by using reflection of the radiation by the materials
    • G01N23/20091—Measuring the energy-dispersion spectrum [EDS] of diffracted radiation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/20—Identification of molecular entities, parts thereof or of chemical compositions
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/70—Machine learning, data mining or chemometrics
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/80—Data visualisation

Abstract

本发明公开了一种钴基高温合金碳化物的检测方法、装置、存储介质及电子设备，属于计算机模拟技术领域。该方法包括：获取待检测钴基高温合金在X射线能谱仪条件下的元素面分布图；得到待检测钴基高温合金中各元素的质量百分含量数据或者待检测钴基高温合金中各元素的原子百分比面分布数据，以及，待检测钴基高温合金中各元素面分布图中的像素数量；绘制待检测钴基高温合金中各元素质量百分比面分布图或者待检测钴基高温合金中各元素原子百分比面分布图，以及，待检测钴基高温合金中各元素面分布频数直方图；进行计算，得到待检测钴基高温合金中的碳化物检测结果。该装置、存储介质及电子设备用于实现该方法，能够进行碳化物自动识别。

Description

钴基高温合金碳化物的检测方法、装置、存储介质及电子设备
技术领域
本发明涉及计算机模拟技术领域，特别是涉及一种钴基高温合金碳化物的检测方法、装置、存储介质及电子设备。
背景技术
高温合金是指可在600℃以上高温及一定应力作用下长期工作的一类金属材料，多以铁、镍、钴为基体，广泛应用于航空、航天、石油、化工、舰船等领域。钴基高温合金在730℃～1100℃温度范围内具有良好的高温强度、抗热腐蚀性能和抗氧化性能，多用于航空喷气发动机、工业燃气轮机、舰船燃气轮机的导向叶片。铸造钴基高温合金的强化机制多依赖于碳化物强化，碳化物以MC和M23C6为主。颗粒过大的碳化物不能对位错直接产生显着的影响，因此对合金的强化效果不明显，细小弥散的碳化物则具有良好的强化作用。对钴基高温合金中碳化物进行评估是该合金金相检测的必要环节。现有的碳化物检测多依赖于金相显微镜检测，但是该方法只能检测碳化物的尺寸信息，无法确认碳化物的类型及富集元素。扫描电子显微镜也可用于高温合金、钢等材料中析出物或夹杂物的成分、尺寸及分布的表征检测。使用背散射电子图像表征，可通过基体与待测颗粒的灰度不同识别待检测颗粒，但无法获得颗粒中的元素信息，且灰度接近时无法保证识别的准确度。
发明内容
有鉴于此，本发明提供了一种钴基高温合金碳化物的检测方法、装置、存储介质及电子设备，其在X射线能谱仪条件下，能够进行碳化物自动识别，从而更加适于实用。
为了达到上述第一个目的，本发明提供的钴基高温合金碳化物的检测方法的技术方案如下：
本发明提供的种钴基高温合金碳化物的检测方法包括以下步骤：
获取待检测钴基高温合金在X射线能谱仪条件下的元素面分布图；
根据所述元素面分布图，得到所述待检测钴基高温合金中各元素的质量百分含量数据或者所述待检测钴基高温合金中各元素的原子百分比面分布数据，以及，所述待检测钴基高温合金中各元素面分布图中的像素数量；
根据所述待检测钴基高温合金中各组成元素的质量百分含量数据或者所述待检测钴基高温合金中各组成元素的原子百分比面分布数据，以及，所述待检测钴基高温合金中各元素面分布图中的像素数量，绘制所述待检测钴基高温合金中各元素质量百分比面分布图或者所述待检测钴基高温合金中各元素原子百分比面分布图，以及，所述待检测钴基高温合金中各元素面分布频数直方图；
根据所述待检测钴基高温合金中各元素质量百分比面分布图或者所述待检测钴基高温合金中各元素原子百分比面分布图，以及，所述待检测钴基高温合金中各元素面分布频数直方图，进行计算，得到所述待检测钴基高温合金中的碳化物检测结果。
本发明提供的钴基高温合金碳化物的检测方法还可采用以下技术措施进一步实现。
作为优选，所述根据所述待检测钴基高温合金中各元素质量百分比面分布图或者所述待检测钴基高温合金中各元素原子百分比面分布图，以及，所述待检测钴基高温合金中各元素面分布频数直方图，进行计算，得到所述待检测钴基高温合金中的碳化物检测结果具体包括以下步骤：
在所述待检测钴基高温合金中各元素面分布频数直方图中，读取主峰峰底对应的质量百分比数值、主峰峰底对应的原子百分比数值；
通过所述主峰峰底对应的质量百分比数值、主峰峰底对应的原子百分比数值，识别所述待检测钴基高温合金中的碳化物对应的像素点数量及坐标位置；
根据所述待检测钴基高温合金中的碳化物对应的像素点数量及坐标位置，计算所述待检测钴基高温合金中的碳化物的质量百分含量，得到所述待检测钴基高温合金中的碳化物检测结果。
作为优选，所述获取待检测钴基高温合金在X射线能谱仪条件下的元素面分布图的步骤过程中，所述待检测钴基高温合金中，铬元素的质量百分比的取值范围为20wt%-30wt%。
作为优选，所述获取待检测钴基高温合金在X射线能谱仪条件下的元素面分布图的步骤过程中，所述X射线能谱仪的死时间的取值范围为10%-30%，采集持续时间大于或者等于10min。
作为优选，所述获取待检测钴基高温合金在X射线能谱仪条件下的元素面分布图的步骤过程中，所述待检测钴基高温合金在X射线能谱仪条件下的元素面分布图的存储格式为csv文件或者tsv文件，所述csv文件或者tsv文件以所述待检测钴基高温合金中的元素符号命名。
作为优选，所述根据所述待检测钴基高温合金中各组成元素的质量百分含量数据或者所述待检测钴基高温合金中各组成元素的原子百分比面分布数据，以及，所述待检测钴基高温合金中各元素面分布图中的像素数量，绘制所述待检测钴基高温合金中各元素质量百分比面分布图或者所述待检测钴基高温合金中各元素原子百分比面分布图，以及，所述待检测钴基高温合金中各元素面分布频数直方图通过Python语言实现，具体包括以下步骤：
使用glob模块读取所述csv文件或者tsv文件；
使用numpy模块将所述csv文件或者tsv文件中的数值转换为可用matplotlib模块绘制图像的数组，并计算所述面分布图中的像素数量；
使用matplotlib模块中的imshow功能绘制所述待检测钴基高温合金各个元素质量百分比面分布图或者所述待检测钴基高温合金的原子百分比面分布图；
使用numpy模块中的hstack功能和matplotlib模块中hist功能绘制质量百分比直方图，以及，原子百分比面分布频数直方图。
