автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.06, диссертация на тему:Автоматизация металлографического анализа и контроля сплавов с использованием методов цифровой обработки оптических изображений микроструктур

Чубов Алексей Александрович

АВТОМАТИЗАЦИЯ МЕТАЛЛОГРАФИЧЕСКОГО АНАЛИЗА И КОНТРОЛЯ СПЛАВОВ С ИСПОЛЬЗОВАНИЕМ МЕТОДОВ ЦИФРОВОЙ ОБРАБОТКИ ОПТИЧЕСКИХ ИЗОБРАЖЕНИЙ МИКРОСТРУКТУР

Специальности

05 13 06 — Автоматизация и управление технологическими процессами и производствами (промышленность), 05 16 01 - Металловедение и термическая обработка металлов

Автореферат диссертации на соискание ученой степени кандидата технических наук

□ОЗ1Т4847

Рыбинск-2007

003174847

Работа выполнена в Государственном образовательном учреждении высшего профессионального образования «Рыбинская государственная авиационная технологическая академия имени П А Соловьева» (РГАТА)

Научный руководитель

кандидат технических наук, профессор Вишняков Владимир Александрович

Научный консультант

кандидат технических наук, профессор Жуков Анатолий Алексеевич

Официальные оппоненты

доктор технических наук, профессор Юдин Виктор Васильевич

кандидат технических наук, Гунин Анатолий Викторович

Ведущая организация

ОАО «Автодизель», г Ярославль (Ярославский моторный завод)

Защита состоится 12 ноября 2007 в 15 часов на заседании диссертационного совета Д 212 210 04 в Государственном образовательном учреждении высшего профессионального образования «Рыбинская государственная авиационная технологическая академия имени П А Соловьева» по адресу 152934, г Рыбинск, Ярославская область, ул Пушкина, 53, ауд Г-237

С диссертацией можно ознакомиться в библиотеке Государственного образовательного учреждения высшего профессионального образования «Рыбинская государственная авиационная технологическая академия имени П А Соловьева»

Автореферат разослан

2007 г

Ученый секретарь диссертационного совета

Киселев Э В

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы. Повышение эксплуатационного ресурса и надежности изделий в условиях рыночной экономики обусловлено использованием высококачественных материалов Постоянный рост требований к качеству материала повышает трудоемкость его контроля, в результате чего появляется потребность в автоматизации этого процесса.

Поведение сплавов в условиях эксплуатации определяется содержанием структурных и фазовых составляющих, их морфологией и стабильностью Выражение соотношений, связывающих микроструктуру сплава с его физическими и механическими свойствами в количественной форме, формирует простой и легко воспроизводимый метод контроля качества этого сплава и прогноза его свойств. Привлечение вычислительной техники для проведения количественного металлографического анализа позволяет получить более точную численную оценку взаимосвязи «химический состав - структура — свойства».

Анализ структуры и фазового состава проводится посредством обработки изображений микроструктур с применением основных принципов стереометрии и теории распознавания образов Существующие в настоящее время методики автоматизированного анализа структуры не являются комплексными, так как они предназначены только для структурного анализа сплавов и не рассматривают взаимосвязь между химическим составом, структурой и свойствами сплавов Мало изучена задача автоматического выделения и реконструкции форм различных структурных элементов на основе системного анализа и классификации этих элементов

Среди наиболее значительных работ в области автоматизации анализа сплавов, выполненных ранее другими авторами, можно выделить работы А В Яковлева, М В. Филинова и Ф С Фурсова, а также ряд программных разработок фирм «81АМ8», «ВидеоТест», «Новые экспертные системы» В этих работах не решены вопросы комплексной автоматизированной оценки качества сплавов по всем характеристикам (химический состав, структура, свойства), а рассмотренные в них методы позволяют проводить только количественный металлографический анализ

Данная работа направлена на решение актуальной проблемы современного машиностроения - совершенствование методов и средств комплексного автоматизированного контроля качества сплавов на основе использования принципов цифровой обработки и математического аппарата

Цель работы. Разработка автоматизированной вычислительной системы металлографического анализа и контроля качества сплавов с использованием цифровой обработки оптических изображений микроструктур на основе анализа структуры, фазового состава и последующего прогноза свойств и химического состава Данная система является одним из элементов общей системы автоматизированного контроля и управления технологическими процессами Она

предназначена для сбора и цифровой обработки данных металлографического анализа и контроля сплавов на машиностроительном производстве в цехах заготовительного производства и в лабораториях металлографического анализа

Основные задачи

-анализ, классификация структурных составляющих сплавов на основе характерных геометрических и металлофизических признаков;

-разработка алгоритмов автоматизированной обработки изображений микроструктуры сплавов, производящих предварительную обработку, сегментацию и распознавание изображений;

-разработка алгоритмов автоматизированного расчета количественных параметров микроструктуры сплавов с учетом их строения,

- разработка автоматизированных подходов построения аналитических и статистических моделей прогноза химического состава и механических свойств сплавов на основе проведенного анализа структуры и использования основных физико-химических закономерностей в системе «химический состав - структура-свойства»,

- разработка и внедрение программного обеспечения автоматизированного контроля сплавов, реализующего предложенные алгоритмы анализа структуры, прогноза химического состава и свойств сплавов

Методы исследований. Для решения поставленных задач применены методы количественного металлографического анализа, математического и компьютерного моделирования, цифровой обработки изображений, теория распознавания образов, построения алгоритмов и программ, аппарат вейвлет-анализа и математической статистики

Достоверность и обоснованность полученных результатов подтверждается корректностью разработанных математических моделей, их адекватностью по критериям математической статистики, использованием положений фундаментальных наук, сходимостью полученных теоретических результатов с данными эксперимента и результатами промышленной эксплуатации созданной системы автоматизированного контроля качества сплавов, а также с результатами исследований других авторов

На защиту выносятся:

-модель представления изображений в системе автоматизированного контроля структуры, фазового состава и свойств сплавов,

- универсальный комплекс методик обработки изображений микроструктур в системах автоматизированного контроля сплавов, включающий контурно-структурный, яркостно-цветовой и яркостно-текстурный методы сегментации,

- критерий формы включений у'-фазы в жаропрочных сплавах,

- методика проведения автоматизированной идентификации и разделения на оптическом изображении микроструктуры дефектов оптики, дефектов подготовки шлифа и дефектов структуры,

- результаты исследования и практического применения предложенных положений, алгоритмов, моделей и системы автоматизированного контроля качества сплавов

Научная новизна:

- предложена модель представления цифровых изображений микроструктур в системе автоматизированного контроля, описывающая цветовое пространство и пространственно-частотные компоненты изображения За счет разделения в модели яркостных и цветовых составляющих изображения увеличивается скорость и эффективность алгоритмов обработки изображений микроструктур,

- предложен универсальный алгоритм выделения структурных элементов на изображениях микроструктур при металлографическом анализе, включающий методы контурно-структурной, яркостно-цветовой и яркостно-текстурной сегментации Алгоритм позволяет обрабатывать большое многообразие классов изображений микроструктур сплавов и минимизировать ошибки оценки их параметров,

- предложен критерий формы включений у'-фазы в жаропрочных сплавах, позволяющий оценить кинетику структурных и фазовых превращений в этих сплавах в условиях эксплуатации при температурно-силовых воздействиях,

- предложен алгоритм проведения автоматизированной идентификации и разделения между собой дефектов оптики («царапина», «загрязнение»), подготовки шлифа («царапина», «загрязнение») и дефектов структуры («пористость») Алгоритм позволяет повысить эффективность и качество автоматизированного металлографического анализа

Практическая ценность диссертационной работы заключается в возможности использования в промышленности

1 Программно-аппаратной архитектуры системы автоматизированного металлографического анализа и контроля сплавов,

2 Алгоритмов обработки изображений микроструктур

- алгоритма компенсации неоднородности освещения шлифов,

- алгоритма восстановления сфокусированного изображения,

- алгоритма яркостно-цветовой сегментации, выполняющего сегментацию изображений одновременно по яркости и по цвету,

- алгоритма яркостно-текстурной сегментации изображений микроструктур, содержащих сложные структурные составляющие,

- алгоритма контурно-структурной сегментации изображений микроструктур, позволяющего избавиться от влияния погрешности дискретизации, восстановить элементы на изображении и снизить ошибку измерения геометрических характеристик,

- алгоритма автоматизированного количественного анализа основных характеристик микроструктуры,

3 Методик исследования структурного и фазового состава высокопрочного чугуна с шаровидным графитом, жаропрочного сплава ЖС6У - ВИ, аусте-нитной корозионностойкой стали,

4 Принципов идентификации типа неметаллических включений на основе яркостно-цветовой сегментации, позволяющих определить содержание вредных примесей и соответствующую стехиометрическую формулу неметаллических включений,

5 Методик бальной оценки структуры и фазового состава, построенных на основе критерия схожести текстур и устраняющих влияние субъективного фактора при выполнении металлографического анализа,

6 Программной среды анализа микроструктур сплавов «Ме1Ап», зарегистрированной в отраслевом фонде алгоритмов и программ

Реализация результатов. Разработанное алгоритмическое и математическое обеспечение исследовано и проверено при металлографическом анализе шлифов, полученных с производств ОАО «НПО «Сатурн» и ООО «Литэкс», и использовано при построении системы автоматизированного металлографического анализа и контроля сплавов - программы анализатора изображений «Ме1Ап» Результаты работы используются в учебном процессе на кафедре «Материаловедение, литье и сварка» РГАТА

Апробация работы. Основные научные положения диссертации докладывались и обсуждались на XXVIII конференции молодых ученых, Всероссийской научно-технической конференции «Моделирование и обработка информации в технических системах» (Рыбинск, 2003, 2004), XIII и X Всероссийской научно-технической конференции «Информационные технологии в науке, проектировании и производстве» (Н Новгород, 2003, 2004), XXXII и XXXIII Международной научной конференции «Гагаринские чтения» (Москва, 20Об, 2007), II Международной конференции «Дни науки-2006», (Днепропетровск, 2006), научно-технической конференции «Новые материалы» (Рыбинск, 2007)

Публикации. Основные результаты диссертационной работы опубликованы в 10 работах из них 3 статьи, в т ч одна в издании, рекомендованном ВАК, 6 тезисов докладов и 1 свидетельство об отраслевой регистрации разработки

