CN115662553B - 一种材料微观组织信息数据库的构建方法 - Google Patents
一种材料微观组织信息数据库的构建方法 Download PDFInfo
- Publication number
- CN115662553B CN115662553B CN202211592493.3A CN202211592493A CN115662553B CN 115662553 B CN115662553 B CN 115662553B CN 202211592493 A CN202211592493 A CN 202211592493A CN 115662553 B CN115662553 B CN 115662553B
- Authority
- CN
- China
- Prior art keywords
- crystal grain
- database
- information table
- information
- seed
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000000463 material Substances 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 title claims abstract description 33
- 239000013078 crystal Substances 0.000 claims abstract description 86
- 230000000007 visual effect Effects 0.000 claims abstract description 25
- 238000013507 mapping Methods 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 11
- 238000005516 engineering process Methods 0.000 claims abstract description 5
- 238000001887 electron backscatter diffraction Methods 0.000 claims abstract 2
- 230000005484 gravity Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 6
- 238000005260 corrosion Methods 0.000 claims description 5
- 230000007797 corrosion Effects 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 abstract description 4
- 238000011160 research Methods 0.000 abstract description 3
- 238000010276 construction Methods 0.000 abstract description 2
- 239000007769 metal material Substances 0.000 abstract description 2
- 238000002360 preparation method Methods 0.000 abstract description 2
- 235000013339 cereals Nutrition 0.000 description 72
- 238000010586 diagram Methods 0.000 description 8
- 229910000734 martensite Inorganic materials 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 229910000831 Steel Inorganic materials 0.000 description 3
- 239000012535 impurity Substances 0.000 description 3
- 239000010959 steel Substances 0.000 description 3
- 238000012512 characterization method Methods 0.000 description 2