作为优选，所述在所述待检测钴基高温合金中各元素面分布频数直方图中，读取主峰峰底对应的质量百分比数值、主峰峰底对应的原子百分比数值包括以下步骤：
如果钴元素质量百分比或者原子百分比面分布频数分布有且只有一个峰，则该峰位主峰；如果钴元素质量百分比或者原子百分比面分布频数分布有多于一个峰，则峰内面积最大的峰为主峰。
为了达到上述第二个目的，本发明提供的钴基高温合金碳化物的检测装置的技术方案如下：
本发明提供的钴基高温合金碳化物的检测装置包括：
元素面分布图获取单元，用于获取待检测钴基高温合金在X射线能谱仪条件下的元素面分布图；
数据识别单元，用于根据所述元素面分布图，得到所述待检测钴基高温合金中各元素的质量百分含量数据或者所述待检测钴基高温合金中各元素的原子百分比面分布数据，以及，所述待检测钴基高温合金中各元素面分布图中的像素数量；
绘图单元，用于根据所述待检测钴基高温合金中各组成元素的质量百分含量数据或者所述待检测钴基高温合金中各组成元素的原子百分比面分布数据，以及，所述待检测钴基高温合金中各元素面分布图中的像素数量，绘制所述待检测钴基高温合金中各元素质量百分比面分布图或者所述待检测钴基高温合金中各元素原子百分比面分布图，以及，所述待检测钴基高温合金中各元素面分布频数直方图；
计算单元，用于根据所述待检测钴基高温合金中各元素质量百分比面分布图或者所述待检测钴基高温合金中各元素原子百分比面分布图，以及，所述待检测钴基高温合金中各元素面分布频数直方图，进行计算，得到所述待检测钴基高温合金中的碳化物检测结果。
为了达到上述第三个目的，本发明提供的计算机可读存储介质的技术方案如下：
本发明提供的计算机可读存储介质上存储有钴基高温合金碳化物的检测程序，所述钴基高温合金碳化物的检测程序在被处理器执行时，实现本发明提供的钴基高温合金碳化物的检测方法的步骤。
为了达到上述第四个目的，本发明提供的电子设备的技术方案如下：
本发明提供的电子设备包括存储器和处理器，所述存储器上存储有钴基高温合金碳化物的检测程序，所述钴基高温合金碳化物的检测程序在被处理器执行时，实现本发明提供的钴基高温合金碳化物的检测方法的步骤。
本发明提供的钴基高温合金碳化物的检测方法、装置、存储介质及电子设备具有如下技术效果：
与现有的基于金相显微镜检测碳化物颗粒的方法相比，本发明不仅可以获取碳化物的尺寸及分布信息，还可以区分碳化物的类型及富集元素。
与现有的使用扫描电子显微镜中背散射电子图像表征碳化物的方法相比，本发明不仅可以识别碳化物颗粒，还可以获得颗粒中的元素信息。
与现有直接使用X射线能谱仪检测碳化物颗粒元素成分相比，本发明可实现碳化物自动识别。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1为本发明提供的钴基高温合金碳化物的检测方法的步骤流程图；
图2为钴Co元素的质量百分比面分布图（左）和面分布频数直方图（右）；
图3为铬Cr元素的质量百分比面分布图（左）和面分布频数直方图（右）；
图4为镍Ni元素的质量百分比面分布图（左）和面分布频数直方图（右）；
图5为锆Zr元素的质量百分比面分布图（左）和面分布频数直方图（右）；
图6为钛Ti元素的质量百分比面分布图（左）和面分布频数直方图（右）；
图7为碳C元素的质量百分比面分布图（左）和面分布频数直方图（右）；
图8为钨W元素的质量百分比面分布图（左）和面分布频数直方图（右）；
图9为钽Ta元素的质量百分比面分布图（左）和面分布频数直方图（右）；
图10为待检K6509钴基高温合金样品分析区域内基于元素质量百分比绘制的碳化物总分布图；
图11为待检K6509钴基高温合金样品分析区域内基于元素质量百分比绘制的两种碳化物的分布图；
图12为钴Co元素的原子百分比面分布图（左）和面分布频数直方图（右）；
图13为铬Cr元素的原子百分比面分布图（左）和面分布频数直方图（右）；
图14为镍Ni元素的原子百分比面分布图（左）和面分布频数直方图（右）；
图15为锆Zr元素的原子百分比面分布图（左）和面分布频数直方图（右）；
图16为钛Ti元素的原子百分比面分布图（左）和面分布频数直方图（右）；
图17为碳C元素的原子百分比面分布图（左）和面分布频数直方图（右）；
图18为钨W元素的原子百分比面分布图（左）和面分布频数直方图（右）；
图19为钽Ta元素的原子百分比面分布图（左）和面分布频数直方图（右）；
图20为待检K6509钴基高温合金样品分析区域内基于元素原子百分比绘制的碳化物总分布图；
图21为待检K6509钴基高温合金样品分析区域内基于元素原子百分比绘制的两种碳化物的分布图；
图22为本发明提供的钴基高温合金碳化物的检测装置涉及的各功能模块之间的信号流向关系示意图；
图23为本发明实施例涉及的硬件运行环境的钴基高温合金碳化物的检测设备示意图。
具体实施方式
本发明为解决现有技术存在的问题，提供一种钴基高温合金碳化物的检测方法、装置、存储介质及电子设备，其在X射线能谱仪条件下，能够进行碳化物自动识别，从而更加适于实用。
为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例，对依据本发明提出的钴基高温合金碳化物的检测方法、装置、存储介质及电子设备，其具体实施方式、结构、特征及其功效，详细说明如后。在下述说明中，不同的“一实施例”或“实施例”指的不一定是同一实施例。此外，一或多个实施例中的特征、结构、或特点可由任何合适形式组合。
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，具体的理解为：可以同时包含有A与B，可以单独存在A，也可以单独存在B，能够具备上述三种任一种情况。
为了解决上述技术问题，参照图1，本发明的一种钴基高温合金碳化物的检测方法包括以下步骤：
1）对待检样品使用扫描电子显微镜结合X射线能谱仪进行元素面分析，获取各个组成元素质量百分比或者原子百分比面分布数据，并存储为特定格式文件；
2）读取步骤1）所述特定格式文件，计算面分布图中的像素数量N，绘制各个元素质量百分比或者原子百分比面分布图和面分布频数直方图；
3）在钴元素的面分布频数直方图中读取主峰峰底对应的质量百分比或者原子百分比数值（P1，P2，P1<P2）；
4）将钴元素面分布图中质量百分比或者原子百分比数值小于P1的像素点识别为碳化物，记录像素点数量（N0）及坐标位置，计算分析区域内碳化物总含量分数，绘制碳化物总分布图；
5）在铬元素的面分布频数直方图中读取主峰峰底对应的质量百分比或者原子百分比数值(P3，P4，P3<P4)；
6）将步骤4）记录的碳化物坐标位置上铬元素质量百分比或者原子百分比小于P4的像素点识别为碳化物1，大于等于P4的像素点识别为碳化物2，记录碳化物1与碳化物2的像素点数量（N1与N2）及坐标位置，计算分析区域内碳化物1和碳化物2的含量分数，绘制两种碳化物的分布图。