Структура и объем диссертации. Диссертация состоит из введения, четырех глав, заключения, библиографического списка из 132 источников и 11 приложений Содержит 156 страниц основного текста, 19 таблиц, 87 рисунков

КРАТКОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы диссертации, приведена постановка задачи и краткая аннотация содержания работы по разделам, дана оценка новизны достоверности и практической ценности полученных результатов, сформулированы защищаемые положения

В первой главе проведен анализ показателей качества материалов Показано, что структура и фазовый состав сплавов являются определяющим звеном во взаимосвязи «химический состав - структура - свойства», и их количественное определение позволяет оценить химический состав сплава и его физико-механические свойства

На основе анализа литературных данных разработана классификация методов контроля структуры, химического состава и свойств сплавов в зависимости от физической сущности этих методов и средств контроля Предложено обобщенное схематическое изображение микроструктуры сплавов Проведена классификация основных структурных элементов Рассмотрены принципы количественного металлографического анализа, методы оценки и прогноза химического состава и свойств сплавов

Рассмотрена схема автоматизированной системы анализа Проведен анализ методов цифровой обработки изображений Выделены методы предварительной обработки изображений микроструктур Приведена схема цифровой обработки изображений в системе анализа, содержащая этапы предварительной обработки, сегментации, выделение признаков, распознавания, расчетов и измерений

Проанализированы существующие цветовые модели, и определена их пригодность для применения в системе анализа Установлено, что для изображений шлифов в этой системе цветовая модель RGB не подходит, т к она не содержит компонент, отвечающих за яркость и цвет, и не подходит для яркост-но-цветовой сегментации Показаны достоинства применения в системе частотных методов представления изображения с применением вейвлет-преобразования

Определены наиболее эффективные методы сегментации изображений микроструктур сплавов Приведен обзор существующих систем контроля сплавов Выявлено, что они не решают задачу в комплексе, т е в них не предусмотрен прогноз химического состава и свойств по измеренным параметрам микроструктуры Их главным недостатком является узкая направленность и малая гибкость По результатам анализа сформированы цель и задачи исследования

Во второй главе разработана и исследована модель представления структуры данных изображения в системе анализа В ее основе лежит разработанная цветовая система LCQ, содержащая компоненты. L - яркость, С - насыщенность, Q - цветовой тон Переход от цветовой системы RGB к LCQ осуществляется через цветовую систему XYZ

¿ = 295,8 /(7/Уд)-40,8,

С = 380,6

6,25

А

X

■А

f

\Уо

-/

D

128- arctg

2-[f(Y/YD)-f{Z/ZD)] 5-mXIXB)-f{YIYD)\

'X ГГ(Л>)~

V = м Г(С)

Z Г (В)

UIs, при i > 0,008856,

17.787s + —. при 5 <0,008856; t 116 1

где M - матрица преобразования из системы RGB в XYZ с размером 3x3;

Г(<) - функция гамма-коррекции;

XD, Yd, Zd - координаты опорного белого цвета.

Компонента L определяет яркость пикселя и не влияет на насыщенность цветов, в отличие от взвешенной суммы составляющих R, G, В. По ней может быть построена гистограмма яркостей, проведена яркостиая сегментация изображения, вычислены яркостные признаки и др.

Палитра тонов компоненты Q включает основные цвета от красного до фиолетового. По ней может быть построена гистограмма тонов, проведена цветовая сегментация и вычислен ряд цветовых признаков, с помощью которых возможно проведение идентификации структурных составляющих по цветовому тону на изображении шлифа. Одновременное наличие в цветовой системе компонент L и Q позволяет производить яркостно-цветовую сегментацию.

Компоненты L, С и Q хранятся в соответствующих матрицах (массивах) L, С, и Q. Это увеличивает скорость доступа к составляющим и позволяет обрабатывать их в отдельности без увеличения занимаемой памяти. Объединив эти матрицы со структурой, описывающей вейвлет-разложение матрицы яркости, получим модель представления цифрового изображения в системе анализа (рис. 1).

Уровень _ изображения

Яркое;«? (массив) Насыщенмбсть ('массив) Цвётовой'тон {массив) WLev: Вей влет (ссылка на структуру) j

I

Вейвлет-уровень 1

i :W\,.: Коэффициенты ][

' {массив) \ ш\ц: Коэффициенту 11

W нь Коэффициент^ i I ; (массив5 |

WJHH. Коэффициент! !

(массив) _|

jdw. Ширина матрицы !

коэффициентов__

j dh: Высота матрицы | коэффициентов * I Level: Номер уровня разложения

(нет).

i Parent: Уровень-предок "! (ссылка на структуру) WLev: Вейвлет ; (ссылка на структуру

^Вёйвлет-уровень 2

•WW Коэффициенты

(массив) |W\H: Коэффициенты

[массив) | W^hl- Коэффициенты

[массив)

W^h: Коэффициенты (массив)

dw;

jdh:'

ШиринЭгМатри.цы коэффициентов

Высота матрицы коэффициентов

| Level: Номер уровня разложения

\ Parent: Уровень-предок ' ^ссылка на структуру) jWLev: Вейблет

I (ссылка.на структуру

Вейвлет-уровеньп

j W"ll- Коэффициенты (массив)

W\H: Коэффициенты j (массив) ! WW Коэффициенты (массив)

j WW Коэффициенты

Hi !

d\лг. Ширина матрицы j коэффициентов j | jdh: Высота матрицы коэффициентов ! Level: Номер уровня !

разложения '! 1 Parent Уровень-предок Ссылка но структуру) I WLev: Вейвпег ^ ^

! (ссылка на структуру) (нет)

Рис.1. Модель представления цифрового изображения в системе анализа

Структура вейвлет-уровня содержит четыре массива - матрицы вейвлет-коэффициентов WHh, Whl, Wlh, WLL, поля dw и dh, определяющие размер матриц-коэффициентов, номер уровня разложения Level (1,2, я), ссылки на предка (Parent) и потомка (WLev) текущего уровня разложения При вейвлет-разложении массив L уровня изображения может быть удален, т к он пересчи-тывается при обратном преобразовании. При многоуровневом разложении коэффициенты матрицы Wll заполняются только на последнем уровне п, в предыдущих уровнях они вычисляются путем обратных преобразований.

Разработан и исследован ряд алгоритмов предварительной обработки изображений микроструктур Алгоритм компенсации неоднородности освещения на изображениях шлифов построен на основе вейвлет-анализа Тестирование алгоритма на серии изображений показало снижение погрешности яркостно-цветовой сегментации за счет снижения неравномерности освещения в среднем в 2 раза

Исследован алгоритм восстановления сфокусированного изображения по серии снимков на основе вейвлет-анализа Алгоритм позволяет сократить время построения изображения в 2 раза по сравнению с известным алгоритмом на основе Фурье-преобразования и уменьшить ошибку восстановления в 4,5 раза

Разработан алгоритм выделения на изображении микроструктуры дефектов оптики, подготовки шлифа («царапина», «загрязнение») и дефектов структуры («пористость») Все эти дефекты находятся вне фокусной точки плоскости шлифа Поэтому возможно их распознавание посредством изменения фокуса микроскопа (табл 1) и наблюдения за распределением вейвлет-коэффициентов в их пределах, которые велики на границах элемента при хорошо сфокусированном изображении и сильно уменьшаются при дефокусировке Алгоритм позволяет сократить время обнаружения дефектов по сравнению с ручным методом и уменьшить утомляемость оператора При наличии на изображении 8 дефектов время обработки сокращается в среднем в 5 раз

Таблица 1

Классификация дефектов__

Дефект Тип формы Изменение сфокусированности элемента

при приближении при отдалении

царапины на шлифе «линия» фокус смещается с границ царапины на центр размывается

поры «пятно» смещается с границ поры на центр размывается

пыль и остатки пасты на шлифе «пятно» размывается попадае1 в фокус, при дальнейшем отдалении размывается

пыль на оптике «пятно» не изменяется не изменяется

Рассмотрены вопросы построения и исследования текстурных признаков, применимых в системе автоматизированного контроля для задач классификации и распознавания Предложено использовать для вычисления признаков ко-

эффициенты вейвлет-преобразования Это позволяет при расчете признака привязать его к частоте и уменьшить влияние шума на его значение Расстояние между смежными значениями яркости определяется уровнем разложения В работе рассмотрены следующие признаки v, вычисляемые по гистограмме плотностей P(w) распределения вейвлет-коэффидиентов величиной w J]F(w)logP(w) - энтропия, ^Р2Ы) - энергия, v = ^ wP(w) - математическое

ожидание, ^^(w-v)2 P(w) - СКО, LIM - мера информации Лоренца, NPIM - нормированная мера информации Признаки рассчитываются на каждом уровне разложения для каждой матрицы коэффициентов Whh, Whl, WLh, Wll Для инвариантности их к повороту изображения и уменьшения количества, признаки, вычисленные по высокочастотным коэффициентам (Whh, Whl, WLh), для каждого уровня усредняются При 3-уровневом разложении вычисляются 24 признака

В третьей главе исследуются яркостно-цветовой, яркостно-текстурный и контурно-структурный алгоритмы выделения элементов на изображениях шлифов, которые в совокупности позволяют обрабатывать большое многообразие классов изображений микроструктур сплавов и минимизировать ошибки измерения их параметров (табл 2)

Яркостно-цветовая сегментация производиться одновременно по двум гистограммам L и Q Пиксель считается относящимся к объекту, если его тон Q и яркость L попадают в заданный диапазон В отличие от известных, разработанный алгоритм с меньшей ошибкой обрабатывает изображения, содержащие одновременно цветные и полутоновые области, и позволяет сократить время проведения сегментации в среднем в 5 раз за счет применения модели представления структуры данных

Таблица 2

Характеристики алгоритмов сегментации

Алгоритм Применение Особенности

яркостно-цветовой для изображений структур, не содержащих сложные структурные составляющие обладает наибольшим быстродействием среди остальных, позволяет выделять объект по цвету (распознавание неметаллических включений)

яркостно-текстурный для сплавов, содержащих сложные структурные составляющие исключает ложную сегментацию областей с однородной текстурой

контурно-структурный для изображений, содержащих контуры объектов уменьшает погрешность измерения геометрических параметров и влияние погрешности дискретизации, производит лингвистическое описание (распознавание фаз)