- 238000005088 metallography Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 241000404542 Tanacetum Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 229910045601 alloy Inorganic materials 0.000 description 1
- 239000000956 alloy Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000010921 in-depth analysis Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 235000020985 whole grains Nutrition 0.000 description 1
- 229910000859 α-Fe Inorganic materials 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明涉及一种材料微观组织信息数据库的构建方法，涉及金属材料微观组织分析技术领域，包括以下步骤：S01，采用EBSD技术获取材料微观组织特征数据，得到像素视野信息表和晶粒信息表；S02，采用基于图像的区域生长算法进行数据分类，建立所述像素视野信息表和晶粒信息表的映射关系；S03，将所述像素视野信息表、晶粒信息表及其映射关系导入数据库中，构建材料微观组织信息数据库。本发明通过对晶粒的拟合椭圆、圆度、凸性标准化参数进行数学运算处理，丰富了数据库的搭建，为后续材料的研究提供了准确的数据准备。
Description
技术领域
本发明涉及金属材料微观组织分析技术领域，具体为一种材料微观组织信息数据库的构建方法。
背景技术
EBSD（Electron Backscattered Diffraction，电子背散射衍射技术）是目前流行的一种材料微观组织表征技术，它使用扫描电镜作为实验仪器，研究晶体微观组织的金相特征。例如，马氏体是钢铁材料微观组织中一种重要的晶相,由于马氏体本身的高强度特点和高韧性特征，使得对马氏体的研究一直不断深入，应用EBSD技术就能获得马氏体的微观组织特征数据，这有利于后续对马氏体的晶体结构、形貌特征和组织性能进行深入研究。
但EBSD得到的数据形式较单一，关系较为简单，多为表格的形式的结构化数据，EBSD扫描材料微观组织后能得到两张数据表——像素视野信息表和晶粒信息表。像素视野信息表反映EBSD扫描时逐点的微观组织特征数据，晶粒信息表反映扫描完成后统计的晶粒特征数据，显然这两张表中的数据是存在关联关系的，但EBSD并没有给出两张表数据之间的联系，这对材料微观组织的后续深入分析造成了较大困难。
发明内容
本发明的目的在于提供一种材料微观组织信息数据库的构建方法，以实现将晶粒信息表中的单个晶粒对应到像素视野信息表中对应的EBSD扫描点群上，从而建立起两表之间的映射关系，并构建一个MySQL环境下的两数据表之间关系的数据库，为材料微观组织的深入分析提供便利。
为实现上述目的，本发明提供如下技术方案：
本发明一方面提供一种材料微观组织信息数据库的构建方法，其特征在于，包括以下步骤：
S01，采用EBSD技术获取材料微观组织特征数据，得到像素视野信息表和晶粒信息表；
S02，采用基于图像的区域生长算法进行数据分类，建立所述像素视野信息表和晶粒
信息表的映射关系；
S03，将所述像素视野信息表、晶粒信息表及其映射关系导入数据库中，构建材料微
观组织信息数据库。
进一步的，所述步骤S02包括以下步骤：
S021，采用BC值重建原始晶粒的灰度图像；
S022，读取所述灰度图像重心点生成种子点；
S023，初始化标记矩阵seedmark，初始化空的种子列seedlist，用来存放种子点；
S024，将seedlist中第一个元素取出，作为下一步搜索的起始种子点；
S025，搜索该起始种子点的四邻域点，判断所述四邻域点与所述起始种子点的灰度值
差是否超过设定阈值，并判断该四邻域点是否被标记过，如果所述灰度值差不超过阈值且所述四邻域点未被标记过，则将所述四邻域点添加至seedlist中第一个元素的位置；
S026，如果seedlist长度不为空，那么返回步骤S024，如果seedlist长度为空，则停
止生长。
进一步的，所述步骤S02还至少包括以下步骤之一：
通过删除具有相同MD5值的图片来删除重复的图片；
通过删除小于设定尺寸阈值的图片来剔除尺寸较小的晶粒；
采用先膨胀运算，再腐蚀运算的方式将处理区域内部的黑色孤点或小孔去除。
进一步的，所述步骤S021为采用欧拉角重建原始晶粒的RGB图像。
进一步的，将每个种子点生长出的白色区域进行编号，将图中所有白色的像素点的标
签记为1，其他每个种子点的生长区域都记一个不同的标签，建立像素视野信息表和晶粒信息表的映射关系。
进一步的，所述步骤S03包括以下步骤：