所述步骤1）中待检样品为钴基高温合金，所含铬元素总质量分数20-30 wt%。本发明通过碳化物与基体中钴元素含量的不同区分碳化物与基体，通过不同类型碳化物中铬元素的含量不同区分碳化物种类。
所述步骤1）中X射线能谱仪死时间在10%–30%范围内，采集时间不低于10 min，目的是采集足够的特征X射线信号，保证元素面分析的准确度。
所述步骤1）中面分布数据记录各个元素在分析区域内每个像素点的质量百分比或者原子百分比。获取的每个元素的面分布数据是一个二维数组，每个像素点具有特定的（x，y）坐标。
所述步骤1）中特定格式的文件为csv或tsv格式文件，并以元素符号命名，以便后续程序读取编辑。
所述步骤2）使用Python语言实现，具体过程为：步骤2.1）使用glob模块读取csv或tsv格式文件，各个元素的数据文件格式应一致；步骤2.2）使用numpy模块将csv或tsv格式文件中的数值转换为可用matplotlib模块绘制图像的数组，每个数据具有特定的（x，y）坐标，并计算面分布图中的像素数量N，所有元素面分布图中的像素数量相同。
以上步骤2.1）与2.2），执行以下命令读取csv格式文件：
import glob
import numpy as np
mapfiles = []
for file in glob.glob("*.csv"):
mapfiles.append(file)
element = []
for i in mapfiles:
element.append(i[:-4])
mapping = {}
for i in range(len(element)):
a = np.genfromtxt(mapfiles[i], delimiter=',')
mapping[element[i]] = np.asarray(a)
y = len(mapping['Co'])
x = len(mapping['Co'][0])
N = x*y
以上步骤2.1）与2.2），执行以下命令读取tsv格式文件：
import glob
import numpy as np
mapfiles = []
for file in glob.glob("*.tsv"):
mapfiles.append(file)
element = []
for i in mapfiles:
element.append(i[:-4])
mapping = {}
for i in range(len(element)):
table = []
a = open(mapfiles[i]).read().split('\n')[:-1]
mapping[element[i]] = np.asarray(a)
y = len(mapping['Co'])
x = len(mapping['Co'][0])
N = x*y
步骤2.3）使用matplotlib模块中imshow功能绘制各个元素质量百分比或者原子百分比面分布图；步骤2.4）使用numpy中的hstack功能和matplotlib模块中hist功能绘制质量百分比或者原子百分比面分布频数直方图。以上步骤2.3）和2.4），执行以下命令：
import numpy as np
import matplotlib.pyplot as plt
for e in element:
fig = plt.figure()
ax1 = fig.add_subplot(121)
ax1.imshow(mapping[e])
ax1.axis('off')
ax2 = fig.add_subplot(122)
h = np.hstack(mapping[e])
n, bins, patches = ax2.hist(h)
所述步骤3）中钴元素面分布频数直方图中主峰的判断方法：如果钴元素质量百分比或者原子百分比面分布频数分布有且只有一个峰，则该峰位主峰；如果钴元素质量百分比或者原子百分比面分布频数分布有多于一个峰，则峰内面积最大的峰为主峰。主峰代表分析区域内基体中钴元素的质量百分比或者原子百分比的频数分布；若有其他峰，则代表其他析出相或颗粒物中钴元素的质量百分比或者原子百分比的频数分布。
所述步骤4）中计算碳化物总含量分数的方法是计算N0与N的比值。
所述步骤4）和步骤6）中使用matplotlib模块中imshow功能绘制碳化物分布图。
具体的，步骤4）中计算碳化物总含量分数与绘制碳化物分布图，执行以下命令完成：
import numpy as np
import matplotlib.pyplot as plt
carbides = np.zeros_like(mapping['Co'])
N0 = 0
cx, cy = [], []
for i in range(0, y):
for j in range(0, x):
if mapping['Co'][i][j] <= P1:
carbides[i][j] = 1
cx.append(j)
cy.append(i)
N0 += 1
C = N0/N*100
plt.imshow(carbides)
所述步骤6）中计算碳化物1和碳化物2含量分数的方法是计算N1与N的比值和N2与N的比值。具体的，碳化物1满足的条件是钴元素质量百分比或者原子百分比小于P1且铬元素质量百分比或者原子百分比小于P4；碳化物2满足的条件是钴元素质量百分比或者原子百分比小于P1且铬元素质量百分比或者原子百分比大于等于P4。
具体的，步骤6）中计算碳化物1和碳化物2含量分数与绘制两种碳化物的分布图，执行以下命令完成：
import numpy as np
import matplotlib.pyplot as plt
carbides = np.zeros_like(mapping['Co'])
N1,N2 = 0,0
c1x, c1y, c2x, c2y = [], [], [], []
for i in range(0, y):
for j in range(0, x):
if mapping['Co'][i][j] <= P1:
carbides[i][j] = 1
c1x.append(j)
c1y.append(i)
N1 += 1
if mapping['Cr'][i][j] >= P4:
carbides[i][j] = 2
c2x.append(j)
c2y.append(i)
N2 += 1
C1 = (N1-N2)/N*100
C2 = N2/N*100
plt.imshow(carbides)
以下结合附图和下述实施方式进一步说明本发明，应理解，附图及下述实施方式仅用于说明本发明，而非限制本发明。在各图中相同或相应的附图标记表示同一部件，并省略重复说明。
实施例1
本实施例提供了一种应用于牌号为K6509的钴基高温合金碳化物的检测方法，但不限于此，包括以下步骤：