Алгоритм яркостно-текстурной сегментации включает два этапа обработки На первом происходит «грубая» сегментация с рекурсивным разбиением изображения на более мелкие области Разбиение продолжается пока все области не станут однородными или ие будет достигнут минимальный размер облас-

ти Далее области с однородной текстурой по критерию схожести объединяются в кластеры В качестве критерия схожести текстур двух областей А и В используется разность

j JNA+ikA+ \){lA + 1))у< + (NB+(kB +1 ){lB + l))vB

AB na + Nb

_ (kA+\)(lA+l) + (kB + !)(/, +1)

NA + NB 'C>

где к, / размеры области в пикселях (индекс определяется областью), k-l = N, v - признак, используемый при сравнении (по области А, В или С), С — область, полученная объединением областей А и В Текстуры областей признаются схожими, если где величина q оп-

ределяет порог однородности Разность Jab основана на принципе сравнения изменения признака до объединения областей vy! и и после объединения vc Количество пикселей к, I и размеры N учитывают соотношение этих областей и вклад каждой из них в признаки области С Проверка области на однородность осуществляется делением ее на четыре части и определением схожесть текстурных характеристик всех четырех частей В случае схожести, область принимается однородной

На втором этапе объединяются области, не содержащие текстур, по критерию среднего уровня яркости Уточняются границы областей на основе анализа гистограмм совместной встречаемости пикселей на границах и внутри области Экспериментальное исследование алгоритма установило его эффективность для изображений шлифов, как содержащих сложные структурные составляющие, так и не содержащих их

Контурно-структурный алгоритм сегментации представляет изображение в виде контурного препарата, описывающего участки резкой смены яркости между областями и линиями, а далее этот препарат подвергаесят структурному описанию в рамках набора примитивов, содержащего «прямую», «дугу», «точку» При описании контуров примитивами производится оценка адекватности этого описания с помощью измерения отклонения длины е, и отклонения формы Вф Отклонение длины определяется разностью между длиной примитива и длиной участка контура

s,=D-£^2+aу,2,

I

где Ах, и Ду, - расстояние между парой соседних пикселей D - длина примитива

Отклонение формы определяется как сумма отклонений h, каждой точки контура от примитива еф = ^й,

I

Примитив адекватно отражает форму контура, если параметры в/ и еф не превышают заданных порогов Если примитив не дает адекватного описания

контура, то производится дальнейшее разбиение отрезка и вводятся точки перегиба По завершению разбиения выполняется восстановление разрывов контуров на изображении Контурно-структурная сегментация увеличивает точность измерения периметров контурных объектов в 10 раз, а их площадей - в 4 раза и позволяет ввести новые методы измерения характеристик (например, ориента-ционных или параметров жаропрочных сплавов)

Рассматриваются методики реализации автоматизированного прогноза свойств сплава на примере высокопрочного чугуна марок ВЧ40 - ВЧ60 и прогноза химического состава на примере измерения содержания примеси серы в стали Производится построение регрессионной модели зависимости предела прочности <Tg от измеренных параметров микроструктуры содержания феррита - F. содержания графита — G, диаметра графита - Д коэффициента формы - К

св= 508,54 - 7,93/*'+2,32G + 23,22D + Ш,29К

Высокий коэффициент корреляции R=0,9988 и критерий Фишера /грасЧ>/7табл (/>04=685,7, /Чабл(0,05,4,11)=3,36) подтверждают адекватность построенной модели прогноза

Вводится критерий формы включений у'-фазы в жаропрочных сплавах ¿Ф = 4(25 + с2)/ рг, где S - площадь включения, р - периметр включения, с -длина диагонали включения, определяемая как наибольшее сечение для данного включения

Исследованы алгоритмы автоматизированного анализа Применение яр-костно-цветовой и яркостно-текстурной сегментации в алгоритме определения объемной доли структурной составляющей позволяет повысить точность расчета долей структурных составляющих в сплаве за счет унификации его для работы одновременно со сложными структурными составляющими, а также с простыми фазами Применение контурно-структурной сегментации в алгоритме определения величины зерна увеличивает его точность в 4 раза, а в алгоритме анализа удельной площади поверхностей - до 20 раз

Исследование алгоритма сопоставления изображения с эталоном (на примере определения балла зерна по ГОСТ 56390) на основе предложенных признаков v, подтвердило их эффективность для сравнения изображений

В четвертой главе исследована разработанная система автоматизированного металлографического анализа и контроля сплавов, включающая компьютер, программное обеспечение, микроскоп с устройством управления столиком и фокусом, фото- или видеокамеру Разработанная архитектура программного обеспечения системы приведена на рис 2 Программное обеспечение содержит внутреннюю базу данных для хранения вводимых изображений Ввод изображений, их размещение в этой базе осуществляет модуль ввода и хранения изображений База данных построена с применением языка разметки XML Для

каждого изображения могут быть сопоставлены текстовое описание (MEMO), файл с маской сегментации (SEGLAYER) и файл с результатами измерений (MES). Файл MES имеет формат XML и содержит информацию об изображении (размере, площади и т.д.), а также список объектов на изображении с описанием их геометрических характеристик (площадь, периметр и др.), признаков этих объектов (v) и с описанием контуров (с координатами точек).

Модуль выделения объектов и распознавания

Рис.2. Архитектура программного обеспечения системы

Основные металлографические задачи, решаемые программой: структурный (фазовый) анализ состава сплава, анализ удельной площади граничных поверхностей, определение балла и величины зерна, анализ числа микрочастиц в единице объема сплава и распределение их по размерам. Также программа содержит ряд методик для решения специализированных задач: анализ графитовых включений в высокопрочном чугуне (рис. 3), анализ дельта-феррита в легированных сталях (рис. 4), анализ у'-фазы в жаропрочных сплавах (рис. 5).

а) ........................................................»

Рис.3. Анализ графита: а) изображение микроструктуры; б) вычисление характеристик после контурно-структурной сегментации

Методика анализа графитовых включений позволяет определить процентное содержание шаровидного графита, процентное содержание феррита, диаметр графита и коэффициент формы (степень сфероидизации).

Рис.4. Анализ дельта-феррита: а) изображение микроструктуры; б) вычисление характеристик после контурно-структурной сегментации

Методика анализа у'-фазы в жаропрочных сплавах позволяет рассчитать следующие признаки: количество, площадь, периметр, коэффициент формы, долю на изображении. Дальнейший анализ этих характеристик позволяет производить оценку степени перегрева сплава в процессе эксплуатации.

Рис.5. Анализ у'-фазы: а) исходное изображение; б) этап вычисления по сегментированному изображению

ЗАКЛЮЧЕНИЕ

¡.Исследованы показатели качества материалов, выявлены методы их контроля, методы оценки и прогноза свойств сплавов на основе анализа их структуры. Определены недостатки существующих систем автоматизированного анализа. Проанализированы методы предварительной обработки изображений. Исследованы возможности автоматизации методов анализа структуры, фазового состава сплавов.

2 Спроектирована архитектура автоматизированной системы контроля сплавов На ее основе разработана автоматизированная программно-аппаратная система металлографического анализа и контроля сплавов с использованием цифровой обработки оптических изображений микроструктур Программная среда зарегистрирована в отраслевом фонде алгоритмов и программ и внедренная на предприятии ОАО «НПО «Сатурн», а также в учебном процессе на кафедре «Материаловеденья, литья и сварки» РГАТА имени П. А Соловьева.

3 Предложена модель представления цифровых изображений микроструктур в системе анализа с использованием компонент цветовой системы ЬС<3 и вейвлет-преобразования Модель позволяет производить обработку яр-костной составляющей цветных изображений без дополнительных пересчетов и производить высокоточную сегментацию цветных и полутоновых изображений на основе задания диапазона яркости и цветового тона

4 Предложено комплексное использование методов яркостно-цветовой, яркостно-текстурной и контурно-структурной сегментации для сегментации изображений микроструктур, что позволит обрабатывать большое многообразие классов изображений микроструктур сплавов и минимизировать ошибки оценки их параметров.

5 Разработаны рекомендации по построению системы признаков, применяемых для сравнения изображений с эталоном и идентификации структурных составляющих на изображениях микроструктур Яркостно-цветовые признаки позволяют провести идентификацию неметаллических включений на основе их цветового тона, контурно-структурные - идентификацию по структурно-лингвистическому описанию, текстурные используются для сравнения с эталоном

6 Предложено сегментировать изображения микроструктур, содержащих контуры, с помощью контурно-структурного метода На его основе разработан алгоритм реконструкции границ зерен на изображении, снижающий ошибку расчета зерен в 4 раза, и алгоритм автоматизированного анализа удельной поверхности границ структурных составляющих сплава, увеличивающий точность расчета удельной поверхности до 20 раз, по сравнению с известными алгоритмами Предложен способ разбиения примитива на составляющие Введен критерий адекватности описания отрезка контура примитивом

7 Разработан алгоритм идентификации на изображении структуры шлифа таких дефектов, как «пора», «царапина», «загрязнение»

8 Исследованы методы автоматизированного построения моделей прогноза химического состава и механических свойств сплавов, применение которых в системе анализа позволяет производить комплексную оценку качества сплавов и значительно расширить функциональные возможности этой системы

9 На основе анализа геометрических соотношений предложен критерий формы включений у'-фазы в жаропрочных сплавах, который позволяет оценить кинетику структурных и фазовых превращений в этих сплавах в условиях эксплуатации при температурно-силовых воздействиях

СПИСОК ПУБЛИКАЦИЙ ПО ТЕМЕ ДИССЕРТАЦИИ

Публикации в изданиях, рекомендованных ВАК

1 Чубов, А. А. Металлографический анализ сплавов с помощью программы-анализатора MetAn на основе контурно-структурной сегментации [Текст] / А А Чубов, А А Жуков, В А Вишняков // Заготовительное производство -2007 -№8 - С 50-53

Прочие публикации

1 Чубов, А. А. Микросъемка изображений и передача их в компьютер [Текст] / А А Чубов // Информационные технологии сб тр X Всероссийская науч -техн конф Н Новгород НГТУ, 2003 - С 21

2 Чубов, А. А. Компенсация неоднородности освещения изображений шлифов [Текст] / А А Чубов // Моделирование и обработка информ сб тр Всерос науч-техн конф -Рыбинск РГАТА, 2004 -С 42-43