S031，对晶粒的拟合椭圆、圆度和凸性进行标准化参数处理；
S032，在MySQL中创建一个数据库及相应的表，导入所述材料微观组织特征数据到表
内，形成一张像素视野数据表；
S033，在所述数据库中新建一张晶粒数据表，负责存放上层晶粒信息，主要包括
GrainID，晶粒圆度，晶粒的拟合椭圆信息，晶粒周长，晶粒面积以及晶粒的凸性信息。
进一步的，建立所述像素视野数据表时，设置像素视野点的Index为主键，并添加一
列外键名称为GrainID，与另一张晶粒数据表建立映射关系。
进一步的，所述GrainID的数据来源为所述标签对应的信息。
本发明另一方面提供一种存储介质，其上储存有计算机程序，其特征在于：所述计算机程序被处理器执行时实现所述的材料微观组织信息数据库的构建方法的步骤。
本发明另一方面提供一种计算机设备，其特征在于：包括储存介质、处理器以及储存在所述储存介质中并可被所述处理器执行的计算机程序，所述计算机程序被处理器执行时实现所述的材料微观组织信息数据库的构建方法的步骤。
与现有技术相比，本发明的技术方案具有以下有益效果：
（1）.本发明提供一种基于图像的区域生长算法的数据分类优化算法，实现了将晶粒信息表中的单个晶粒对应到像素视野信息表中对应的EBSD扫描点群上，从而建立起了两表之间的映射关系；
（2）.根据结合区域生长的分类结果与EBSD处理得到的数据，构建了一个MySQL环境下的两数据表之间关系的数据库；
（3）.通过对晶粒的拟合椭圆、圆度、凸性标准化参数进行数学运算处理，有利于丰富数据库的搭建，为后续材料的研究提供了准确的数据准备。
附图说明
图1为本发明实施例的BC值重建的原始晶粒灰度图；
图2为本发明实施例的重心点分布图；
图3为本发明实施例的区域生长结果示意图；
图4为本发明实施例的经后处理的区域生长结果示意图；
图5为本发明实施例的欧拉角重建的原始晶粒RGB图；
图6为本发明实施例的RGB图像的区域生长结果；
图7为本发明实施例的晶粒的拟合椭圆示意图；
图8为本发明实施例的晶粒的拟合椭圆分布图；
图9为本发明实施例的数据库E-R图；
图10为本发明实施例的数据库结构图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
附图仅用于示例性说明，不能理解为对本专利的限制；
在本申请实施例使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请实施例。在本申请实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和
“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在本申请的描述中，需要理解的是，术语“第一”、“第二”、“第三”等仅用于区别类似的对象，而不必用于描述特定的顺序或先后次序，也不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。
此外，在本申请的描述中，除非另有说明，“多个”是指两个或两个以上。“和/或”，
描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。以下结合附图和实施例对本发明做进一步的阐述。
为了解决现有技术的局限性，本实施例提供了一种技术方案，下面结合附图和实施例对本发明的技术方案做进一步的说明。
一种材料微观组织信息数据库的构建方法，其特征在于，包括以下步骤：
S01，采用EBSD技术获取材料微观组织特征数据，得到像素视野信息表和晶粒信息表；
S02，采用基于图像的区域生长算法进行数据分类，建立所述像素视野信息表和晶粒
信息表的映射关系；
S03，将所述像素视野信息表、晶粒信息表及其映射关系导入数据库中，构建材料微
观组织信息数据库。
EBSD（Electron Backscattered Diffraction，电子背散射衍射技术）是目前流行的
一种材料微观组织表征技术，EBSD扫描低合金高强钢微观组织后能得到两张数据表——像素视野信息表和晶粒信息表。像素视野信息表反映EBSD扫描时逐点的微观组织特征数据，晶粒信息表反映扫描完成后统计的晶粒特征数据。
根据EBSD处理得到的数据，观察后可以发现，BC(Band Contrast)带对比度，表示衍
射花样的质量，根据材料金相学知识，BC数据的变化能够反应晶粒的明暗信息，在EBSD等步长连续扫描的过程中，当BC值发生突变时，突变点即为晶粒的边缘点, 要从图像层面对数据进行聚类，首先需要从数据中重建出原始晶粒图像。由于EBSD的扫描步长为0.15μm，在数据库中反映为长度为441025的一维数据，将其重构成尺寸为767×575的二维矩阵，每一个像素点的灰度值对应BC,BS的取值，即可将其重构为一张灰度图像，对比后发现，BC还原出来的晶粒图像更加清晰，因此本发明采用BC值的灰度图像作为后续所有图像分类算法使用的初始图像，其重构出的图像如图1所示。
