[发明专利]一种基于DBSCAN聚类算法的蠕墨铸铁形核率的预测方法

权利要求书

1.一种基于DBSCAN聚类算法的蠕墨铸铁形核率的预测方法，其特征在于，该方法包括如下步骤：

(1)提取数据，将蠕墨铸铁样品的金相图片转换为数据集；

(2)根据蠕墨铸铁样品的实际情况，设定合适的指定半径ε以及密度阈值minPts；将各参数传入DBSCAN算法中，得到平均聚类数；

(3)通过实验得到蠕墨铸铁样品的冷却速度R_E以及上述步骤(2)得到的平均聚类数，确定形核公式。

2.根据权利要求1的预测方法，其特征在于，所述步骤(1)中：通过MATLAB将各蠕墨铸铁样品的金相图片转换为数据集。

3.根据权利要求2的预测方法，其特征在于，获取数据集的具体方法为：通过函数将金相图片进行处理，处理好后，对图像中的每个目标即共晶团中的石墨提取二值特征，其中包含图像目标的质心坐标；质心坐标按散点图绘制，通过对每一个金相图片进行同样的的操作，便得到数据集。

4.根据权利要求3的预测方法，其特征在于，所述通过函数将金相图片进行处理具体操作方法为：通过imread()函数载入图像，然后通过im2bw()函数将图片转换为二值图，并对转换后的二值图采用medfilt2()函数进行滤波，用bwareaopen()函数去除500个像素以下的噪声点，用strel()函数进行膨胀腐蚀去除内部空洞。

5.根据权利要求4的预测方法，其特征在于，采用regionprops()函数对图像中的每个目标提取二值特征。

6.根据权利要求1的预测方法，其特征在于，所述步骤(2)中：经过聚类后还需将不满足密度阈值minPts的噪声点排除，设定规则为当存在大面积的噪声点时，该数据不计入平均聚类数中；当单个类中点的个数小于5时，该类不计数。

7.根据权利要求1的预测方法，其特征在于，所述步骤(2)中，对蠕墨铸铁样品的金相图片进行聚类后获取每个金相照片上的聚类数，并对一个样品内的金相图片的聚类数求平均，得到了平均聚类数，采用平均聚类数代替形核数进行形核公式的确定。

8.根据权利要求1的预测方法，其特征在于，所述步骤(3)中，选择聚类数代替共晶团数，将所述平均聚类数除以金相图片的面积，得到单位面积内的平均聚类数；同时，通过实验测定蠕墨铸铁样品的冷却速度R_E；将单位面积内的平均聚类数和冷却速度R_E通过MATLAB进行拟合后得到形核公式。

9.根据权利要求8的预测方法，其特征在于，所述步骤(3)中，通过拟合得到如下形核公式：

N_S＝6680000+87190(R_E)²

N_s为单位面积内的聚类数，单位为个/m²，R_E为共晶温度时的冷却速度R_E，单位为℃/s。