[发明专利]一种金属材料的金相组织智能识别方法、装置及存储介质

说明书

本发明公开了一种金属材料的金相组织智能识别方法，步骤包括：采集金属显微组织图像；从所述金属显微组织图像中提取组元特征；根据所述组元特征判断所述金属材料的组成相。本发明提供了一种金属材料的金相组织智能识别方法、装置及存储介质，能够识别出待测材料的金相。

技术领域

本发明涉及机器学习及金属材料性能测试技术领域，尤其是涉及一种金属材料的金相组织智能识别方法、装置及存储介质。

背景技术

金相指的是金属或合金的化学成分以及各种成分在合金内部的物理状态和化学状态。金属材料的内部结构，只有在显微镜下才能观察到，在显微镜下看到的内部组织结构称为显微组织或金相组织。金相组织反映金属金相的具体形态，如马氏体，奥氏体，铁素体，珠光体等等，金相组织也可能存在缺陷，常见的缺陷包括金相球化、碳化物聚集等。不同的金相组织决定金属材料的综合性能，金相组织存在的缺陷又会影响性能发挥，因此需要在识别金属材料的金相组织的前提下合理运用金属材料。当前，人们利用显微镜观察金属材料的金相组织并依赖个人知识及经验判断金相形态，是否存在缺陷。该方法存在主观臆断，极依赖工作者的个人能力，因此当前的技术还有很大改进空间。

发明内容

针对上述技术问题，本发明提供了一种金属材料的金相组织智能识别方法、装置及存储介质，能够识别出待测材料的金相。所述技术方案如下：

第一方面，本发明实施例提供了一种金属材料的金相组织智能识别方法，步骤包括：

采集金属显微组织图像；

从所述金属显微组织图像中提取组元特征；

根据所述组元特征判断所述金属材料的组成相。

在本发明第一方面的第一种可能的实现方式中，从所述金属显微组织图像中提取组元特征，包括：

提取所述金属显微组织图像中全部的图像特征；

根据设定的筛选条件，从所述图像特征中筛选出组元特征；所述筛选条件包括图像的分辨率、图像的像素值；

进一步识别所述组元特征的特征信息，所述特征信息包括：

晶界的长度、角度、宽度、数量、面积，色号；

晶内化合物的长度、角度、宽度、数量、面积，色号；

晶间化合物的长度、角度、宽度、数量、面积，色号。

在本发明第一方面的第二种可能的实现方式中，根据所述组元特征判断所述金属材料的组成相，还包括：

将所述特征信息与预存的样本库的特征信息进行对比，若所述特征信息符合某一种金相组织的预设标准，则判定所述金属材料的组成相只包含所述金相组织；

或者，若所述特征信息符合多种金相组织的预设标准，则判定所述金属材料的组成相包含对应的多种金相组织。

其中，当判定所述金属材料的组成相包含对应的多种金相组织时，例如包含A、B、...、N的N种金相组织，A、B、...、N金相组织哪个在图像中占的比例大，哪个就写前面，如A占40％，B占60％，则该金属显微组织图像为B+A组织。

在本发明第一方面的第三种可能的实现方式中，所述金属材料的金相组织智能识别方法，还包括老化评级；所述老化评级具体如下：

当从所述金属显微组织图像中提取组元特征时，检测晶界直线的弯曲程度、检测晶界的数量、检测晶界轮廓的清晰度以及晶内化合物的分布位置；

根据所述晶界直线的弯曲程度、所述检测晶界的数量、所述检测晶界轮廓的清晰度以及所述晶内化合物的分布位置判断所述金属材料的老化情况；

其中，当所述金属材料的组成相包含多种金相组织时，所述老化情况根据以下分值算式进行评级：