步骤1）对待检样品使用扫描电子显微镜结合X射线能谱仪进行元素面分析，获取各个组成元素质量百分比或者原子百分比面分布数据，并存储为特定格式文件；其中，待检样品为钴基高温合金，所含铬元素总质量分数20-30 wt%；X射线能谱仪死时间在10%–30%范围内，采集时间不低于10 min；面分布数据记录各个元素在分析区域内每个像素点的质量百分比或者原子百分比；特定格式的文件为csv或tsv格式文件，并以元素符号命名。
本实施例中，待检样品为牌号为K6509的钴基高温合金，主要组成元素有钴Co，铬Cr，镍Ni，锆Zr，钛Ti，钨W，碳C，钽Ta，所含铬元素总质量分数为23.00-24.00 wt%。本实施例通过碳化物与基体中钴元素含量的不同区分碳化物与基体，通过不同类型碳化物中铬元素的含量不同区分碳化物种类。
本实施例中，X射线能谱仪死时间为15%，采集时间为20 min，以采集足够的特征X射线信号，保证元素面分析的准确度。
本实施例中，获取待检K6509钴基高温合金样品主要组成元素钴Co，铬Cr，镍Ni，锆Zr，钛Ti，碳C，钨W，钽Ta的质量百分比面分布数据。每个元素的面分布数据是一个二维数组，每个像素点具有特定的（x，y）坐标。存储的文件格式为tsv格式文件，文件名为：“Co.csv”，“Cr.csv”，“Ni.csv”，“Zr.csv”，“Ti.csv”，“C.csv”，“W.csv”，“Ta.csv”，以便后续程序读取编辑。
步骤2）读取步骤1）所述特定格式文件，计算面分布图中的像素数量N，绘制各个元素质量百分比或者原子百分比面分布图和面分布频数直方图；其中，使用Python语言实现，具体过程为：步骤2.1）使用glob模块读取csv或tsv格式文件；步骤2.2）使用numpy模块将csv或tsv格式文件中的数值转换为可用matplotlib模块绘制图像的数组，并计算面分布图中的像素数量N；步骤2.3）使用matplotlib模块中imshow功能绘制各个元素质量百分比或者原子百分比面分布图；步骤2.4）使用numpy中的hstack功能和matplotlib模块中hist功能绘制质量百分比或者原子百分比面分布频数直方图。
本实施例中，使用Python语言实现。使用glob模块读取待检K6509钴基高温合金样品中主要组成元素钴Co，铬Cr，镍Ni，锆Zr，钛Ti，碳C，钨W，钽Ta质量百分比面分布数据文件“Co.csv”，“Cr.csv”，“Ni.csv”，“Zr.csv”，“Ti.csv”，“C.csv”，“W.csv”，“Ta.csv”；使用numpy模块将“Co.csv”，“Cr.csv”，“Ni.csv”，“Zr.csv”，“Ti.csv”，“C.csv”，“W.csv”，“Ta.csv”文件中的数值转换为可用matplotlib模块绘制图像的数组，每个数据具有特定的（x，y）坐标，获得各个元素面分布图中的像素数量N为49152，所有元素面分布图中的像素数量相同。具体的，执行以下命令完成：
import glob
import numpy as np
mapfiles = []
for file in glob.glob("*.csv"):
mapfiles.append(file)
element = []
for i in mapfiles:
element.append(i[:-4])
mapping = {}
for i in range(len(element)):
a = np.genfromtxt(mapfiles[i], delimiter=',')
mapping[element[i]] = np.asarray(a)
y = len(mapping['Co'])
x = len(mapping['Co'][0])
N = x*y
本实施例中，使用matplotlib模块中imshow功能绘制待检K6509钴基高温合金样品中主要组成元素钴Co，铬Cr，镍Ni，锆Zr，钛Ti，碳C，钨W，钽Ta质量百分比面分布图；使用numpy中的hstack功能和matplotlib模块中hist功能绘制待检K6509钴基高温合金样品中主要组成元素钴Co，铬Cr，镍Ni，锆Zr，钛Ti，碳C，钨W，钽Ta质量百分比面分布频数直方图。具体的，执行以下命令完成：
import numpy as np
import matplotlib.pyplot as plt
for e in element:
fig = plt.figure()
ax1 = fig.add_subplot(121)
ax1.imshow(mapping[e])
ax1.axis('off')
ax2 = fig.add_subplot(122)
h = np.hstack(mapping[e])
n, bins, patches = ax2.hist(h)
图2–图9为钴Co，铬Cr，镍Ni，锆Zr，钛Ti，碳C，钨W，钽Ta元素的质量百分比面分布图（左）和面分布频数直方图（右）。
步骤3）在钴元素的面分布频数直方图中读取主峰峰底对应的质量百分比或者原子百分比数值（P1，P2，P1<P2）；其中，钴元素面分布频数直方图中主峰的判断方法：如果钴元素质量百分比或者原子百分比面分布频数分布有且只有一个峰，则该峰位主峰；如果钴元素质量百分比或者原子百分比面分布频数分布有多于一个峰，则峰内面积最大的峰为主峰。
本实施例中，在钴元素的质量百分比面分布频数直方图中读取主峰峰底对应的质量百分比数值P1为0.30，P2为0.70。主峰代表待检K6509钴基高温合金样品分析区域内基体中钴元素的质量百分比的频数分布；其他峰代表其他析出相或颗粒物中钴元素的质量百分比的频数分布。
步骤4）将钴元素面分布图中质量百分比或者原子百分比数值小于P1的像素点识别为碳化物，记录像素点数量（N0）及坐标位置，计算分析区域内碳化物总含量分数，绘制碳化物总分布图；其中，计算碳化物总含量分数的方法是计算N0与N的比值；使用matplotlib模块中imshow功能绘制碳化物分布图。
本实施例中，将钴元素面分布图中质量百分比数值小于0.30的像素点识别为碳化物，记录像素点数量N0为4928，分析区域内碳化物总含量分数为10.03%。图10为待检K6509钴基高温合金样品分析区域内基于元素质量百分比绘制的碳化物总分布图。具体的，执行以下命令完成：
import numpy as np
import matplotlib.pyplot as plt
carbides = np.zeros_like(mapping['Co'])
N0 = 0
cx, cy = [], []
for i in range(0, y):
for j in range(0, x):
if mapping['Co'][i][j] <= 0.30:
carbides[i][j] = 1
cx.append(j)
cy.append(i)
N0 += 1
C = N0/N*100
plt.imshow(carbides)
步骤5）在铬元素的面分布频数直方图中读取主峰峰底对应的质量百分比或者原子百分比数值(P3，P4，P3<P4)。
