Р.Г. Магдеев – вед. инженер, ООО «Телеком.ру» (г. Ульяновск)

E-mail: radiktkd2@yandex.ru

А.Г. Ташлинский – д.т.н., профессор, зав. кафедрой «Радиотехника»,  Ульяновский государственный технический университет E-mail: tag@ulstu.ru

Рассмотрен подход к автоматизированному выделению на металлографических изображениях областей, соответствующих зернам перлита, по которым определяются микроструктурные параметры малоуглеродистой стали. Отмечено, что предлагаемый подход включает процедуры сегментации на изображении областей расположения зерен перлита, их морфологической обработки для устранения внутренних разрывов и исключения малых кластеров, выделения отдельных зерен, определения их границ и построения выпуклых оболочек. Приведены примеры результатов реализации процедур обработки, полученные на реальных металлографических изображениях малоуглеродистой стали 17ГС.

1. Арзамасова Б.Н., Мухина Г.Г. Материаловедение. 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. Владимир. 2008. 183 с.
3. Bhadeshia H., Honeycombe R. Steels: Microstructure and Properties: Fourth Edition. Butterworth-Heinemann. 2017. 488 p.
4. Лисин Ю.В., Неганов Д.А., Суриков В.И., Гумеров К.М. Исследования изменений свойств металла трубопроводов в процессе эксплуатации: обобщение результатов и перспективные разработки Уфимской научной школы // Наука и технологии трубопроводного транспорта нефти и нефтепродуктов. 2017. Т. 2. № 2. С. 22−30.
5. Гребеньков С.К., Скуднов В.А., Шацов А.А. Деформация и разрушение низкоуглеродистых мартенситных сталей // Металловедение и термическая обработка металлов. 2016. № 2. С. 33−38.
6. Gao X., Xie Y., Chen Z., You D. Fractal feature detection of high-strength steel weld defects by magneto-optical imaging // HANJIE XUEBAO. 2017. Т. 38. № 7. P. 1−4.
7. Дементьев В.Е., Магдеев Р.Г. Применение псевдоградиентной адаптации для идентификации объектов на бинарных изображениях // Радиоэлектронные системы и устройства для инфокоммуникационных технологий. 2013. С. 309−313.
8. Гонсалес Р., Вудс Р. Цифровая обработка изображений. Изд. 3-е, исправ. и доп. М.: Техносфера. 2012. 1104 с.
9. Паламарь И.Н., Сизов П.В. Метод сегментации изображений с применением выращивания областей и многомасштабного анализа // Вестник СибГАУ им. акад. М.Ф. Решетнева. 2010. № 3(29). С. 15−20.
10. Визильтер Ю.В., Желтов С.Ю., Бондаренко А.В., Осоков М.В., Моржин А.В. Обработка и анализ изображений в задачах машинного зрения. М.: Физматкнига. 2010. 672 с.
11. Андреев А.Ю., Бобков С.П. Сегментация символов в изображении модифицированным методом жука // Современные наукоемкие технологии. Региональное приложение. 2014. № 1 (37). С. 85−88.
12. Магдеев Р.Г., Ташлинский А.Г. Эффективность идентификации объектов на бинарных изображениях с использованием процедур псевдоградиентной адаптации // Радиотехника. 2014. № 7. С. 96−102.
13. Кормен Т., Лейзерсон Ч., Ривест Р., Штайн К. Алгоритмы. Построение и анализ. Изд. 3-e. М.: Вильямс. 2013. 1324 с.
14. Магдеев Р.Г., Ташлинский А.Г. Сравнительный анализ методов выпуклой оболочки на изображениях микроструктур металлов // Межвуз. сб. науч. трудов «Радиоэлектронная техника». Ульяновск: УлГТУ. 2015. № 1(7). С. 114−120.
15. 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.