3 Чубов, А А. Удаление дефектов подготовки шлифов на изображениях их структуры [Текст] / А А Чубов // Информационные технологии сб тр XIII Всерос науч -техн конф Н Новгород НГТУ, 2004 - С 23

4 Чубов, А. А. Захват и передача изображений в среде Windows [Текст] / А А Чубов // Вестник академии, Рыбинск РГАТА, 2005 - № 1 - 2 (7 - 8) -С 171-175

5 Чубов, А. А. Автоматизированный расчет удельной поверхности раздела структурных составляющих сплава [Текст] / А А Чубов // XXXII Гагарин-скиечтения сб тр в8т М МАТИ,2006 -Т 1 -С 60-61

6 Чубов, А. А. Структурно-лингвистичесоке описание контуров на изображении [Текст] / А А Чубов // Дни науки II Международная конференция -Днепропетровск, 2006 - С 2 - 6

7 Чубов, А. А. Система анализа микроструктуры сплавов (MetAn) / А А Чубов // Инновации в науке и образовании - 2007 - №1 - С 20

8 Чубов, А. А. Проведение автоматизированного металлографического анализа на примере изображений микроструктур высокопрочного чугуна/ А А Чубов // Вестник академии, Рыбинск РГАТА, 2007 -№2(12)-С 106-114

9 Чубов, А. А. Критерии определения перегрева лопаток ГТД, изготовленных из жаропрочного сплава ЖС6У-ВИ, на основе микроанализа / А А Чубов, А А Жуков, В А Вишняков // Новые материалы сб тр Рос науч -техн конф в 2 т - Рыбинск РГАТА, 2007 - Т 2 - С 275-277

Зав РИОМ А Салкова Подписано в печать 11 10 2007 Формат 60x84 1/16 Уч-издл 1,0 Тираж 100 Заказ 85

Рыбинская государственная авиационная технологическая академия им П А Соловьева (РГАТА) Адрес редакции 152934, г Рыбинск, ул Пушкина, 53 Отпечатано в множительной лаборатория РГАТА 152934, г Рыбинск, ул Пушкина, 53

ВВЕДЕНИЕ.

ГЛАВА 1. АНАЛИЗ МЕТОДОВ АВТОМАТИЗАЦИИ КОНТРОЛЯ КАЧЕСТВА СПЛАВОВ.

1.1 Показатели качества сплавов.

1.1.1 Свойства, структура, химический и фазовый состав сплавов.

1.1.2 Анализ и классификация элементов структуры сплавов.

1.1.3 Основные принципы формирования структуры и фазового состава сплавов.

1.1.4 Принципы количественного металлографического анализа.

1.1.5 Прогноз свойств и химического состава сплавов на основе анализа их структуры.

1.2 Модели и методы обработки изображений структур сплавов.

1.2.1 Схема системы анализа структуры сплавов.

1.2.2 Цветовые модели представления изображений.

1.2.3 Частотно-пространственное представление изображения.

1.2.4 Предварительная обработка.

1.2.4.1 Коррекция градационных характеристик.

1.2.4.2 Препарирование изображения.

1.2.4.3 Подавление шумов и фильтрация помех.

1.2.5 Сегментация изображения.

1.2.5.1 Сегментация элементов изображений по яркости и цвету.

1.2.5.2 Текстурная сегментация элементов изображений.

1.2.5.3 Контурная сегментация и сегментация по форме.

1.2.6 Выделение признаков.

1.2.6.1 Гистограммные признаки.

1.2.6.2 Текстурные признаки.

1.2.6.3 Пространственно-спектральные признаки.

1.2.7 Понимание изображения.

1.3 Технические средства контроля структуры.

Выводы.

Постановка задачи исследования.

ГЛАВА 2. РАЗРАБОТКА И ОЦЕНКА АЛГОРИТМОВ ПРЕДВАРИТЕЛЬНОЙ ОБРАБОТКИ ИЗОБРАЖЕНИЙ.

2.1 Модель представления изображений шлифов.

2.2 Разработка алгоритмов предварительной обработки изображений шлифов

2.2.1 Алгоритм компенсации неоднородности освещения на изображениях шлифов.

2.2.2 Алгоритм восстановления сфокусированного изображения по серии снимков.

2.2.3 Алгоритм автоматизированной идентификации и разделения дефектов на изображении структуры шлифа.

2.3 Выявление признаков статистического описания изображений.

Выводы.

ГЛАВА 3. ИССЛЕДОВАНИЕ АЛГОРИТМОВ ОБРАБОТКИ ИЗОБРАЖЕНИЙ МИКРОСТРУКТУР И МЕТОДОВ КОНТРОЛЯ КАЧЕСТВА СПЛАВОВ.

3.1 Разработка алгоритмов выделения объектов на изображениях шлифов.

3.1.1 Яркостно-цветовой алгоритм сегментации изображений.

3.1.2 Яркостно-текстурный алгоритм сегментации изображений.

3.1.3 Контурно-структурный алгоритм сегментации изображений.

3.1.4 Комплексный подход к сегментации изображений.

3.2 Методы расчета параметров микроструктуры.

3.2.1 Структурный (фазовый) объемный состав сплава.

3.2.2 Площадь граничных поверхностей в единице объема сплава.

3.2.3 Определение размера зерна.

3.2.4 Сравнение изображения шлифа с эталоном.

3.2.5 Критерии определения перегрева жаропрочного сплава.

3.3 Прогноз свойств и химического состава сплава.

Выводы.

ГЛАВА 4. РАЗРАБОТКА И ИССЛЕДОВАНИЕ СИСТЕМЫ АВТОМАТИЗИРОВАННОГО МЕТАЛЛОГРАФИЧЕСКОГО АНАЛИЗА И

КОНТРОЛЯ СПЛАВОВ.

4.1 Структура вычислительной системы автоматизированного контроля сплавов

4.2 Подсистема ввода изображений.

4.3 Архитектура программной среды.

4.4 Результаты решения задач автоматизированного анализа с применением разработанной системы.

Выводы.

Машиностроение - это базовая отрасль экономики, определяющая развитие таких комплексов, как топливно-энергетический, транспортный, строительный, химический, нефтехимический и ряда других. От уровня развития машиностроения зависят важнейшие удельные показатели валового внутреннего продукта страны (материалоемкость, энергоемкость) и, как следствие, конкурентоспособность выпускаемой продукции. В экономически развитых странах доля машиностроительной продукции в общем промышленном выпуске составляет 35 - 50 %, в то время как в России она пока лишь достигла рубежа в 19 %.

Одной из актуальных проблем машиностроения является моральный и физический износ технологического оборудования, достигающий в подотраслях 60 - 80%. Значительная часть оборудования не обновлялась 15 - 20 и более лет. При этом инвестиционные вложения предприятий крайне малы, а темпы выбывания оборудования в 3 - 5 раз превышают темпы ввода новой техники. Данная ситуация связана с недостаточной развитостью внутреннего рынка машиностроительной продукции и недостаточной конкурентоспособностью продукции на мировых рынках. Недостаточный уровень конкурентоспособности металлургической промышленности, являющийся следствием низкого уровня производства, существенно ограничивает развитие экспортной политики продукции как металлургической промышленности, так и всего машиностроения. А экспорт продукции на данный момент является ключевым фактором выживания как для предприятий и отрасли в целом, так и для всей страны.

Важнейшим показателем уровня машиностроительного производства является степень его автоматизации. Повышение степени автоматизации производства позволяет увеличить производительность труда, снизить затраты и повысить качество выпускаемой продукции. Повышение качества (т. е. увеличение долговечности и повышение надежности) выпускаемой продукции в значительной степени определяется применением высококачественных материалов, что требует проведения их достоверного контроля.

Следовательно, одной из важных и острых проблем машиностроения в условиях современной рыночной экономики является проблема совершенствования методов и средств контроля качества материалов. Постоянный рост требований к качеству материала увеличивает трудоемкость его контроля. В результате появляется потребность в автоматизации этого процесса. Стремительное развитие средств вычислительной техники в последние годы привело к их широкому применению в решении задач контроля качества материалов, в том числе контроля качества сплавов.

Так как поведение материалов (сплавов) в условиях эксплуатации определяется соотношением и количеством структурных и фазовых составляющих, их морфологией и стабильностью, то выражение соотношений, связывающих микроструктуру материала (сплава) с его физическими и механическими свойствами в количественной форме, позволяет получить простой и легко воспроизводимый метод контроля качества продукции и прогноза ее свойств. Привлечение вычислительной техники для проведения количественного металлографического анализа позволяет получить более достоверную численную оценку взаимосвязи «химический состав - структура - свойства». Установление этой взаимосвязи дает возможность выявить ту оптимальную структуру сплава, которая в наибольшей мере соответствует условиям его эксплуатации и помогает определить оптимальные режимы термической обработки для формирования этой структуры. Это позволит создавать новые сплавы, обладающие заранее заданным комплексом свойств после соответствующей обработки.

Основной задачей автоматизации контроля сплавов является разработка эффективно и надежно работающего программно-аппаратного комплекса (системы автоматизированного контроля), производящего анализ структуры, фазового состава, а также прогноз химического состава и свойств сплавов.

Структура и фазовый состав сплава в значительной степени определяют его физико-механические и эксплуатационные свойства, а в итоге работоспособность изделия. Так как исследование структуры сплавов целиком сводится к анализу и интерпретации их изображений, представляется актуальным создание автоматизированной системы обработки этих изображений с применением основных принципов стереометрии и теории распознавания образов.

Разработка системы автоматизированного контроля структуры и свойств сплавов тесно связана с целым рядом теоретических и практических вопросов, удовлетворительное решение которых до настоящего времени не найдено. На сегодняшний день открытой проблемой является отсутствие эффективных методик автоматизированного прогнозирования свойств сплавов на основе количественного металлографического анализа их структуры. Это прежде всего связано с тем, что существующие в настоящее время методики анализа структуры не являются комплексными (т. к. они пригодны только для анализа некоторых структурных характеристик конкретных сплавов). Они не рассматривают взаимосвязи между химическим составом, структурой и свойствами сплавов, а базируются лишь на проведении частичного анализа структуры сплава и ее элементов. Кроме этого отсутствуют автоматизированные методики решения ряда металлографических задач в комплексе со статистическими методами корреляционно-регрессионного анализа для оценки качества сплава. Мало изученной является задача автоматического выделения и реконструкции форм различных структурных элементов на изображениях микроструктур.

