CN115760956A - 高碳铬轴承钢不同级别碳化物带状图像的定量评级方法 - Google Patents

高碳铬轴承钢不同级别碳化物带状图像的定量评级方法 Download PDF

Info

Publication number
CN115760956A
CN115760956A CN202211318134.9A CN202211318134A CN115760956A CN 115760956 A CN115760956 A CN 115760956A CN 202211318134 A CN202211318134 A CN 202211318134A CN 115760956 A CN115760956 A CN 115760956A
Authority
CN
China
Prior art keywords
carbide
image
grade
bearing steel
images
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
Application number
CN202211318134.9A
Other languages
English (en)
Inventor
皮晓宇
张梦
孙成祥
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.)
Huihong Intelligent Technology Liaoning Co ltd
Original Assignee
Huihong Intelligent Technology Liaoning Co ltd
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 Huihong Intelligent Technology Liaoning Co ltd filed Critical Huihong Intelligent Technology Liaoning Co ltd
Priority to CN202211318134.9A priority Critical patent/CN115760956A/zh
Publication of CN115760956A publication Critical patent/CN115760956A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Investigating And Analyzing Materials By Characteristic Methods (AREA)

Abstract

本发明公开了高碳铬轴承钢不同级别碳化物带状图像的定量评级方法，根据国标要求，以图像中心为圆心，截取直径为800um的圆形区域作为检测视场；通过传统算法对图像下的碳化物带状进行提取，并自动识别、标记和检测。本发明分别对100倍图像和500倍图像不同级别的高碳铬轴承钢碳化物带状图像进行定量评级，100倍碳化物带状的级别与碳化物条带的宽度存在着一定的非线性关系，500倍碳化物带状的级别与碳化物含量存在着一定的关系，其中通过500倍下碳化物含量进行评级的方式与人为评定的级别进行对比，整体识别准确率达到95%以上，而通过100倍下碳化物带状宽度评级的方式，等效宽度评级与人为评定级别对比，整体识别准确率在84%左右。

