锡基合金摩擦系数小、硬度适中且韧性较好,适于作为高速重载荷条件下工作的轴瓦材料。其硬度在很大程度上取决于显微结构,包括合金中各相的硬度、相对量和金相组织的分布规律等。建立合金硬度与其微观结构之间的定量相关模型,可以深入分析合金各相参数变化对其硬度的影响规律,为研究新型合金和制定合金生产过程中的时效工艺提供参考和依据。不同的金相组织受腐蚀剂侵蚀的程度不同,从而在金相显微镜下呈现出不同的色彩或明暗度,自动图像分析仪据此对金相图进行灰度化处理并选择合适的阈值来区分金相。然而,对于多相合金,仅凭灰度差是无法将其金相组成完全识别出来,例如锡基合金金相图中白色区域还包括两种不同的相。通常,金相组织形成的顺序不同,其形态也有较大的差别,故可通过形态差异对灰度差较小的不同金相进行识别。目前这类多相合金的金相多通过图像处理软件人工逐一识别、着色,再统计各相相对量,识别速度较慢、效率低、工作量大。因此,研究基于图像处理的金相自动识别方法有较高的实用价值和意义在定量金相分析中,常依据立体几何和体式学原理将二维界面测得的组织参数换算成三维空间参数。本文基于锡基合金显微结构特点,给出了金相图像识别算法,通过提取合金金相特征参数,建立了其硬度的关联预测模型。首先,通过实验数据分析了影响锡基合金硬度的因素及机理；其次,采用Otsu阈值分割识别出锡基(α固溶体)；再使用形态学边缘检测、扫描线种子填充算法提取金相图中白色区域组织,针对图中多边形包含问题,给出一种改进的交点计数法；计算其紧凑度和最小面积外接矩形的长宽比,构建了基于这两种特征参数的SVM分类器,将白色组织区分为另外两种金相；最后,提取金相图中各相相对量、分布均匀度共六个参数,通过偏最小二乘回归分析构建了基于该参数的硬度线性和非线性预测模型。实验结果表明,改进的交点计数法可以较好解决区域包含引起图像误识别问题；通过灰度差和基于图形特征的SVM非线性分类器能有效地识别出锡基合金的金相组成及其分布状况；所构建的非线性偏最小二乘回归模型能有效预测出锡基合金的硬度,对检验样本的预测精度达到98%以上。