本实施例中，在铬元素的质量百分比面分布频数直方图中读取主峰峰底对应的质量百分比数值P3为0.10，P4为0.35。
步骤6）将步骤4）记录的碳化物坐标位置上铬元素质量百分比或者原子百分比小于P4的像素点识别为碳化物1，大于等于P4的像素点识别为碳化物2，记录碳化物1与碳化物2的像素点数量（N1与N2）及坐标位置，计算分析区域内碳化物1和碳化物2的含量分数，绘制两种碳化物的分布图；其中，使用matplotlib模块中imshow功能绘制碳化物分布图；计算碳化物1和碳化物2含量分数的方法是计算N1与N的比值和N2与N的比值。
本实施例中，将步骤4）记录的碳化物坐标位置上铬元素质量百分比小于0.35的像素点识别为碳化物1，大于等于0.35的像素点识别为碳化物2。具体的，碳化物1满足的条件是钴元素质量百分比小于0.30且铬元素质量百分比小于0.35；碳化物2满足的条件是钴元素质量百分比小于0.30且铬元素质量百分比大于等于0.35。
本实施例中，记录碳化物1与碳化物2的像素点数量（N1为3716，N2为1212）及坐标位置，分析区域内碳化物1含量分数为7.56%，碳化物2的含量分数为2.47%。图11为待检K6509钴基高温合金样品分析区域内基于元素质量百分比绘制的两种碳化物的分布图。具体的，执行以下命令完成：
import numpy as np
import matplotlib.pyplot as plt
carbides = np.zeros_like(mapping['Co'])
N1,N2 = 0,0
c1x, c1y, c2x, c2y = [], [], [], []
for i in range(0, y):
for j in range(0, x):
if mapping['Co'][i][j] <= 0.30:
carbides[i][j] = 1
c1x.append(j)
c1y.append(i)
N1 += 1
if mapping['Cr'][i][j] >= 0.35:
carbides[i][j] = 2
c2x.append(j)
c2y.append(i)
N2 += 1
C1 = (N1-N2)/N*100
C2 = N2/N*100
plt.imshow(carbides)
实施例2
本实施例提供了一种应用于牌号为K6509的钴基高温合金碳化物的检测方法，但不限于此，包括以下步骤：
步骤1）对待检样品使用扫描电子显微镜结合X射线能谱仪进行元素面分析，获取各个组成元素质量百分比或者原子百分比面分布数据，并存储为特定格式文件；其中，待检样品为钴基高温合金，所含铬元素总质量分数20-30 wt%；X射线能谱仪死时间在10%–30%范围内，采集时间不低于10 min；面分布数据记录各个元素在分析区域内每个像素点的质量百分比或者原子百分比；特定格式的文件为csv或tsv格式文件，并以元素符号命名。
本实施例中，待检样品为牌号为K6509的钴基高温合金，主要组成元素有钴Co，铬Cr，镍Ni，锆Zr，钛Ti，钨W，碳C，钽Ta，所含铬元素总质量分数为23.00-24.00 wt%。本实施例通过碳化物与基体中钴元素含量的不同区分碳化物与基体，通过不同类型碳化物中铬元素的含量不同区分碳化物种类。
本实施例中，X射线能谱仪死时间为15%，采集时间为20 min，以采集足够的特征X射线信号，保证元素面分析的准确度。
本实施例中，获取待检K6509钴基高温合金样品主要组成元素钴Co，铬Cr，镍Ni，锆Zr，钛Ti，碳C，钨W，钽Ta的原子百分比面分布数据。每个元素的面分布数据是一个二维数组，每个像素点具有特定的（x，y）坐标。存储的文件格式为tsv格式文件，文件名为：“Co.csv”，“Cr.csv”，“Ni.csv”，“Zr.csv”，“Ti.csv”，“C.csv”，“W.csv”，“Ta.csv”，以便后续程序读取编辑。
步骤2）读取步骤1）所述特定格式文件，计算面分布图中的像素数量N，绘制各个元素质量百分比或者原子百分比面分布图和面分布频数直方图；其中，使用Python语言实现，具体过程为：步骤2.1）使用glob模块读取csv或tsv格式文件；步骤2.2）使用numpy模块将csv或tsv格式文件中的数值转换为可用matplotlib模块绘制图像的数组，并计算面分布图中的像素数量N；步骤2.3）使用matplotlib模块中imshow功能绘制各个元素质量百分比或者原子百分比面分布图；步骤2.4）使用numpy中的hstack功能和matplotlib模块中hist功能绘制质量百分比或者原子百分比面分布频数直方图。
本实施例中，使用Python语言实现。使用glob模块读取待检K6509钴基高温合金样品中主要组成元素钴Co，铬Cr，镍Ni，锆Zr，钛Ti，碳C，钨W，钽Ta原子百分比面分布数据文件“Co.csv”，“Cr.csv”，“Ni.csv”，“Zr.csv”，“Ti.csv”，“C.csv”，“W.csv”，“Ta.csv”；使用numpy模块将“Co.csv”，“Cr.csv”，“Ni.csv”，“Zr.csv”，“Ti.csv”，“C.csv”，“W.csv”，“Ta.csv”文件中的数值转换为可用matplotlib模块绘制图像的数组，每个数据具有特定的（x，y）坐标，获得各个元素面分布图中的像素数量N为49152，所有元素面分布图中的像素数量相同。具体的，执行以下命令完成：
import glob
import numpy as np
mapfiles = []
for file in glob.glob("*.csv"):
mapfiles.append(file)
element = []
for i in mapfiles:
element.append(i[:-4])
mapping = {}
for i in range(len(element)):
a = np.genfromtxt(mapfiles[i], delimiter=',')
mapping[element[i]] = np.asarray(a)
y = len(mapping['Co'])
x = len(mapping['Co'][0])
N = x*y
本实施例中，使用matplotlib模块中imshow功能绘制待检K6509钴基高温合金样品中主要组成元素钴Co，铬Cr，镍Ni，锆Zr，钛Ti，碳C，钨W，钽Ta原子百分比面分布图；使用numpy中的hstack功能和matplotlib模块中hist功能绘制待检K6509钴基高温合金样品中主要组成元素钴Co，铬Cr，镍Ni，锆Zr，钛Ti，碳C，钨W，钽Ta原子百分比面分布频数直方图。具体的，执行以下命令完成：
import numpy as np
import matplotlib.pyplot as plt
for e in element:
fig = plt.figure()