Description

高碳铬轴承钢不同级别碳化物带状图像的定量评级方法
技术领域
本发明涉及碳化物带状图像定量评级技术领域，具体为高碳铬轴承钢不同级别碳化物带状图像的定量评级方法。
背景技术
碳化物偏析是反映轴承钢均匀性的重要指标，通常用碳化物液析、碳化物带状、碳化物网状级别来表示偏析的严重程度，碳化物带状是在一般的热处理过程中无法消除的，而且带状碳化物的存在会使轴承钢的机械性能不均匀，进而直接影响钢的冷、热加工性能，降低轴承的疲劳寿命。
现阶段，高碳铬轴承钢碳化物带状的评级往往通过不同的金相检测人员对100倍图像下条带的大致形态和贯穿程度以及500倍下碳化物颗粒的分布情况，以比较法的方式，通过将拍摄的图像与图谱比较，靠肉眼观察进行评级，这种评级方式会因人而异，不同的金相检测人员评级结果不一致，误差较大，容易造成分歧，并且不同样品其对应的图像数量巨大，通过比较法的方式需要投入大量的时间和人力成本，在经济和效率上很难满足行业的要求。
发明内容
本发明的目的在于提供高碳铬轴承钢不同级别碳化物带状图像的定量评级方法，分别对100倍图像和500倍图像不同级别的高碳铬轴承钢碳化物带状图像进行定量评级。
为实现上述目的，本发明提供如下技术方案：高碳铬轴承钢不同级别碳化物带状图像的定量评级方法，其定量评级方法包括以下步骤：100倍图像：
A.根据国标要求，以图像中心为圆心，截取直径为800um的圆形区域作为检测视场；
B.通过传统算法对图像下的碳化物带状进行提取，并自动识别、标记和检测；
C.对于检测到的条带，计算碳化物带状等效宽度；
D.根据统计分析结果，按照回归公式计算级别。
500倍图像：
A.对图像进行二值处理；
B.自动统计图像中碳化物颗粒的最大直径、平均直径、碳化物面积以及颗粒的聚集程度(颗粒间平均距离)；
C.过滤掉定义为非碳化物带状的颗粒；
D.根据碳化物含量，按照回归公式计算级别。
优选的，采用轴承钢某一纵截面显微镜下拍摄的，以电子文件形式存储的，且具有明确的标尺刻度的，可直接用于读取或操作的100倍图像。
优选的，100倍图像下，条带的形成是通过颗粒的聚集视觉上显示出来的一种形式，直接对100倍图像进行二值化是无法找到条带的。
优选的，通过OSTU(大津法)算法选择最优阈值进行二值化。
优选的，主要测量碳化物面积、碳化物颗粒个数、碳化物离散程度(级碳化物颗粒间平均距离)、颗粒平均直径、颗粒平均面积等。
与现有技术相比，本发明的有益效果如下：
1、本发明分别对100倍图像和500倍图像不同级别的高碳铬轴承钢碳化物带状图像进行定量评级，100倍碳化物带状的级别与碳化物条带的宽度存在着一定的非线性关系，500倍碳化物带状的级别与碳化物含量存在着一定的关系，其中通过500倍下碳化物含量进行评级的方式与人为评定的级别进行对比，整体识别准确率达到95％以上，而通过100倍下碳化物带状宽度评级的方式，等效宽度评级与人为评定级别对比，整体识别准确率在84％左右。
附图说明
图1为本发明高碳铬轴承钢带状图像分析处理流程图；
图2为本发明100倍碳化物带状条带突出算法；
图3为本发明处理效果图；
图4为本发明100倍碳化物级别与碳化物带状等效宽度对比关系图；
图5为本发明500倍图像二值化(OSTU)后效果图；
图6为本发明检测效果图。
具体实施方式
下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1-6，本发明提供如下技术方案：高碳铬轴承钢不同级别碳化物带状图像的定量评级方法，其定量评级方法包括以下步骤：100倍图像：
A.根据国标要求，以图像中心为圆心，截取直径为800um的圆形区域作为检测视场；
B.通过传统算法对图像下的碳化物带状进行提取，并自动识别、标记和检测；
C.对于检测到的条带，计算碳化物带状等效宽度；
D.根据统计分析结果，按照回归公式计算级别。
500倍图像：
A.对图像进行二值处理；
B.自动统计图像中碳化物颗粒的最大直径、平均直径、碳化物面积以及颗粒的聚集程度(颗粒间平均距离)；
C.过滤掉定义为非碳化物带状的颗粒；
D.根据碳化物含量，按照回归公式计算级别。
实施例一：
100倍图像：
A.根据国标要求，以图像中心为圆心，截取直径为800um的圆形区域作为检测视场；
B.通过传统算法对图像下的碳化物带状进行提取，并自动识别、标记和检测；
C.对于检测到的条带，计算碳化物带状等效宽度；
D.根据统计分析结果，按照回归公式计算级别。
500倍图像：
A.对图像进行二值处理；
B.自动统计图像中碳化物颗粒的最大直径、平均直径、碳化物面积以及颗粒的聚集程度(颗粒间平均距离)；
C.过滤掉定义为非碳化物带状的颗粒；
D.根据碳化物含量，按照回归公式计算级别。
实施例二：
A、100倍图像处理
1.图片要求：采用轴承钢某一纵截面显微镜下拍摄的，以电子文件形式存储的，且具有明确的标尺刻度的，可直接用于读取或操作的100倍图像，由于图像处理算法在图像识别时对于图片质量具有一定的要求，建议试样在达到严格的腐蚀条件后，采用专业的图像分析软件(本研究主要采用Metis分析软件拍摄的图片为依据)进行图像亮度、对比度等参数的调节，图像清晰、碳化物突出后再进行拍摄；
2.视场选取：根据国家标准要求，100倍图像分析通常选取直径800um的视场，并对该视场中最严重的一条带状作为检测对象进行评级；
3.条带突出：100倍图像下，条带的形成是通过颗粒的聚集视觉上显示出来的一种形式，直接对100倍图像进行二值化是无法找到条带的，当前算法主要通过如下步骤来突出图像中的条带；
4.等效宽度：通过寻找条带轮廓面积以及条带长度，计算带状的等效宽度；
5.统计分析：通过统计分析，最终给出100倍下轴承钢碳化物带状级别与碳化物带状等效宽度的非线性关系表达式为：
W＝18.643L1.1608
其中，W表示碳化物带状最大宽度，L表示级别，相关指数为R2＝0.6817。
具体的级别对应的带状等效宽度范围如下：
表1100倍下不同级别碳化物带状等效宽度范围值
级别 带状等效宽度最小(单位:um) 带状等效宽度最大(单位:um)
1 0 <18.64
1.5 18.64 <29.83
2 29.83 <41.68
2.5 41.68 <54.00
3 54.00 <66.74
3.5 66.74 <79.81
4 79.81 及以上
6.评级：通过对161张图像进行测试，结果如下。
表2100倍下带状等效宽度定量法评级结果
Figure BDA0003909287560000051
Figure BDA0003909287560000061
B、500倍图像处理
1.图片要求：500倍图片要求与100倍图像要求一致，另外，500倍图像与100倍图像是一一对应的关系，因此，500倍图像通常选取100倍图像下恶劣视场部分进行放大；
2.二值化处理：通过OSTU(大津法)算法选择最优阈值进行二值化；
其中，较小颗粒被忽略，未予以检测，这并不影响整体的检测结果。
3.碳化物测量：主要测量碳化物面积、碳化物颗粒个数、碳化物离散程度(级碳化物颗粒间平均距离)、颗粒平均直径、颗粒平均面积等；
4.统计分析：通过统计分析，给出各个级别对应得碳化物含量范围如下：
表3500倍下不同级别碳化物带状碳化物含量范围值
级别 碳化物含量(单位:um<sup>2</sup>)
1 <27027
1.5 <37838
2 <54054
2.5 <59459
3 <81081
3.5 <86486
4 以上
5.评级：通过161张图片进行测试，测试结果如下。
表4500倍下碳化物含量定量法评级结果
Figure BDA0003909287560000071
Figure BDA0003909287560000081
C、结论
综上结果分析，100倍碳化物带状的级别与碳化物条带的宽度存在着一定的非线性关系，500倍碳化物带状的级别与碳化物含量存在着一定的关系，其中通过500倍下碳化物含量进行评级的方式与人为评定的级别进行对比，整体识别准确率达到95％以上，而通过100倍下碳化物带状宽度评级的方式，等效宽度评级与人为评定级别对比，整体识别准确率在84％左右，此结果均是以人为评定的级别作为依据，而人为评定结果也因人而异，另外，由于图像上会存在不同程度的噪声干扰，影响图像的二值化效果，因此，整体的评级结果会存在一定不同程度的误差。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (5)