在EBSD后处理数据中，有一项数据为晶粒重心的统计，因这样种子点就在所需要提取的晶粒内部，理论上每一个重心点对应一个晶粒，选取重心点作为种子点，能够较高效的生长出整个晶粒区域，重心点在晶粒图中的分布如图2所示。
从BC重构出的图像来看，图中有一些像素点的灰度值存在干扰，比如这个像素点的灰度值较小，即颜色较黑，与本身晶粒内其他像素点有较大区别，而图2中显示，恰好某些晶粒的重心落在这些干扰点上，导致在区域生长的过程中，无法正常向外生长。其原因可能是在钢材磨样、制样的过程中，对样本有损耗，使得晶粒上有较多不正常的像素位置，甚至于大块的区域受到干扰，最终导致这些区域无法正常生长。晶粒中除了有明显的大晶界以外，还存在有亚晶界的情况，如果像素点恰好落在晶粒中的亚晶界中，其生长也会受到或大或小的阻挠。由于这些问题的存在是少数，说明晶粒大部分的重心点作为种子点是能够正常生长到正确尺寸的，所以要减小重心点落在这些干扰点上的概率，本发明选择通过扩大种子点的数量的方法，即对重心点坐标进行多次平移，保证晶粒中有不止一个种子点能够向外生长，避免重心点正好落在干扰点上无法向外生长的情况，同时在后续中再做处理，删除冗余的种子点的生长结果。
对于生长过程中像素点的合并准则，本发明以灰度值的差值作为生长准则，当种子点的所在像素的灰度值与其四邻域内像素点的灰度值之差不超过设定阈值时，则将其四邻域内满足条件的像素点吸收并标记，再从符合条件的点中向外生长。以此方式不断搜索满足条件的集合外四邻域点，直到没有符合阈值条件和标记条件的点为止，停止生长，这样即可实现从晶粒内部的种子点生长到所在晶粒的边界。
进一步的 ，所述步骤S02包括以下步骤：
S021，采用BC值重建原始晶粒的灰度图像；
S022，读取所述灰度图像重心点生成种子点；
S023，初始化标记矩阵seedmark，大小为图像大小767×575，初始化空的种子列
seedlist，用来存放种子点；
S024，将seedlist中第一个元素取出，作为下一步搜索的起始种子点；
S025，搜索该起始种子点的四邻域点，判断所述四邻域点与所述起始种子点的灰度值
差是否超过设定阈值，并判断该四邻域点是否被标记过，如果所述灰度值差不超过阈值且所述四邻域点未被标记过，则将所述四邻域点添加至seedlist中第一个元素的位置；
S026，如果seedlist长度不为空，那么返回步骤S024，如果seedlist长度为空，则停
止生长。
用上述生长算法，最终生长出了等于最终重心点数量的晶粒图片数，其生长的单个晶粒图举例如图3所示，对比图1中的原始晶粒图像，灰度图像的区域生长较好的实现了对应位置单个晶粒的分割。
由于种子点的选取方式，导致最终生长的结果超过了本身图片中所包含的晶粒实际数量，换言之，一个晶粒中必然包含了多个种子点，而最终在一个晶粒中的种子点，必然会生长出相同的两张图片，因此首先本发明需要以较高的效率批量删除重复的图片。
MD5 即 Message-Digest Algorithm 5（信息-摘要算法5），因为本身区域生长所得的图片就是从像素级别建立的，因此遍历文件夹中的图片MD5值，删除具有相同MD5值的图片，即可以较快的速度去除重复的图片。
去除重复的图片后，还需进行进一步的筛选。因为某些晶粒的尺寸大小较小，可能属于小角度晶界，在后续的利用价值较小，反而占了不小的空间且影响后续数据处理的效率，其统计价值不大，所以本发明需要删除尺寸较小的晶粒。从区域生长的结果图片，本身为二值图片，所以当生长出的晶粒区域较小时，其图片的尺寸也相应较小，选择一个恰当的阈值，删除小于该阈值的图片，就剔除了尺寸较小的晶粒。
根据区域生长的产生的图片效果，本发明观察到，图片的内部有较多的黑色孤立点，对比原图可以发现，这些点是晶粒中可能存在的杂质点，这些杂质点的像素灰度值与周围正常晶粒的灰度值有较大差异，因此，需要采取某种方式滤除这种杂质点，在形态学中，有一种膨胀腐蚀的操作，可以用来过滤掉这些孤立的点。
本发明结合膨胀与腐蚀两种操作，即闭运算的方式，闭运算是先膨胀运算，再腐蚀运算，通过这种方式，本发明将处理区域内部的黑色孤点或小孔去除，且不改变原来区域的大小和形状，满足了本发明处理区域生长后图像的需求，经后处理的区域生长结果图如图4所示。
仔细观察图1本发明发现，重建的原始图像中有明显的划痕，噪点以及模糊不清的区域。当生长到这样的区域时，以带有划痕的晶粒为例，当晶粒被划痕一分为二时，通过区域生长的灰度差值规则，划痕部分和晶粒内部灰度差值远远大于设定阈值，无法从被分割的一边生长到另一边。这样即使优化区域生长的算法，也很难解决这个问题，因此本发明考虑优化用来区域生长的晶粒图像。
