А.Г. Ташлинский – д.т.н., профессор, зав. кафедрой «Радиотехника», Ульяновский государственный технический университет
E-mail: tag@ulstu.ru
Р.Г. Магдеев – инженер связи, ОАО «Ульяновскнефть» E-mail: radiktkd2@yandex.ru
Предложен подход к нахождению микроструктурных параметров низкоуглеродистой стали по ее металлографическим изображениям, позволяющий определить: соотношения фаз перлита к ферриту, параметры зерен кристаллитов и их взаимного расположения, степень зернистости перлитных фаз. Отмечено, что подход направлен на прогноз прочностных характеристик образцов стали и содержит несколько этапов: 1) этап предобработки предполагает сокращение цветности, уточнение рабочей области, фильтрацию шумов, выравнивание освещенности и эквализацию изображения; 2) этап сегментации изображения связан с поиском размера, площади и выпуклой оболочки зерен; 3) этап нахождения собственно микроструктурных параметров основан на идентификационном псевдоградиентном оценивании параметров каждого из сегментированных объектов. Приведены примеры анализа стальных нефтяных трубопроводов.
- Арзамасов Б.В., Макарова В.И., Мухин Г.Г., Рыжов Н.М., Силаева В.И. Материаловедение: Учебник для вузов / Под общ. ред. Б.Н. Арзамасова, Г.Г. Мухина. М.: Изд-во МГТУ им. Н.Э. Баумана. 2008. 648 с.
- Стародубов Д.Н. Методы и алгоритмы обработки и анализа дефектоскопических и металлографических снимков. Дис. … канд. техн. наук: 05.13.01. Владимир. 2008. 183 с.
- Виноградова Л.А., Магдеев Р.Г., Курганова Ю.В. Алгоритм определения соотношения форм фаз в перлите трубных сталей со структурой феррит и перлит // РВМ. 2012. № 6. С. 41−45.
- Виноградов А.И., Трайно А.И., Сарычева И.А. К вопросу о трансформации зерненной структуры металла при пластическом деформировании // Металлы. 2009. № 2. С. 54−60.
- Третьяков А.В., Трофимов Г.К., Гурьянова М.К. Механические свойства сталей и сплавов при пластическом деформировании. Карманный справочник. М.: Машиностроение. 1971. 63 с.
- Визильтер Ю.В., Желтов С.Ю., Бондаренко А.В., Осоков М.В., Моржин А.В. Обработка и анализ изображений в задачах машинного зрения: Курс лекций и практических занятий. М.: Физматкнига. 2010. 672 с.
- Baatz М., Schäpe A. Multiresolution Segmentation: an optimization approach for high quality multi-scale image segmentation // Journal of Photogrammetry and Remote Sensing. 2004. V. 58. № 3−4. P. 239−258.
- Магдеев Р.Г., Ташлинский А.Г. Эффективность идентификации объектов на бинарных изображениях с использованием процедур псевдоградиентной адаптации // Радиотехника. 2014. № 7. С. 96−102.
- Магдеев Р.Г., Биктимиров Л.Ш. Применение алгоритмов построения выпуклой оболочки при анализе изображений микроструктуры металла // Известия Самарского научного центра Российской академии наук. 2014. Т. 16. № 6(2). С. 496−500.
- Кормен Т., Лейзерсон Ч., Ривест Р., Штайн К. Алгоритмы. Построение и анализ. Изд. 3-e. М.: Вильямс. 2013. 1324 с.
- Barber C.B., Dobkin D.P., Huhdanpaa H. The quickhull algorithm for convex hulls // ACM Transactions on Mathematical Software. 1996. V. 22(4). P. 469−483. DOI: 10.1145/235815.
- Ташлинский А.Г. Оценивание параметров пространственных деформаций последовательностей изображений. Ульяновск: УлГТУ. 2000. 132 с.
- Tashlinskii A.G. Pseudogradient Estimation of Digital Images Interframe Geometrical Deformations / Vision Systems: Segmentation & Pattern Recognition. 2007. Vienna. Austria: I Tech Education and Publishing. P. 465−494. DOI: 10.5772/4975.
- Magdeev R.G., Tashlinskii A.G. A comparative analysis of the efficiency of the stochastic gradient approach to the identification of objects in binary images // Pattern recognition and image analysis. 2014. V. 24. № 4. P. 535−541. DOI: 10.1134/S1054661814040130.