1.高碳铬轴承钢不同级别碳化物带状图像的定量评级方法，其特征在于：其定量评级方法包括以下步骤：
100倍图像：
A.根据国标要求，以图像中心为圆心，截取直径为800um的圆形区域作为检测视场；
B.通过传统算法对图像下的碳化物带状进行提取，并自动识别、标记和检测；
C.对于检测到的条带，计算碳化物带状等效宽度；
D.根据统计分析结果，按照回归公式计算级别；
500倍图像：
A.对图像进行二值处理；
B.自动统计图像中碳化物颗粒的最大直径、平均直径、碳化物面积以及颗粒的聚集程度（颗粒间平均距离）；
C.过滤掉定义为非碳化物带状的颗粒；
D.根据碳化物含量，按照回归公式计算级别。
2.根据权利要求1所述的高碳铬轴承钢不同级别碳化物带状图像的定量评级方法，其特征在于：采用轴承钢某一纵截面显微镜下拍摄的，以电子文件形式存储的，且具有明确的标尺刻度的，可直接用于读取或操作的100倍图像。
3.根据权利要求1所述的高碳铬轴承钢不同级别碳化物带状图像的定量评级方法，其特征在于：100倍图像下，条带的形成是通过颗粒的聚集视觉上显示出来的一种形式，直接对100倍图像进行二值化是无法找到条带的。
4.根据权利要求1所述的高碳铬轴承钢不同级别碳化物带状图像的定量评级方法，其特征在于：通过OSTU（大津法）算法选择最优阈值进行二值化。
5.根据权利要求1所述的高碳铬轴承钢不同级别碳化物带状图像的定量评级方法，其特征在于：主要测量碳化物面积、碳化物颗粒个数、碳化物离散程度（级碳化物颗粒间平均距离）、颗粒平均直径、颗粒平均面积等。
CN202211318134.9A 2022-10-26 2022-10-26 高碳铬轴承钢不同级别碳化物带状图像的定量评级方法 Pending CN115760956A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211318134.9A CN115760956A (zh) 2022-10-26 2022-10-26 高碳铬轴承钢不同级别碳化物带状图像的定量评级方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211318134.9A CN115760956A (zh) 2022-10-26 2022-10-26 高碳铬轴承钢不同级别碳化物带状图像的定量评级方法