最初的晶粒图像是用反应衍射花样质量的BC值作为灰度值来重建的。BC的值一定程度上反应了晶粒的边缘和内部信息。除此以外，晶粒有一个组织特征为欧拉角，即为像素视野信息表中的Euler1,Euler2,Euler3。在同一个晶粒下，每个点的三个欧拉角的值都很接近，可以以此来重建晶粒图像。由于欧拉角为三维，则需将其映射到RGB空间。根据材料金相学知识，欧拉角本身的取值范围在0-360°之间，但是利用欧拉角的对称性，当欧拉角超过180°时，可以用360°减去当前欧拉角的值来替代，这样欧拉角的取值范围就在0-180°之间，可以将其映射到RGB三维空间，重建出的RGB如图5所示。
对比BC值重建的灰度图，用欧拉角重建的RGB图，同一个晶粒表示为同一种颜色，仅在RGB三通道值中有微小差异，且RGB图解决了灰度图中的划痕，噪点问题（RGB图中的黑点为EBSD处理时由于采样精度限制而产生的数据为空的问题）。这样的RGB图更有利于提高区域生长算法的准确性。图6为RGB图区域生长后的结果图。
将每个种子点生长出的白色区域进行编号，将图中所有白色的像素点的标签记为1，
其他每个种子点的生长区域都记一个不同的标签，建立像素视野信息表和晶粒信息表的映射关系。
所述步骤S03包括以下步骤：
S031，对晶粒的拟合椭圆、圆度和凸性进行标准化参数处理；
S032，在MySQL中创建一个数据库及相应的表，导入所述材料微观组织特征数据到表
内，形成一张像素视野数据表；
S033，在所述数据库中新建一张晶粒数据表，负责存放上层晶粒信息，主要包括
GrainID，晶粒圆度，晶粒的拟合椭圆信息，晶粒周长，晶粒面积以及晶粒的凸性信息。
晶粒的拟合椭圆信息主要有两个，一个是拟合椭圆的角度，一个是拟合椭圆的长宽比，拟合椭圆长宽比是指椭圆拟合的长轴与短轴的比率。此值大于1，越大代表晶粒被拉长的程度越大。用图形近似表示如图7所示，通过拟合椭圆的角度，拟合椭圆的长轴、宽轴以及晶粒的位置信息，即可画出一张点位图中所有晶粒拟合椭圆分布，如图8所示。
需要得到晶粒在轧向的最长长度与厚度方向最长长度的比值。此值越大代表晶粒在轧向上被拉长的程度越大。该参数可由晶粒的拟合椭圆长宽比和拟合椭圆角度两个参数计算得到，拟合椭圆角度是指拟合椭圆长轴与X方向的夹角，因此，该参数可由对拟合椭圆的长宽比以及拟合椭圆角度的三角函数计算得来，用β表示拟合椭圆的长宽比，用θ表示角度，则该参数的计算公式为下式所示。
晶粒的圆度是表示测量晶粒与数学完美圆的接近程度。其计算方法是等效圆的周长除以晶粒的周长。圆度可以描述为“与完美圆的偏差”，范围为0到1，1代表圆形晶粒。表示完全圆度。在处理微观晶粒组织图像特征时，希望能够圆度特征更灵敏一些，通常采用平方的方法提高数据特征的敏感性，因此引入一个高敏感性圆度的概念，用公式表示为下式所示。其中，A是晶粒面积，P是晶粒周长。
晶粒的凸性表示测量曲率，描述晶粒轮廓向外凸起的程度。计算方法是用晶粒面积除以凸壳的面积。范围从0到1，最大值为1, 表示完全凸性。也可以用凸壳的周长与晶粒周长来进行比值。范围也是从0到1。在晶粒的微观金相组织特征中，为了表示晶粒表面的结构参数，引入一个新的参数表示凸壳与晶粒面积之间的差异，值越大代表晶粒表面起伏程度越大。该参数的计算公式为下式所示。其中，A convex 为包围晶粒的最小凸壳面积。
数据来源为EBSD后处理的数据，一张点位图的数据包括Index，X，Y，Phases，Euler1，Euler 2，Euler 3，Band Contrast，BS，MAD等共计40余万条。这些是EBSD技术处理以后得到的部分菊池带信息。像素视野表中的数据含义如下：Index：像素视野点的索引项；X、Y：每一个像素视野点的坐标；Phases：相类别。这里分析的基本都是铁素体即bcc（体心立方结构）相；Euler1、2、3：欧拉角，表示各扫描点的空间取向，即在三维空间相对参考坐标系旋转的角度；Band Contrast：带对比度，表示衍射花样的质量，晶粒变形越大花样质量越差，BC值越小。Band Slope：带斜率，意义同带对比度。常用作区分bcc结构的主要参数。MAD：平均带偏离角度，表示衍射花样和标准衍射花样的匹配程度。
将这些数据归结为表，首先在MySQL中创建一个数据库及相应的表，由于数据量较为庞大，使用一般的数据导入方法很慢，所以在MySQL数据库命令行页面，使用LOAD DATAINFILE命令，批量导入四十余万条数据到表内，形成一张像素视野数据表。
另外在此数据库中新建一张晶粒数据表，负责存放上层晶粒信息，主要包括GrainID，晶粒圆度，晶粒的拟合椭圆信息，晶粒周长，晶粒面积以及晶粒的凸性。由此，一张点位图即对应两张数据表，一为像素视野数据表，一为晶粒信息数据表。其他点位图，同样依照此法建立与之对应的数据表，完成整个数据库的初步建立。图9为数据库的E-R图。
