Computer-aided Metals' Microstructure Analysis. Analysis of images featuring sample preparation defects

Abstract

Authors return to the topic of the article presented at Graphicon-2019 and review the issues of recognizing material microstructure elements, most common problems, recognition errors, and resolving the issues. Authors present methods for reconstructing particle shapes after the removal of image artifacts and separation of touching particles. The article includes examples of applying developed algorithms for analyzing particles present in graphite microstructure in cast iron and for analysis of powder particles. The article also demonstrates the possibilities of applying quantitative analysis methods for images, including defects.

Processing and analysis of images of microstructure metals for determining the grain point

“…Задача автоматического количественного анализа микроструктуры металлов требует сегментации зерен на изображении шлифа и сводится к выделению на нем замкнутых областей, соответствующих границам зерен. Существующие программные системы требуют достаточно хорошего качества подготовки поверхности микрошлифа, однако применение даже современных автоматических станков не позволяет получить поверхность микрошлифа с полным отсутствием мешающих факторов, наличие которых из-за плохой подготовки образца или неравномерности освещения приводит к снижению точности анализа на сложной микроструктуре изображения [5,6]. Целью статьи является повышение достоверности определения балла зерна за счет развития алгоритмического обеспечения для обработки и анализа изображений микроструктуры металлов.…”

Technology for Cast Iron Microstructure Analysis in SIAMS Software Using Neural Networks

“…In complex cases correct object selection is possible only using adoptive segmentation or graph-based image segmentation. Publications [9,10] describe the use of said methods in SIAMS 800 software.…”