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.

1. 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.
2. Стародубов Д.Н. Методы и алгоритмы обработки и анализа дефектоскопических и металлографических снимков. Дис. … канд. техн. наук: 05.13.01. Владимир. 2008. 183 с.
3. 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.
4. 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.
5. Третьяков А.В., Трофимов Г.К., Гурьянова М.К. Механические свойства сталей и сплавов при пластическом деформировании. Карманный справочник. М.: Машиностроение. 1971. 63 с.
6. 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.
7. 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.
8. Магдеев Р.Г., Ташлинский А.Г. Эффективность идентификации объектов на бинарных изображениях с использованием процедур псевдоградиентной адаптации // Радиотехника. 2014. № 7. С. 96−102.
9. 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.
10. Кормен Т., Лейзерсон Ч., Ривест Р., Штайн К. Алгоритмы. Построение и анализ. Изд. 3-e. М.: Вильямс. 2013. 1324 с.
11. 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.
12. Ташлинский А.Г. Оценивание параметров пространственных деформаций последовательностей изображений. Ульяновск: УлГТУ. 2000. 132 с.
13. 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.
14. 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.