建立像素视野数据时，设置像素视野点的Index为主键，并添加一列外键名称为GrainID，与另一张晶粒信息表建立映射关系，使得在后续数据查询的时候，将晶粒信息与底层像素视野点信息对应，能够同时查询到所选晶粒和与之匹配的底层组织特征信息。而GrainID的数据来源则为区域生长最后得到的标签结果。图10为本发明数据库的结构框图。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.一种材料微观组织信息数据库的构建方法，其特征在于，包括以下步骤：
S01，采用EBSD技术获取材料微观组织特征数据，得到像素视野信息表和晶粒信息表；
S02，采用基于图像的区域生长算法进行数据分类，建立所述像素视野信息表和晶粒信息表的映射关系；
S03，将所述像素视野信息表、晶粒信息表及其映射关系导入数据库中，构建材料微观组织信息数据库；
所述步骤S02包括以下步骤：
S021，采用BC值重建原始晶粒的灰度图像；
S022，读取所述灰度图像重心点生成种子点；
S023，初始化标记矩阵seedmark，初始化空的种子列表seedlist，用来存放种子点；
S024，将seedlist中第一个元素取出，作为下一步搜索的起始种子点；
S025，搜索该起始种子点的四邻域点，判断所述四邻域点与所述起始种子点的灰度值差是否超过设定阈值，并判断该四邻域点是否被标记过，如果所述灰度值差不超过阈值且所述四邻域点未被标记过，则将所述四邻域点添加至seedlist中第一个元素的位置；
S026，如果seedlist长度不为空，那么返回步骤S024，如果seedlist长度为空，则停止生长。
2.根据权利要求1所述的一种材料微观组织信息数据库的构建方法，其特征在于，所述步骤S02还至少包括以下步骤之一：
通过删除具有相同MD5值的图片来删除重复的图片；
通过删除小于设定尺寸阈值的图片来剔除尺寸较小的晶粒；
采用先膨胀运算，再腐蚀运算的方式将处理区域内部的黑色孤点或小孔去除。
3.根据权利要求1所述的一种材料微观组织信息数据库的构建方法，其特征在于，所述步骤S021为采用欧拉角重建原始晶粒的RGB图像。
4.根据权利要求1-3任一所述的一种材料微观组织信息数据库的构建方法，其特征在于，
将每个种子点生长出的白色区域进行编号，将图中所有白色的像素点的标签记为1，其他每个种子点的生长区域都记一个不同的标签，建立像素视野信息表和晶粒信息表的映射关系。
5.根据权利要求4所述的一种材料微观组织信息数据库的构建方法，其特征在于，所述步骤S03包括以下步骤：
S031，对晶粒的拟合椭圆、圆度和凸性进行标准化参数处理；
S032，在MySQL中创建一个数据库及相应的表，导入所述材料微观组织特征数据到表内，形成一张像素视野数据表；
S033，在所述数据库中新建一张晶粒数据表，用于存放上层晶粒信息，包括GrainID，晶粒圆度，晶粒的拟合椭圆信息，晶粒周长，晶粒面积以及晶粒的凸性信息。
6.根据权利要求5所述的一种材料微观组织信息数据库的构建方法，其特征在于，建立所述像素视野数据表时，设置像素视野点的Index为主键，并添加一列外键名称为GrainID，与另一张晶粒数据表建立映射关系。
7.根据权利要求6所述的一种材料微观组织信息数据库的构建方法，其特征在于，所述GrainID的数据来源为所述标签对应的信息。
8.一种存储介质，其上储存有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的材料微观组织信息数据库的构建方法的步骤。
9.一种计算机设备，其特征在于：包括储存介质、处理器以及储存在所述储存介质中并可被所述处理器执行的计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的材料微观组织信息数据库的构建方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211592493.3A CN115662553B (zh) | 2022-12-13 | 2022-12-13 | 一种材料微观组织信息数据库的构建方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211592493.3A CN115662553B (zh) | 2022-12-13 | 2022-12-13 | 一种材料微观组织信息数据库的构建方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115662553A CN115662553A (zh) | 2023-01-31 |
| CN115662553B true CN115662553B (zh) | 2023-03-21 |
Family
ID=85017341