ax1 = fig.add_subplot(121)
ax1.imshow(mapping[e])
ax1.axis('off')
ax2 = fig.add_subplot(122)
h = np.hstack(mapping[e])
n, bins, patches = ax2.hist(h)
图12–图19为钴Co，铬Cr，镍Ni，锆Zr，钛Ti，碳C，钨W，钽Ta元素的原子百分比面分布图（左）和面分布频数直方图（右）。
步骤3）在钴元素的面分布频数直方图中读取主峰峰底对应的质量百分比或者原子百分比数值（P1，P2，P1<P2）；其中，钴元素面分布频数直方图中主峰的判断方法：如果钴元素质量百分比或者原子百分比面分布频数分布有且只有一个峰，则该峰位主峰；如果钴元素质量百分比或者原子百分比面分布频数分布有多于一个峰，则峰内面积最大的峰为主峰。
本实施例中，在钴元素的原子百分比面分布频数直方图中读取主峰峰底对应的质量百分比数值P1为0.25，P2为0.70。主峰代表待检K6509钴基高温合金样品分析区域内基体中钴元素的原子百分比的频数分布；其他峰代表其他析出相或颗粒物中钴元素的原子百分比的频数分布。
步骤4）将钴元素面分布图中质量百分比或者原子百分比数值小于等于P1的像素点识别为碳化物，记录像素点数量（N0）及坐标位置，计算分析区域内碳化物总含量分数，绘制碳化物总分布图；其中，计算碳化物总含量分数的方法是计算N0与N的比值；使用matplotlib模块中imshow功能绘制碳化物分布图。
本实施例中，将钴元素面分布图中原子百分比数值小于等于0.25的像素点识别为碳化物，记录像素点数量N0为4813，分析区域内碳化物总含量分数为9.79%。图20为待检K6509钴基高温合金样品分析区域内基于元素原子百分比绘制的碳化物总分布图。具体的，执行以下命令完成：
import numpy as np
import matplotlib.pyplot as plt
carbides = np.zeros_like(mapping['Co'])
N0 = 0
cx, cy = [], []
for i in range(0, y):
for j in range(0, x):
if mapping['Co'][i][j] <= 0.25:
carbides[i][j] = 1
cx.append(j)
cy.append(i)
N0 += 1
C = N0/N*100
plt.imshow(carbides)
步骤5）在铬元素的面分布频数直方图中读取主峰峰底对应的质量百分比或者原子百分比数值(P3，P4，P3<P4)。
本实施例中，在铬元素的原子百分比面分布频数直方图中读取主峰峰底对应的质量百分比数值P3为0.10，P4为0.35。
步骤6）将步骤4）记录的碳化物坐标位置上铬元素质量百分比或者原子百分比小于等于P4的像素点识别为碳化物1，大于等于P4的像素点识别为碳化物2，记录碳化物1与碳化物2的像素点数量（N1与N2）及坐标位置，计算分析区域内碳化物1和碳化物2的含量分数，绘制两种碳化物的分布图；其中，使用matplotlib模块中imshow功能绘制碳化物分布图；计算碳化物1和碳化物2含量分数的方法是计算N1与N的比值和N2与N的比值。
本实施例中，将步骤4）记录的碳化物坐标位置上铬元素原子百分比小于等于0.25的像素点并识别为碳化物1，大于等于0.25的像素点识别为碳化物2。具体的，碳化物1满足的条件是钴元素原子百分比小于等于0.25且铬元素质量百分比或者原子百分比小于等于0.35；碳化物2满足的条件是钴元素原子百分比小于等于0.25且铬元素原子百分比大于等于0.35。
本实施例中，记录碳化物1与碳化物2的像素点数量（N1为3673，N2为1140）及坐标位置，分析区域内碳化物1含量分数为7.47%，碳化物2的含量分数为2.32%。图21为待检K6509钴基高温合金样品分析区域内基于元素原子百分比绘制的两种碳化物的分布图。具体的，执行以下命令完成：
import numpy as np
import matplotlib.pyplot as plt
carbides = np.zeros_like(mapping['Co'])
N1,N2 = 0,0
c1x, c1y, c2x, c2y = [], [], [], []
for i in range(0, y):
for j in range(0, x):
if mapping['Co'][i][j] <= 0.25:
carbides[i][j] = 1
c1x.append(j)
c1y.append(i)
N1 += 1
if mapping['Cr'][i][j] >= 0.35:
carbides[i][j] = 2
c2x.append(j)
c2y.append(i)
N2 += 1
C1 = (N1-N2)/N*100
C2 = N2/N*100
plt.imshow(carbides)
参照图23，图23为本发明实施例方案涉及的硬件运行环境的钴基高温合金碳化物的检测设备结构示意图。
如图23所示，该钴基高温合金碳化物的检测设备可以包括：处理器1001，例如中央处理器（Central Processing Unit，CPU），通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏（Display）、输入单元比如键盘（Keyboard），可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口（如无线保真（WIreless-FIdelity，WI-FI）接口）。存储器1005可以是高速的随机存取存储器（RandomAccess Memory，RAM）存储器，也可以是稳定的非易失性存储器（Non-Volatile Memory，NVM），例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图23中示出的结构并不构成对钴基高温合金碳化物的检测设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图23所示，作为一种存储介质的存储器1005中可以包括操作系统、数据存储模块、网络通信模块、用户接口模块以及钴基高温合金碳化物的检测程序。
在图23所示的钴基高温合金碳化物的检测设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明钴基高温合金碳化物的检测设备中的处理器1001、存储器1005可以设置在钴基高温合金碳化物的检测设备中，钴基高温合金碳化物的检测设备通过处理器1001调用存储器1005中存储的钴基高温合金碳化物的检测程序，并执行本发明实施例提供的钴基高温合金碳化物的检测方法。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (8)