Publications (1)

Publication Number Publication Date
CN115760956A true CN115760956A (zh) 2023-03-07

Family

ID=85353337

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211318134.9A Pending CN115760956A (zh) 2022-10-26 2022-10-26 高碳铬轴承钢不同级别碳化物带状图像的定量评级方法

Country Status (1)

Country Link
CN (1) CN115760956A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117252804A (zh) * 2023-07-06 2023-12-19 南京航空航天大学 一种轴承钢中带状碳化物的自动分析方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117252804A (zh) * 2023-07-06 2023-12-19 南京航空航天大学 一种轴承钢中带状碳化物的自动分析方法

Similar Documents

Publication Publication Date Title
CN111242123B (zh) 一种基于红外图像的电力设备故障诊断方法
CN109685289B (zh) 高炉炉况顺行预测方法、装置及系统
CN115760956A (zh) 高碳铬轴承钢不同级别碳化物带状图像的定量评级方法
CN103616387B (zh) 弹簧钢盘条夹杂物定量检测方法
CN105445306A (zh) 一种钢中元素偏析程度的评定方法
CN111299318B (zh) 一种热轧板带产品表面质量的自动判定方法
CN103439473B (zh) 一种12Cr1MoV钢受热面状态评估方法
CN102954976A (zh) 一种盘条中心偏析的定量检验方法
CN106442122B (zh) 基于图像分割和辨识的钢材料落锤撕裂试验断口韧性断面百分比检测方法
CN111402236A (zh) 一种基于图像灰度值的热轧带钢表面缺陷分级方法
CN110930057A (zh) 基于lof算法的配电变压器检验结果可信度的量化评判方法
CN112362638A (zh) 一种光电直读光谱仪测定mc6铬含量的方法
CN107610119A (zh) 基于直方图分解的带钢表面缺陷精准检测方法
CN115311284A (zh) 用于玻璃纤维毡的生产质量检测方法
CN117218114B (zh) 一种基于图像数据处理的网状织物缺陷快速检测方法
CN104237159A (zh) 一种近红外光谱分析混合材料中邻苯二甲酸二丁酯含量的方法
CN111680696A (zh) 识别素材晶粒度的方法以及钢材晶粒度检测方法
CN114972353B (zh) 一种金属高压特种管件质量评估方法及系统
CN109580464B (zh) 一种检测评价电网设备涂层质量的方法
CN116228743A (zh) 一种m50高温轴承钢一次碳化物的检测方法及系统
CN115496706A (zh) 一种基于数字图像处理的表面腐蚀比率测量方法
CN112734208B (zh) 燃煤验收监测装置、方法、设备以及可读存储介质
CN112734211B (zh) 煤质一致性的评价方法、装置、设备及可读存储介质
CN115586145A (zh) 一种基于光谱技术的钢铁冶金行业废水重金属监测方法
CN110470619A (zh) 基于光谱特性的西瓜成熟度快速无损检测方法

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