Среди наиболее значительных работ в области автоматизации контроля материалов, выполненных ранее другими авторами, можно выделить работы А.В.Яковлева [78,80,82-84], работы М. В. Филинова и Ф.С.Фурсова [77, 99- 102], а также ряд программных разработок фирм SIAMS [86], ВидеоТест [87] и ООО «Новые экспертные системы» [88]. Во всех работах рассмотрены базовые подходы к проведению автоматизированного анализа структуры, но не рассматриваются вопросы прогноза свойств и химического состава сплавов.

Данная работа направлена на решение актуальной проблемы современного машиностроения - совершенствование методов и средств комплексного автоматизированного контроля качества сплавов на основе использования принципов цифровой обработки и математического аппарата.

Объектом исследования в данной работе являются методы металлографического анализа и контроля сплавов по изображениям их микроструктур.

Предметом исследования являются методы автоматизации проведения контроля сплавов посредством цифровой обработки изображений их микроструктур, позволяющие наиболее объективно оценить качество сплавов и с определенным уровнем значимости прогнозировать химический состав и физико-механические свойства исследуемых сплавов.

Целью данной работы является разработка автоматизированной вычислительной системы металлографического анализа и контроля качества сплавов с использованием цифровой обработки оптических изображений микроструктур на основе анализа структуры, фазового состава и последующего прогноза свойств и химического состава. Данная система является одним из элементов общей системы автоматизированного контроля и управления технологическими процессами. Она предназначена для сбора и цифровой обработки данных металлографического анализа и контроля сплавов на машиностроительном производстве: в цехах заготовительного производства (литейного, термического кузнечно-прессовочного), а также в лабораториях металлографического анализа и физико-механических испытаний.

Для достижения поставленной цели в рамках данной научно-исследовательской работы решались следующие основные задачи:

- анализ, классификация структурных (фазовых) составляющих сплавов на основе характерных геометрических и металлофизических признаков;

- разработка алгоритмов автоматизированной обработки изображений микроструктуры сплавов, производящих предварительную обработку, сегментацию и распознавание изображений;

-разработка алгоритмов автоматизированного расчета количественных параметров микроструктуры и фазового состава сплавов с учетом особенностей их структурного строения;

- разработка автоматизированных подходов построения аналитических и статистических моделей прогноза химического состава и механических свойств исследуемых сплавов на основе проведенного анализа структуры и использования основных физико-химических закономерностей в системе «химический состав - структура - свойства»;

- разработка и внедрение программного обеспечения автоматизированного контроля сплавов в машиностроительном производстве, реализующего предложенные алгоритмы анализа структуры, прогноза химического состава и физико-механических свойств сплавов.

Методы исследования. Для решения поставленных задач применены методы количественного металлографического анализа, математического и компьютерного моделирования, цифровой обработки изображений, теория распознавания образов, построения алгоритмов и программ, аппарат вейвлет-анализа и математической статистики.

Научная новизна:

- предложена модель представления цифровых изображений микроструктур в системе автоматизированного контроля, описывающая цветовое пространство и пространственно-частотные компоненты изображения. За счет разделения в модели яркостных и цветовых составляющих изображения увеличивается скорость и эффективность алгоритмов обработки изображений микроструктур;

- предложен универсальный алгоритм выделения структурных элементов на изображениях микроструктур при металлографическом анализе, включающий методы контурно-структурной, яркостно-цветовой и яркостно-текстурной сегментации. Алгоритм позволяет обрабатывать большое многообразие классов изображений микроструктур сплавов и минимизировать ошибки оценки их параметров;

- предложен критерий формы включений у'-фазы в жаропрочных сплавах, позволяющий оценить кинетику структурных и фазовых превращений в этих сплавах в условиях эксплуатации при температурно-силовых воздействиях;

- предложен алгоритм проведения автоматизированной идентификации и разделения между собой дефектов оптики («царапина», «загрязнение»), подготовки шлифа («царапина», «загрязнение») и дефектов структуры («пористость»). Алгоритм позволяет повысить эффективность и качество автоматизированного металлографического анализа.

Практическая ценность диссертационной работы заключается в возможности использования в промышленности:

1. Программно-аппаратной архитектуры системы автоматизированного металлографического анализа и контроля сплавов;

2. Алгоритмов обработки изображений микроструктур:

- алгоритма компенсации неоднородности освещения шлифов;

- алгоритма восстановления сфокусированного изображения;

- алгоритма яркостно-цветовой сегментации, выполняющего сегментацию изображений одновременно по яркости и по цвету;

- алгоритма яркостно-текстурной сегментации изображений микроструктур, содержащих сложные структурные составляющие;

- алгоритма контурно-структурной сегментации изображений микроструктур, позволяющего избавиться от влияния погрешности дискретизации, восстановить элементы на изображении и снизить ошибку измерения геометрических характеристик;

- алгоритма автоматизированного количественного анализа основных характеристик микроструктуры;

3. Методик исследования структурного и фазового состава высокопрочного чугуна с шаровидным графитом, жаропрочного сплава ЖС6У - ВИ, аустенитной корозионностойкой стали;

4. Принципов идентификации типа неметаллических включений на основе яркостно-цветовой сегментации, позволяющих определить содержание вредных примесей и соответствующую стехиометрическую формулу неметаллических включений;

5. Методик бальной оценки структуры и фазового состава, построенных на основе критерия схожести текстур и устраняющих влияние субъективного фактора при выполнении металлографического анализа;

6. Программной среды анализа микроструктур сплавов «MetAn», зарегистрированной в отраслевом фонде алгоритмов и программ.

Реализация результатов работы. Разработанное алгоритмическое и математическое обеспечение исследовано и проверено при металлографическом анализе шлифов, полученных с производств ОАО «НПО «Сатурн» и ООО «Литэкс», и использовано при построении системы автоматизированного металлографического анализа и контроля сплавов - программы анализатора изображений «MetAn». Результаты работы используются в учебном процессе на кафедре «Материаловедение, литье и сварка» Рыбинской государственной авиационной технологической академии имени П. А. Соловьева.

Апробация работы. Основные научные положения работы докладывались и обсуждались на:

- XXVIII конференции молодых ученых (г. Рыбинск, 2003. Два доклада);

-Всероссийской научно-технической конференции «Моделирование и обработка информации в технических системах» (г. Рыбинск, 2004);

- X и XIII Всероссийской научно-технической конференции «Информационные технологии в науке, проектировании и производстве» (г. Н. Новгород, 2003,2004);

- XXXII и XXXIII Международной научной конференции «Гагаринские чтения» (г. Москва, 2006, 2007. Оба выступления дипломированы);

- II Международной конференции «Дни науки - 2006» (г. Днепропетровск, 2006);

- Российской научно-технической конференции «Новые материалы, прогрессивные технологические процессы и управление качеством в заготовительном производстве» (г. Рыбинск, 2007);

- заседаниях кафедры «Вычислительные системы» Рыбинской государственной авиационной технологической академии имени П. А. Соловьева.

Разработанная по материалам диссертации программная среда «MetAn» зарегистрирована во Всероссийском отраслевом фонде алгоритмов и программ. Свидетельство № 7569 от 23.01.07.

Публикации. Основные результаты диссертационной работы опубликованы в 10 работах: из них 3 статьи, в т. ч. одна в издании, рекомендованном ВАК, 6 тезисов докладов и 1 свидетельство об отраслевой регистрации разработки.

Структура и объем. По структуре диссертационная работа состоит из введения, четырех глав, заключения, библиографического списка из 132 источников и 11 приложений. Содержит 156 страниц основного текста, 19 таблиц, 87 рисунков.

Выводы

1. Разработана структурная схема системы автоматизированного контроля структуры, фазового состава и свойств сплавов, определены типы устройств, используемых в ней в качестве устройств ввода изображений, и устройств управления микроскопом.

2. Предложена архитектура программной части системы автоматизации контроля. На ее основе разработано программное обеспечение, лишенное недостатков известных анализаторов изображений структур и выполняющее автоматизированный анализ структуры, фазового состава и свойств сплавов.

3. Построенная на основе измеренных параметров структур высокопрочного чугуна регрессионная модель (см. раздел 2.4) зависимости предела прочности от этих параметров подтвердила работоспособность разработанной системы контроля соответствием рассчитанных параметров тем что, рекомендуемы ГОСТ 7293.

4. Проведено тестирование разработанной системы с использованием металлографического микроскопа и цифровой камеры на ряде металлографических шлифов высокопрочного чугуна. Применение систем автоматизированного анализа позволяет сократить время проведения анализа. Так для выполнения рассмотренной задачи вручную, оператору потребуется на анализ одного образца время порядка 1 часа, применение рассмотренной автоматизированной системы позволяет сократить это время в 16 раз.

154

ЗАКЛЮЧЕНИЕ

В диссертационной работе исследованы показатели качества материалов, выявлены методы их контроля, методы оценки и прогноза свойств сплавов на основе анализа структуры. Определены недостатки существующих систем автоматизированного анализа. Проанализированы методы предварительной обработки изображений. Исследованы возможности автоматизации методов анализа структуры, фазового состава сплавов.