1.一种钴基高温合金碳化物的检测方法，其特征在于，包括以下步骤：
获取待检测钴基高温合金在X射线能谱仪条件下的元素面分布图，其中，所述待检测钴基高温合金中，铬元素的质量百分比的取值范围为20wt%-30wt%；
根据所述元素面分布图，得到所述待检测钴基高温合金中各元素的质量百分含量数据或者所述待检测钴基高温合金中各元素的原子百分比面分布数据，以及，所述待检测钴基高温合金中各元素面分布图中的像素数量；
根据所述待检测钴基高温合金中各组成元素的质量百分含量数据或者所述待检测钴基高温合金中各组成元素的原子百分比面分布数据，以及，所述待检测钴基高温合金中各元素面分布图中的像素数量，绘制所述待检测钴基高温合金中各元素质量百分比面分布图或者所述待检测钴基高温合金中各元素原子百分比面分布图，以及，所述待检测钴基高温合金中各元素面分布频数直方图；
根据所述待检测钴基高温合金中各元素质量百分比面分布图或者所述待检测钴基高温合金中各元素原子百分比面分布图，以及，所述待检测钴基高温合金中各元素面分布频数直方图，进行计算，得到所述待检测钴基高温合金中的碳化物检测结果，在所述待检测钴基高温合金中各元素面分布频数直方图中，读取钴元素、铬元素主峰峰底对应的质量百分比数值或者主峰峰底对应的原子百分比数值，其中，如果钴元素、铬元素质量百分比或者原子百分比面分布频数分布有且只有一个峰，则该峰为主峰；如果钴元素、铬元素质量百分比或者原子百分比面分布频数分布有多于一个峰，则峰内面积最大的峰为主峰。
2.根据权利要求1所述的钴基高温合金碳化物的检测方法，其特征在于，所述根据所述待检测钴基高温合金中各元素质量百分比面分布图或者所述待检测钴基高温合金中各元素原子百分比面分布图，以及，所述待检测钴基高温合金中各元素面分布频数直方图，进行计算，得到所述待检测钴基高温合金中的碳化物检测结果还包括以下步骤：
通过所述主峰峰底对应的质量百分比数值或者主峰峰底对应的原子百分比数值，识别所述待检测钴基高温合金中的碳化物对应的像素点数量及坐标位置；
根据所述待检测钴基高温合金中的碳化物对应的像素点数量及坐标位置，计算所述待检测钴基高温合金中的碳化物的质量百分含量，得到所述待检测钴基高温合金中的碳化物检测结果。
3.根据权利要求1所述的钴基高温合金碳化物的检测方法，其特征在于，所述获取待检测钴基高温合金在X射线能谱仪条件下的元素面分布图的步骤过程中，所述X射线能谱仪的死时间的取值范围为10%-30%，采集持续时间大于或者等于10min。
4.根据权利要求1所述的钴基高温合金碳化物的检测方法，其特征在于，所述获取待检测钴基高温合金在X射线能谱仪条件下的元素面分布图的步骤过程中，所述待检测钴基高温合金在X射线能谱仪条件下的元素面分布图的存储格式为csv文件或者tsv文件，所述csv文件或者tsv文件以所述待检测钴基高温合金中的元素符号命名。
5.根据权利要求4所述的钴基高温合金碳化物的检测方法，其特征在于，所述根据所述待检测钴基高温合金中各组成元素的质量百分含量数据或者所述待检测钴基高温合金中各组成元素的原子百分比面分布数据，以及，所述待检测钴基高温合金中各元素面分布图中的像素数量，绘制所述待检测钴基高温合金中各元素质量百分比面分布图或者所述待检测钴基高温合金中各元素原子百分比面分布图，以及，所述待检测钴基高温合金中各元素面分布频数直方图通过Python语言实现，具体包括以下步骤：
使用glob模块读取所述csv文件或者tsv文件；
使用numpy模块将所述csv文件或者tsv文件中的数值转换为可用matplotlib模块绘制图像的数组，并计算所述面分布图中的像素数量；
使用matplotlib模块中的imshow功能绘制所述待检测钴基高温合金各个元素质量百分比面分布图或者所述待检测钴基高温合金的原子百分比面分布图；
使用numpy模块中的hstack功能和matplotlib模块中hist功能绘制质量百分比直方图，以及，原子百分比面分布频数直方图。
6.一种钴基高温合金碳化物的检测装置，其特征在于，包括：
元素面分布图获取单元，用于获取待检测钴基高温合金在X射线能谱仪条件下的元素面分布图，其中，所述待检测钴基高温合金中，铬元素的质量百分比的取值范围为20wt%-30wt%；
数据识别单元，用于根据所述元素面分布图，得到所述待检测钴基高温合金中各元素的质量百分含量数据或者所述待检测钴基高温合金中各元素的原子百分比面分布数据，以及，所述待检测钴基高温合金中各元素面分布图中的像素数量；
绘图单元，用于根据所述待检测钴基高温合金中各组成元素的质量百分含量数据或者所述待检测钴基高温合金中各组成元素的原子百分比面分布数据，以及，所述待检测钴基高温合金中各元素面分布图中的像素数量，绘制所述待检测钴基高温合金中各元素质量百分比面分布图或者所述待检测钴基高温合金中各元素原子百分比面分布图，以及，所述待检测钴基高温合金中各元素面分布频数直方图；
计算单元，用于根据所述待检测钴基高温合金中各元素质量百分比面分布图或者所述待检测钴基高温合金中各元素原子百分比面分布图，以及，所述待检测钴基高温合金中各元素面分布频数直方图，进行计算，得到所述待检测钴基高温合金中的碳化物检测结果，在所述待检测钴基高温合金中各元素面分布频数直方图中，读取钴元素、铬元素主峰峰底对应的质量百分比数值或者主峰峰底对应的原子百分比数值，其中，如果钴元素、铬元素质量百分比或者原子百分比面分布频数分布有且只有一个峰，则该峰为主峰；如果钴元素、铬元素质量百分比或者原子百分比面分布频数分布有多于一个峰，则峰内面积最大的峰为主峰。
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有钴基高温合金碳化物的检测程序，所述钴基高温合金碳化物的检测程序在被处理器执行时，实现权利要求1-5中任一所述的钴基高温合金碳化物的检测方法的步骤。
8.一种电子设备，其特征在于，包括存储器和处理器，所述存储器上存储有钴基高温合金碳化物的检测程序，所述钴基高温合金碳化物的检测程序在被处理器执行时，实现权利要求1-5中任一所述的钴基高温合金碳化物的检测方法的步骤。
CN202211050367.5A 2022-08-29 2022-08-29 钴基高温合金碳化物的检测方法、装置、存储介质及电子设备 Active CN115132301B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211050367.5A CN115132301B (zh) 2022-08-29 2022-08-29 钴基高温合金碳化物的检测方法、装置、存储介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211050367.5A CN115132301B (zh) 2022-08-29 2022-08-29 钴基高温合金碳化物的检测方法、装置、存储介质及电子设备

