论文部分内容阅读
GCr15轴承钢是国内外应用广泛的高碳铬轴承钢之一,在工业、军事、航天和农业等领域具有重要的应用价值。研究其微观组织结构对于GCr15轴承钢的宏观性能分析有重要的社会与工程意义。针对传统金相定量分析方法存在的效率低,准确性差等缺点;本文基于机器视觉与数字图像处理技术对GCr15轴承钢在高温淬火和奥氏体化淬火加回火热处理方式所获取的微观金相结构图像进行了定量分析,克服了传统半定量法工作效率低的问题。改善了定量分析途径并提高了数据结果的准确性。本文主要研究工作如下: (1)使用不同热处理条件下的圆锥滚子滚动轴承钢制备GCr15试样,通过扫描电子显微镜(SEM)对金相组织进行观测,采集其微观组织图像,并采用X射线能量色散谱仪对其进行成分分析。 (2)提出一种改进的基于矩阵低秩稀疏分解的图像去噪算法,在原LRMR模型中加入块正则部分,对GCr15轴承钢金相组织图像进行去噪预处理。有效地去除了采集到的金相组织图像中存在的噪声,改善了传统去噪方法存在的纹理失真和边缘模糊等问题。 (3)通过对目前应用较为广泛的分割算法与模型的对比研究,针对GCr15轴承钢金相组织图像对比度低,各项组织边缘轮廓不清晰等问题,结合深度学习神经网络,提出一种改进的U-Net卷积神经网络模型,对预处理后的GCr15轴承钢金相组织图像中的碳化物进行分割,取得了良好分割效果,平均DICE系数达0.884。 (4)基于分割后的金相图像分析研究碳化物形貌特征与分布,计算淬火加回火热处理状态下碳化物面积占比并统计碳化物颗粒圆形度与尺寸分布情况。 结果表明:基于图像处理与深度学习神经网络对金属金相组织进行定量分析,可以改善传统定量分析途径并提高分析结果的准确性;淬火加回火热处理状态下的碳化物面积平均占比为7.9%左右,平均圆形度为1.01,颗粒直径多分布在0.2~0.5?m之间。