В результате исследований получены новые теоретические результаты:

- предложена модель представления цифровых изображений микроструктур в системе анализа с использованием компонент цветовой системы LCQ и вейвлет-преобразования Модель позволяет производить обработку яркостной составляющей цветных изображений без дополнительных пересчетов и производить высокоточную сегментацию цветных и полутоновых изображений на основе задания диапазона яркости и цветового тона. Применение модели позволяет эффективно использовать память системы для хранения изображений микроструктур и проведения вейвлет-разложения, что ведет к увеличению быстродействия обработки этих изображений;

- в результате проведенного анализа и классификации элементов структур сплавов и классификации микроструктур, предложено для сегментации изображений микроструктур комплексное использование методов яркостно-цветовой, яркостно-текстурной и контурно-структурной сегментации. Это позволяет обрабатывать большое многообразие классов изображений микроструктур сплавов и минимизировать ошибки оценки их параметров;

- на основе принципов, используемых в комплексном подходе сегментации, разработаны рекомендации к построению системы признаков, применяемых для сравнения изображений с эталоном и идентификации структурных составляющих на изображениях микроструктур. В частности, яркостно-цветовые признаки позволяют произвести идентификацию неметаллических включений на основе их цветового окраса, контурноструктурные признаки - произвести идентификацию элементов по структурно-лингвистическому описанию, а яркостно-цветовые используются для сравнения изображений с эталонами;

- предложено сегментировать изображения микроструктур содержащих контуры с помощью контурно-структурного метода. На основе этого метода разработаны: алгоритм реконструкции границ зерен на изображении (позволяющий уменьшить ошибку автоматизированного расчета характеристик зерен за счет восстановления непротравленных и слабоконтрастных границ в 4 раза), алгоритм автоматизированного анализа удельной поверхности границ структурных составляющих сплава (позволяющий повысить точность вычисления протяженности граничных линий в 10 раз и тем самым увеличить точность расчета удельной поверхности в 20 раз). Введены критерии адекватности описания отрезка контура примитивом, и способ разбиения примитива на составляющие, в случае неадекватности его описания;

- разработан алгоритм идентификации на изображении структуры шлифа таких дефектов, как «пора», «царапина», «загрязнение шлифа» и «загрязнение оптики». Алгоритм позволяет разделить эти дефекты между собой и выделить их среди других структурных составляющих, что нейтрализует влияние этих дефектов при анализе, а также прогнозе свойств и химического состава;

- разработаны алгоритм компенсации неоднородности освещения шлифов и алгоритм восстановления сфокусированного изображения по серии снимков использующие в своей основе вейвлет-разложение. Применение вейвлет-разложения позволяет повысить эффективность работы этих алгоритмов по сравнению с известными в 2 раза;

- разработаны алгоритмы яркостно-цветовой и яркостно-текстурной сегментации изображений. Яркостно-цветовой алгоритм применим для сегментации изображений структур не содержащих сложные структурные составляющие. Применение яркостно-текстурной сегментации для изображений содержащих сложные структурные составляющие позволяет повысить точность выделения фаз на этих изображениях до 50 раз. Для построения яркостно-текстурного алгоритма предложены и исследованы метрические характеристики, используемые для определения однородности текстур, а так же предложен критерий однородности текстур;

-исследованы методы автоматизированного построения моделей прогноза химического состава и механических свойств сплавов. Их применение в системе анализа позволяет производить комплексную оценку качества сплавов и значительно расширить функциональные возможности системы анализа;

- на основе анализа геометрических соотношений предложен критерий формы включений у'-фазы в жаропрочных сплавах, который позволяет оценить кинетику структурных и фазовых превращений в этих сплавах в условиях эксплуатации при температурно-силовых воздействиях;

- разработана структурная схема и архитектура автоматизированной системы контроля сплавов. На ее основе разработана автоматизированная программно-аппаратная система контроля сплавов зарегистрированная в отраслевом фонде алгоритмов и программ, и внедренная на предприятии ОАО «НПО «Сатурн», а также в учебном процессе на кафедре «Материаловедения, литья и сварки» РГАТА имени П. А. Соловьева.

Таким образом, полученные результаты позволяют сделать вывод о том, что разработанные алгоритмы автоматизированного металлографического анализа, алгоритмы прогноза свойств и химического состава на основе анализа структуры, и объединение их в составе одной системы обеспечивает достижение конечной цели диссертационной работы - создание эффективной системы автоматизированного металлографического анализа и контроля сплавов.

1. Бернштейн, М. JI. Металловедение и термическая обработка стали Текст.: справочник в 3-х т. Т. 1. Методы испытаний и исследований / Под ред. М. JI. Бернштейна, А. Г. Рахштадта М.: Металлургия, 1983. - 352 с.

2. ГОСТ 380 94. Стали углеродистые обыкновенного качества. Марки Текст. - Введ. 1998 - 01 - 01. - М.: Изд-во стандартов, 2001. - 8 с.

3. ГОСТ 1050 88. Прокат сортовой, калиброванный, со специальной отделкой поверхности из углеродистой качественной конструкционной стали. Общие технические условия Текст. - Введ. 1991-01-01. - М.: Изд-во стандартов, 2004. - 20 с.

4. ГОСТ 977 88. Отливки стальные. Общие технические условия Текст. - Введ. 1990 - 01 - 01. - М.: Изд-во стандартов, 2004. - 35 с.

5. ГОСТ 1412-85. Чугун с пластинчатым графитом для отливок. Марки Текст. Введ. 1987 - 01 - 01. - М.: Изд-во стандартов, 2004. - 5 с.

6. ГОСТ 7293-85. Чугун с шаровидным графитом для отливок. Марки Текст. Введ. 1987 - 01 - 01. - М.: Изд-во стандартов, 2004. - 3 с.

7. ГОСТ 1583-93. Сплавы алюминиевые литейные. Технические условия Текст. Введ. 1997 - 01 - 01. - М.: Изд-во стандартов, 2003. - 28 с.

8. ГОСТ 8233 56. Сталь. Эталоны микроструктуры Текст. - Введ. 1957 - 01 - 07. - М.: Изд-во стандартов, 2004. - 12 с.

9. ГОСТ 5640-68. Сталь. Металлографический метод оценки микроструктуры листов и ленты Текст. Введ. 1970-01 -01. - М.: Изд-во стандартов, 1988. - 18 с.

10. ГОСТ 1435-99. Прутки, полосы и мотки из инструментальной нелегированной стали. Общие технические условия Текст. Введ. 2001 - 01 - 09. - М.: Изд-во стандартов, 2004. - 23 с.

11. ГОСТ 5950 2000. Прутки, полосы и мотки из инструментальной легированной стали. Общие технические условия Текст. - Введ. 2002 - 01 - 01. - М.: Изд-во стандартов, 2004. - 39 с.

12. ГОСТ 19265 73. Прутки и полосы из быстрорежущей стали. Технические условия Текст. - Введ. 1975 — 01 — 01. — М.: Изд-во стандартов, 2003.-22 с.

13. ГОСТ 801-78. Сталь подшипниковая. Технические условия Текст. Введ. 1982 - 01 - 01. - М.: Изд-во стандартов, 2004. - 17 с.

14. ГОСТ 11878-66. Сталь аустенитная. Методы определения содержания ферритной фазы в прутках Текст. Введ. 1967-01 -01. - М.: Изд-во стандартов, 1976. - 10 с.

15. ГОСТ 1778-70. Сталь. Металлографические методы определения неметаллических включений Текст. Введ. 1972-01-01. - М.: Изд-во стандартов, 1971. - 35 с.

16. ГОСТ 3443 87. Отливки из чугуна с различной формой графита. Методы определения структуры Текст. - Введ. 1988-01 -07. - М.: Изд-во стандартов, 2005. - 43 с.

17. ГОСТ 21073.0 75. Металлы цветные. Определение величины зерна. Общие требования Текст. - Введ. 1976-01-07. - М.: Изд-во стандартов, 2002. - 10 с.

18. ГОСТ 21073.1 75. Металлы цветные. Определение величины зерна методом сравнения со шкалой микроструктур Текст. - Введ. 1976 - 01 -07. - М.: Изд-во стандартов, 2002. - 6 с.

19. ГОСТ 21073.2 75. Металлы цветные. Определение величины зерна методом подсчета зерен Текст. - Введ. 1976-01-07. - М.: Изд-во стандартов, 2002. - 3 с.

20. ГОСТ 21073.3 75. Металлы цветные. Определение величины зерна методом подсчета пересечений зерен Текст. - Введ. 1976 - 01 - 07. - М.: Изд-во стандартов, 2002. - 2 с.

21. ГОСТ 21073.4 75. Металлы цветные. Определение величины зерна планиметрическим методом Текст. - Введ. 1976 - 01 - 07. - М.: Изд-во стандартов, 2002. - 3 с.

22. ГОСТ 5639 82. Стали и сплавы. Методы выявления и определения величины зерна Текст. - Введ. 1983-01 -01. - М.: Изд-во стандартов, 2003. - 38 с.

23. ГОСТ 22838 77. Сплавы жаропрочные. Методы контроля и оценки макроструктуры Текст. - Введ. 1979-01-01. - М.: Изд-во стандартов, 1978. - 27 с.

24. Лозовский, В. Н. Диагностика авиационных двигателей Текст. / В. Н. Лозовский, Г. В. Бондал, А. О. Каксис, А. Е. Колтунов. М.: Машиностроение, 1988. - 280 с.

25. Кондратюк, С. Е. Разрушение литой марганцовистой стали Текст. / С. Е. Кондратюк, О. Г. Касаткин. Киев: Наукова думка, 1987. - 148 с.

26. Палатник, JI. С. Структура и динамическая долговечность сталей в условиях тяжелого нагружения Текст. / Л. С. Палатник, Т. М. Равицкая, Е. JI. Островская. Челябинск: Металлургия, 1988. - 160 с.

27. Либовей, Г. Разрушение Текст.: справочник в 7-ми т. Т.1. Микроскопические и макроскопические основы механики разрушения / Г. Либовей. М.: Мир, 1973. - 514 с.

28. Балтер, М. А. Фрактография средство диагностики разрушения деталей Текст. / М. А. Балтер, А. П. Любченко, С. И. Аксенова [и др.]. - М.: Машиностроение, 1987. - 160 с.

29. Энгель, Л. Растровая электронная микроскопия. Разрушение Текст.: справочник / Л. Энгель, Г. Клингеле. М.: Металлургия, 1986. - 232 с.

30. Смирнова, А. В. Электронная микроскопия в металловедении Текст.: справочник / А. В. Смирнова. М.: Металлургия, 1985. - 192 с.

31. Козлов,Ю.С. Материаловедение Текст. / Ю.С.Козлов. М.: Высш. шк., 1983. - 80 с.

32. Блюменауэра, X. Испытание материалов Текст.: справочник / X. Блюменауэр. М.: Металлургия, 1979. - 448 с.

33. Вайнблата, Ю. М. Методы контроля и исследования легких сплавов Текст.: справочник / Ю. М. Вайнблат. М.: Металлургия, 1985.-510 с.

34. Лившиц, Б. Г. Физические свойства металлов и сплавов Текст. / Б. Г. Лившиц, В. С. Карапошин, Я. Л. Линецкий. М.: Металлургия, 1980.-317 с.

35. Воздвиженский, В. М. Контроль качества отливок Текст.: учеб. пособие / В. М. Воздвиженский, А. А. Жуков, В. К. Бастраков М.: Машиностроение, 1990.-240 с.

36. Фетисов Г. П. Материаловедение и технология металлов Текст.: учеб. пособие для студентов машиностроит. спец. ВУЗов / Г. П. Фетисов, М. Г. Карпман, В. М. Матюшин [и др.]. М.: Высш. шк., 2001. - 638 е., ил.

37. Лахтин, Ю. М. Материаловедение Текст.: учебник для ВТУЗов / Ю. М. Лахтин, В. П. Леонтьева. М. Машиностроение, 1990. - 528 е., ил.

38. Грабский, М. В. Структура границ зерен в металлах Текст.: пер. с польск. / М. В. Грабский. М.: Металлургия, 1969. - 159 е., ил.

39. Гуляев, А. П. Материаловедение Текст.: учебник для ВУЗов / А. П. Гуляев. М.: Металлургия, 1986. - 544 е., ил.

40. Тавадзе, Ф. Н. Металлография железа Текст.: справочник в 3-х т. Т.1 Основы металлографии. Перев. с англ. / Ф. Н. Тавадзе. М.: Металлургия, 1972.-240 с.

41. Салтыков, С. А. Стереометрическая металлография Текст. / С. А. Салтыков. М.: Металлургия, 1976. - 176 е., ил.

42. Геллер, Ю. А. Материаловедение. Методы анализа, лабораторные работы и задачи Текст. / Ю. А. Геллер, А. Г. Рахштадт. М.: Металлургия, 1975.-448 е., ил.

43. Ефимычев, Ю. И. Регрессионный анализ качества сталей и сплавов Текст. / Ю. И. Ефимычев, С. К. Михайлов, Б. К. Святкин, И. И. Прохоров. М.: Металлургия, 1976. - 224 с.

44. Ахназарова, С. Л. Методы оптимизации эксперимента в химической технологии Текст.: учеб. пособие для хим.-технол. спец. вузов / С. Л. Ахназарова, В. В. Кафаров. М.: Высш. шк., 1985. - 327 е., ил.

45. Пикеринг, Ф. Б. Физическое металловедение и разработка сталей Текст. / Ф. Б. Пикеринг; пер. с англ. М.: Металлургия, 1982. - 184 с.

46. Чубов, А. А. Микросъемка изображений и передача их в компьютер Текст. / А. А. Чубов // Информационные технологии в науке, проектировании и производстве: материалы десятой всероссийской научно-технической конференции. Нижний Новгород: НГТУ, 2003. С. 21.

47. Красильников, Н. Н. Цифровая обработка изображений Текст. / Н. Н. Красильников. М. Вуз. кн., 2001. - 319 с.

48. Цветовые измерения Электронный документ.: электронная библиотека документации о цвете. ООО «АРСИ», 2007 - (www.realcolor.ru). Проверено 30-09-07.

49. Миловский, А. В гармонии с CMS Текст. // А. Миловский / Publish №7,2004.-С. 15-21.

50. Ламброу, Т. Применение вейвлет-преобразования к обработке медицинских сигналов и изображений Текст. / Т. Ламброу, А. Линней, Р. Спеллер // Компьютерра. 1998. - №8. - С. 34 - 40.

51. Башилов, Г. Мелковолновый анализ Текст. / Г. Башилов, Л. Левкович-Маслюк // Компьютерра. 1998. - №8. - С. 57 - 63.

52. Переберин, А. Вейвлеты в компьютерной графике Текст. / А. Переберин // Компьютерра. 1998. - №8. - С. 63 - 67.

53. Левкович-Маслюк, Л. Дайджест вейвлет-анализа Текст. / Л. Левкович-Маслюк // Компьютерра. 1998. - №8. - С. 48 - 51.

54. Левкович-Маслюк, Л. Два курса по вейвлет-анализу Текст. / Л. Левкович-Маслюк, А. Переберин // Учебная программа 8-й международной конференции по компьютерной графике и визуализации ГрафиКон'98. М.: МГУ, 1998.-76 с.

55. Левкович-Маслюк, Л. Введение в Вейвлет-анализ Текст. / Л. Левкович-Маслюк, А. Переберин // Компьютерра. 1998. - №8. - С. 52 - 57.

56. Дьяконов, В. Mathlab. Обработка сигналов и изображений Текст.: спец. справочник / В. Дьяконов, И. Абрамикова. С-П.: Питер, 2002. - 654 с.

57. Добеши, И. Десять лекций по Вейвлетам Текст. / И. Добеши -Ижевск: НИЦ «Регулярная и хаотическая динамика», 2001. 464 с.

58. Переберин, А. В. О систематизации вейвлет-преобразований Текст. / А. В. Переберин // Вычислительные методы и программирование. -М.: МГУ, 2001. Т.2. - №2. - С. 15 - 40.

59. Daubechies I. Ten Lectures on Wavelets. / Philadelphia: SIAM, 1992.400 p.

60. Jaideva C. Goswami, Andrew K. Chan. Fundamentals of Wavelets. Theory, Algorithms, and Application. / Wiley InterScience publication, 2000. -300 p.

61. Richard E. Blahut. Fast Algorithms for Digital Signal Processing / Addison Wessley Publishing, 1989. - 223 p.

62. Брейсуэлл, P. Преобразование Хартли. Теория и приложение Текст. / Р. Брейсуэлл. перв. с англ. - М.: Мир, 1990. - 175 е., ил.

63. Воробьев, В. И. Теория и практика вейвлет-преобразования Текст. / В. И. Воробьев, В. Г. Грибунин С-Петербург: ВУС, 1999 - 204 с.

64. Новиков, Л. В. Основы вейвлет-анализа сигналов Текст.: учебное пособие / Л. В. Новиков С.Петербург: МОДУС+, 1999. - 152 с.

65. Гонсалес, Р. Цифровая обработка изображений Текст. / Р. Гонсалес, Р. Вудс. Москва: Техносфера, 2005. - 1072 с.

66. Грузман, И. С. Цифровая обработка изображений в информационных системах Текст.: учебное пособие / И. С. Грузман, В. С. Киричук, В. П. Косых и др. Новосибирск: НГТУ, 2000. - 168 с.

67. Чубов, А. А. Компенсация неоднородности освещения изображений шлифов Текст. / А. А. Чубов // Моделирование и обработка информации в технических системах: материалы Всероссийской научно-технической конференции. Рыбинск: РГАТА, 2004. - С. 42 - 43.

68. Петров, М. С. Методы повышения качества изображений и выделения деталей структур Текст. / М. С. Петров, Р. М. Кадушников, И. Г. Каменин [и др.] // Цифровая микроскопия: материалы школы-семинара. -Екатеринбург: УГТУ-УПИ, 2001. С. 65 - 70.

69. Пантелеев, В. Г. Компьютерная микроскопия Текст. / В. Г. Пантелеев, О. В. Егорова, Е. И. Клыкова. М.: Техносфера, 2005. - 304 с.

70. Ярославский, JI. П. Цифровая обработка изображений в голографии Текст. / JI. П. Ярославский. М.:Сов. радио, 1980. - 260 с.

71. Прэтт, У. Цифровая обработка изображений Текст.: пер. с англ., в 2-х книгах. Кн.2 / У. Прэтт. М.: Мир, 1982. - 480 е., ил.

72. Steven W. Smith. The Scientist and Engineer's Guide to Digital Signal Processing. Second edition. California Tehniacal Publishing, 1999. - 652 p.

73. Клемин, А. Тест цифровых фотокамер Текст. / А. Клемин // Потребитель. Экспертиза и тесты 2004. - № 7 (17). - С. 80 - 81.

74. Ярославский, JI. П. Введение в цифровую обработку изображений Текст. / JI. П. Ярославский. М.: Сов. радио, 1979. - 312 е., ил.

75. Калинкина, Д. Проблемы подавления шума на изображениях и видео и различные подходы к ее решению Текст. / Д. Калинкина // Графика и Мультимедия 2005. - № 9. - С. 14 - 23.

76. Филинов, М. В. Оптическая структуроскопия: проблемы моделирования и анализа Текст. / М. В. Филинов, Ф. С. Фурсов// Контроль и диагностика 2003. - № 7. - С. 8, 13 - 17.

77. Яковлев, А. В. Результаты экспериментов по автоматическому анализу структуры микрошлифов металлов Текст. / А. В. Яковлев, Е.Н.Сидоренко; Муромскйи ф-ал ВГУ. Муром, 2001. - 20 с. - Деп. в ВИНИТИ 18.01.2001 № 134-В2001.

78. Чубов, А. А. Структурно-лингвистичесоке описание контуров на изображении Текст. / А. А. Чубов // Дни науки: II международная конференция. Днепропетровск, 2006. - С. 2 - 6.

79. Белков, А. В. Статистический и информационный подход к описанию текстур в визуальных информационных системах Текст. / А. В. Белков // Сборник трудов молодых ученых. Рыбинск: РГАТА, 2000. -С. 116-118.

80. Яковлев, А. В. Методы анализа и синтеза текстур Текст. / А. В. Яковлев; Мур. институт ВлГУ Муром, 1999 - 24 с. - Деп. в ВИНИТИ 02.12.99, № 3589-В99.

81. Яковлев, А. В. Использование методов цифровой обработки изображений в количественной металлографии Текст. / С. С. Садыков, А. В. Яковлев // Надежность и качество 2000: труды международного симпозиума. Пенза: Пенз. гос. ун-т, 2000. - С. 55 - 56.

82. Ту, Дж. Принципы распознавания образов Текст.: пер. с англ. / Дж. Ту, Р. Гонсалес; под. ред. Ю. И. Журавлева. М.: Мир, 1978. - 414 е., ил.

83. SIAMS: Системы анализа изображения и моделирования структур» Электронный документ.: Сайт компании. ООО «СИАМС», 2007. -(http://www.siams.com). - Проверено 30 - 09 - 07.

84. VideoTesT Image Analysis System Электронный документ.: Сайт компании. ООО «ВидеоТест», 2007 - (http://www.videotest.ru). - Проверено 30-09-07.

85. ООО «Новые экспертные системы» Электронный документ.: Сайт компании. ООО «Новые экспертные системы». - (http://www.nexsvs.com). Проверено 30-09-07.

86. Чубов, А. А. Автоматизированный расчет удельной поверхности раздела структурных составляющих сплава Текст. / А. А. Чубов // XXXII Гагаринские чтения: научные труды научной конференции в 8 томах. М.: МАТИ, 2006. Т. 1.-С. 60-61.

87. Чубов, А. А. Захват и передача изображений в среде Windows Текст. / А. А. Чубов // Вестник академии, Рыбинск: РГАТА, 2005. -С. 171-175.

88. Чубов, А. А. Система анализа микроструктуры сплавов (MetAn) / А. А. Чубов // Инновации в науке и образовании. 2007. - №1. - С. 20.

89. Чубов, А. А. Проведение автоматизированного металлографического анализа на примере изображений микроструктур высокопрочного чугуна/ А.А.Чубов // Вестник академии. Рыбинск: РГАТА, 2006. -С. 106-114.

90. Чубов, А. А. Металлографический анализ сплавов с помощью программы-анализатора MetAn на основе контурно-структурной сегментации Текст. / А. А. Чубов, А. А. Жуков, В. А. Вишняков // Заготовительное производство. 2007. - №8. - С. 50 - 53.

91. TWAIN Working group Электронный документ.: сайт группы разработчиков.- "TWAIN Working group", 2007 (http://www.twain.org/). Проверено 30 - 09 - 07.

92. MSDN Group Электронный документ.: электронная сеть разработчика. JSC "Microsoft", 2007. - (http://msdn.microsoft.com/librarv/ /default.asp"). Проверено 30 - 09 - 07.

93. ООО «Спецтелетехника» Электронный документ.: сайт компании. ООО «Спецтелетехника», 2007 - (http://www.sptt.ru). Проверено 30 - 09 - 07.

94. Филинов, М. В. Идентификация цифровой оптико-электронной системы формирования изображения Текст. / М. В. Филинов, Ф. С. Фурсов // Контроль и диагностика 2003. - № 11. - С. 24 - 30.

95. Филинов, М. В. Повышение точности измерений в компьютерной оптической структуроскопии Текст. / М. В. Филинов, Ф. С. Фурсов // Контроль и диагностика 2003. - № 10. - С. 19 - 24.

96. Филинов, М. В. Компьютерная система металлографической микроскопии Текст. / Филинов М. В., Фурсов Ф. С. / Контроль и диагностика -2003.-№3. С. 17-23.

97. Филинов, М. В. Цифровое восстановление изображений в оптической микроскопии для повышения точности измерений Текст. /

98. М. В. Филинов, Ф.С.Фурсов // Контроль и диагностика 2004. - №1. -С. 44-49.

99. Эмсли,Дж. Элементы Текст.: перевод с англ. / Дж. Эмсли-С-Петербург.: Мир, 1993.-256 с.

100. Анисимов, Б. В. Распознавание и цифровая обработка изображений Текст.: учеб. пособие для студентов ВУЗов / Б. В. Анисимов, В. Д. Курганов, В. К. Злобин. М.: Высш. шк., 1983. - 195 е., ил.

101. Мотоока, Т. Компьютеры на СБИС Текст.: Пер. с япон. / Т. Мотоока, X. Хорикоси, М. Сакаути [и др.] М.: Мир, 1988. - 336 е., ил.

102. Яковлев, А. В. Система обработки изображений шлифов металлов Текст. / А. В. Яковлев // Радиотехника, телевидение и связь: сборник научных трудов. Муром: Мур. институт ВлГУ, 1999. - С. 150- 153.

103. Гороховский, В. И. Возможности цифровой микроскопии в металлографии Текст. / В. И. Гороховский // Цифровая микроскопия: материалы школы-семинара. Екатеринбург: УГТУ-УПИ, 2001. - С. 18 - 22.

104. Петров, М. С. Методы математической морфологии в задачах анализа изображений Текст. / М. С. Петров, Р. М. Кадушников, И. Г. Каменин [и др.] // Цифровая микроскопия: материалы школы-семинара. Екатеринбург: УГТУ-УПИ, 2001. - С. 60 - 65.

105. Бледнова, Ж. М. Деградация структуры поверхностного слоя стали в процессе технологической операции наплавки нитинола Текст. / Ж. М. Бледнова, Д. Г. Будревич // Краснодар: КГТУ, 2001. С. 124 - 127.

106. Воздвиженский, В. М. Планирование эксперимента и математическая обработка результатов в литейном производстве Текст.: учебное пособие / В. М. Воздвиженский, А. А. Жуков. Ярославль: ЯПИ, 1985.-88 с.

107. Богачев, И. Н. Статистическое металловедение Текст. / И. Н. Богачев, А. А. Вайнштейн, С. Д. Волков. М.: Металлургия, 1984. - 176 с.

108. Фридман, Я. Б. Механические свойства металлов Текст. / Я. Б. Фридман / М.: Машиностроение, 1974. 472 с.

109. Пиотровский, Я. Теория измерений для инженеров Текст.: пер. с польск. / Я. Пиотровский. М.: Мир, 1989. - 335 е., ил.

110. Бонгард, М. М. Проблемы узнавания Текст. / М. М. Бонгард М.: Наука, 1967,-320 е., ил.

111. Кадушников, Р. М. Методы морфологического восстановления сетки границ зерен Текст. / Р. М. Кадушников, И. Г. Каменин, В. М. Алиевский [и др.] // Цифровая микроскопия: материалы школы-семинара. Екатеринбург: УГТУ-УПИ, 2001. - С. 32 - 42.

112. Вершинина, В. В. О нечетком структурном описании визуального образа Текст. / В. В. Вершинина // Сборник трудов молодых ученых. Рыбинск: РГАТА, 2000.-С. 172-174.

113. Ярославский, Л. П. Цифровая обработка сигналов в оптике и голографии: введение в цифровую оптику Текст. / Л. П. Ярославский. М.: Радио и связь, 1987. - 296 е., ил.

114. Петрович, М. Л. Регрессионный анализ и его математическое обеспечение на ЕС ЭВМ Текст.: практическое руководство / М. Л. Петрович. -М.: Финансы и статистика, 1982. 199 е., ил.

115. Лахтин, Ю. М. Металловедение и термическая обработка металлов Текст.: учебник для втузов. / Ю. М. Лахтин. М.: Металлургия, 1984. - 360 с.

116. Белков, А. В. Эффективность применения информационных мер в обработке сигналов Текст. / А. В. Белков // Сборник трудов молодых ученых. -Рыбинск: РГАТА, 2001.-С. 128-131.

117. Астафьева, Н. М. Вейвлет-анализ: основы теории и примеры применения Текст. / Н. М. Астафьева // Успехи физических наук, 1996. -Т.166. -№11. С. 1145-1170.

118. Дремин, И. М. Вейвлеты и их использование Текст. / И. М. Дремин, О. В. Иванов, В. А. Нечитайло // Успехи физических наук, 2001. -Т.171. -№5. С. 465-501.

119. Н. Oktem, К. Egiazarian, V. Katkovnik. Adaptive Denoising of Images by Locally Switching Wavelet Transform, Proc. of ICIP, 1999, Kobe, Japane, October 24-28,1998.

120. Фуку нага, К. Введение в статистическую теорию распознавания образов Текст. / К. Фукунага; перевод с англ. М.: Наука. Главная редакция физико-математической литературы, 1979. - 368 с.

121. Смиронов Н. А. Современные методы анализа и контроля продуктов производства Текст. / Н. А. Смиронов М.: Металлургия, 1980.-255 с.

122. Бернштейн, М. JI. Механические свойства металлов Текст. / М. Л. Бернштейн, В. А. Займовский. М.: Металлургия, 1979. - 494 с.

123. Штремель, М. А. Возможности фрактографии Текст. / М. А. Штремель // Металловедение и термическая обработка металлов 2005. -№5.-С. 35-43.

124. Шикин, Е. В. Компьютерная графика. Динамика, реалистические изображения. Текст. / Е. В. Шикин, А. В. Боресков. М.: Диалог-МИФИ, 1995.-288 с.

125. Leica Microsystems AG Электронный документ.: сайт компании. -JSC "Leica Microsystems AG", 2007. (http://www.leica-microsystems.com/). Проверено 30 - 09 - 07.

126. Nikon corporation Электронный документ.: сайт компании. -JSC "NIKON Corp.", 2007. (http://www.nikon.comy Проверено 30 - 09 - 07.

127. ГОСТ 15467 79. Управление качеством продукции. Основные понятия. Термины и определения Текст. - Введ. 1979-01 -07. - М.: Изд-во стандартов, 2001. - 23 с.

128. Основные стереометрические соотношения

129. Объемная доля фазы или структурной составляющей в сплаве.

130. Удельная поверхность границ зерен или фаз в сплаве. Для анализа удельной поверхности в пространстве используют второе основное стереометрическое соотношение (П1.2) 41.1. Ат -IP -1 (nL2>оу — -l/д — zr^, mmп

131. То есть соотношение (П1.3) позволяет определить суммарную длину линий в единице объема или плотность линейных элементов в объеме путем простого подсчета числа точек следов этих линий на единице площади шлифа.

132. Число микрочастиц в единице объема сплава. Число выпуклых микрочастиц в единице объема сплава определяется соотношением (П1.4) 41.:1. N (Ш-4)v Н '

133. Число шаровидных частиц в единице объема сплава. Выражение (П1.5) является пятым основным стереометрическим соотношением 41.ж

134. Его можно использовать для определения числа шаровидных микрочастиц в объеме сплава, т. к. оба параметра правой части можно определить по шлифу путем измерения и подсчетов.

135. Число микрочастиц в единице объема сплава определяет величину среднего расстояния между центрами соседних микрочастиц (П1.6):где Lc среднее расстояние между центрами соседних частиц, мм.

136. Средняя кривизна граничных поверхностей. Соотношение между средней кривизной граничных поверхностей микрочастиц и средней кривизнойлиний их следов на шлифе представляет собой математически строгое шестое основное стереометрическое соотношение (П1.7) 41.

137. Соотношение (П1.7) действительно для произвольных поверхностей и их следов, в том числе для граничных поверхностей пространственной структуры и их следов на плоскости шлифа.