Publications (2)

Publication Number Publication Date
CN115132301A CN115132301A (zh) 2022-09-30
CN115132301B true CN115132301B (zh) 2022-12-16

Family

ID=83387765

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211050367.5A Active CN115132301B (zh) 2022-08-29 2022-08-29 钴基高温合金碳化物的检测方法、装置、存储介质及电子设备

Country Status (1)

Country Link
CN (1) CN115132301B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116660302B (zh) * 2023-07-27 2023-11-07 中国航发北京航空材料研究院 一种镍基单晶高温合金γ′相的检测方法及相关装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105154719A (zh) * 2015-10-19 2015-12-16 东方电气集团东方汽轮机有限公司 一种镍基高温合金及其制备方法
CN107607565A (zh) * 2017-08-30 2018-01-19 华能国际电力股份有限公司 一种测量镍基单晶高温合金中γ′相体积分数的方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
ES2309855T5 (es) * 2006-04-19 2013-03-11 Ropal Ag Procedimiento para la fabricación de un sustrato protegido contra la corrosión, de brillo intenso
ES2766756T3 (es) * 2011-07-29 2020-06-15 Nippon Steel Corp Chapa de acero de alta resistencia y chapa de acero galvanizado de alta resistencia con excelente capacidad de fijación de forma, y método de fabricación de las mismas
EP3435387B1 (en) * 2016-03-25 2021-06-09 National Institute of Advanced Industrial Science and Technology Magnetic material and manufacturing method therefor
WO2021010476A1 (ja) * 2019-07-18 2021-01-21 住友電気工業株式会社 立方晶窒化硼素焼結体
CN112415029A (zh) * 2020-11-23 2021-02-26 中国华能集团有限公司 一种直接测试合金中析出相体积分数的方法
CN114199919B (zh) * 2021-10-11 2024-04-09 中国航发北京航空材料研究院 一种基于x射线能谱微区面扫描的图像处理方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105154719A (zh) * 2015-10-19 2015-12-16 东方电气集团东方汽轮机有限公司 一种镍基高温合金及其制备方法
CN107607565A (zh) * 2017-08-30 2018-01-19 华能国际电力股份有限公司 一种测量镍基单晶高温合金中γ′相体积分数的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
氮化硅 + 石墨激光合金化涂层的组织结构;王黎钦等;《中国激光》;20030930;第30卷(第9期);855-858 *

Also Published As

Publication number Publication date
CN115132301A (zh) 2022-09-30

Similar Documents

Publication Publication Date Title
CN115132301B (zh) 钴基高温合金碳化物的检测方法、装置、存储介质及电子设备
JP5254612B2 (ja) グラフィック再検査ユーザ設定インタフェース
CN108564085B (zh) 一种自动读取指针式仪表读数的方法
CN107209935A (zh) 用于测量移动文档图像质量的系统及方法
Kaufmann et al. Phase mapping in EBSD using convolutional neural networks
US8229203B2 (en) Dynamic print contrast signal determination for paper documents
Li et al. Robust median filtering detection based on the difference of frequency residuals
CN110146526A (zh) 一种结构缺陷检测系统和方法
CN114862812A (zh) 基于先验知识的两阶段轨道交通车辆缺陷检测方法和系统
Raof et al. Color thresholding method for image segmentation algorithm of Ziehl-Neelsen sputum slide images
EP3837664A1 (en) Generating annotation data of tissue images
CN111309791A (zh) 一种检测仪器数据自动采集方法
CN109978855A (zh) 一种遥感图像变化检测方法及装置
JP2020113767A (ja) 半導体試料の欠陥を分類する方法およびそのシステム
US5535313A (en) Automated quality control in a document conversion system
Van Boxel et al. Visualization of grain subdivision by analysing the misorientations within a grain using electron backscatter diffraction
CN116660302B (zh) 一种镍基单晶高温合金γ′相的检测方法及相关装置
CN108664936A (zh) 一种基于机器故障的诊断方法及系统
WO2022124007A1 (ja) オブジェクト分類装置、オブジェクト分類システム及びオブジェクト分類方法
CN115423421A (zh) 检验报告的流程自动审核方法、装置、电子设备及介质
JP6034529B1 (ja) 表面状態診断装置
CN112434824A (zh) 一种飞机故障维修管理系统
Jeong et al. Automatic image contrast enhancement for small ship detection and inspection using RADARSAT-2 synthetic aperture radar data
CN115631197B (zh) 一种图像处理方法、装置、介质、设备及系统
Huang et al. A Digital Evaluation Approach for Nodule Size Analysis of Pearlite Mixture Phase Structure in Steel

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant