02/02/2022
Справится ли нейронная сеть с металлографическим анализом?
Многие технологии искусственного интеллекта уже стали для нас привычными: находят лица и улыбки на фотографиях, распознают почерк человека. Интересно, справятся ли они с задачами из нашей профессиональной жизни, например, с распознаванием фаз и структурных составляющих материалов? Рассмотрим как происходит анализ микроструктуры чугуна с использованием нейронных сетей в Анализаторе SIAMS.
Традиционные системы анализа изображений без проблем справляются с вычислениями количественных характеристик объектов микроструктуры: количество, размеры, площади, доли, факторы формы, баллы. При этом точность результата напрямую зависит от правильности распознавания программой этих объектов. Для распознавания используют различные типы сегментации: пороговую сегментацию для простых случаев; адаптивную сегментацию и сегментацию, основанную на графе, для более сложных. Однако, и эти способы сегментации не справляются, когда требуется выделить и классифицировать на одном изображении объекты, схожие по яркостным и цветовым характеристикам, внутреннему градиенту и текстуре, а также не всегда имеющие видимую границу раздела. Для анализа таких «сложных» микроструктур требуются новые подходы к анализу изображений. ПО SIAMS использует метод семантической сегментации, в основе которого лежит нейронная сеть. Критерии распознавания нейронной сети имитируют восприятие изображения человеком.
С помощью технологии нейронных сетей в ПО SIAMS получилось распознать структурные составляющие высокопрочного чугуна, серого чугуна и легированного чугуна типа «нирезист».
Преимущества использованной технологии заключаются в следующем:
- обученный алгоритм устойчив к вариациям условий пробоподготовки, травления и съемки образцов;
- не требуется настройка порогов чувствительности как при использовании основных типов сегментации;
- сокращение времени анализа.
⚡ Результаты выделения структурных составляющих чугуна годятся для дальнейшего расчета количественных характеристик в соответствии с требованиями ГОСТ 3443-87. Алгоритмы анализа интегрированы в программный пакет автоматизированных методик SIAMS и рекомендуются для серийного контроля микроструктуры в производственных лабораториях.
❗️На рис. 1-2 - чугун с шаровидным графитом и результат распознавания нейросетью частиц графита, цементита и феррита.
На рис. 3-4 - чугун типа «нирезист» с пластинчатым графитом и результат распознавания нейросетью частиц графита и цементита.
Комплексный научно-исследовательский подход, использованный командой разработчиков при интеграции нейронных сетей в ПО SIAMS, вместе с разработкой универсальных инструментов для создания новых алгоритмов расширяет круг решаемых задач микроструктурного анализа в материаловедении.
❗️ Всем заинтересовавшимся вышлем статью "Технология анализа микроструктуры чугуна с использованием нейронных сетей в программном обеспечении SIAMS". Оставьте в личных сообщениях свои контакты.
#сиамс #микроскопия #металловедение #металлография #чугун