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211592493.3A Active CN115662553B (zh) | 2022-12-13 | 2022-12-13 | 一种材料微观组织信息数据库的构建方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115662553B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106548483A (zh) * | 2016-10-27 | 2017-03-29 | 西北工业大学 | 一种基于三维超像素分割的材料晶粒边缘提取方法 |
| CN108564564A (zh) * | 2018-03-09 | 2018-09-21 | 华南理工大学 | 基于改进模糊连接度及多种子点的医学图像分割方法 |
| CN112163356A (zh) * | 2020-09-28 | 2021-01-01 | 武汉理工大学 | 一种增材制造微观组织超声检测有限元建模的方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111220633B (zh) * | 2018-11-26 | 2022-09-16 | 中国科学院金属研究所 | 通过ebsd技术提取晶体中特定晶面的方法 |
| EP3705877A1 (en) * | 2019-03-04 | 2020-09-09 | VG Systems Limited | Methods and apparatus for electron backscatter diffraction sample characterisation |
| CN110927189B (zh) * | 2019-12-10 | 2022-06-17 | 重庆大学 | 一种ebsd快速表征织构的方法 |
| CN114581423A (zh) * | 2022-03-09 | 2022-06-03 | 西安交通大学 | 一种孪晶晶界的识别方法、装置、设备及可读存储介质 |
-
2022
- 2022-12-13 CN CN202211592493.3A patent/CN115662553B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106548483A (zh) * | 2016-10-27 | 2017-03-29 | 西北工业大学 | 一种基于三维超像素分割的材料晶粒边缘提取方法 |
| CN108564564A (zh) * | 2018-03-09 | 2018-09-21 | 华南理工大学 | 基于改进模糊连接度及多种子点的医学图像分割方法 |
| CN112163356A (zh) * | 2020-09-28 | 2021-01-01 | 武汉理工大学 | 一种增材制造微观组织超声检测有限元建模的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115662553A (zh) | 2023-01-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CA2591241C (en) | Method for improved image segmentation | |
| CN106529573A (zh) | 一种结合三维点云分割和局部特征匹配的实时物体检测方法 | |
| CN113466232B (zh) | 一种基于计算机图像的脆化鱼肉快速检测方法及*** | |
| CN109685080A (zh) | 基于霍夫变换与区域生长的多尺度平面提取方法 | |
| CN106373118A (zh) | 可有效保留边界和局部特征的复杂曲面零件点云精简方法 | |
| Biasotti et al. | SHREC'18 track: Recognition of geometric patterns over 3D models | |
| CN111523535B (zh) | 基于机器视觉与深度学习的类圆对象识别计数检测算法 | |
| CN109977899B (zh) | 一种物品识别的训练、推理以及增加新种类的方法和*** | |
| US10860835B2 (en) | Image processing device, cell recognition device, cell recognition method, and cell recognition program | |
| CN110176020A (zh) | 一种融合2d和3d图像的燕窝杂质分拣方法 | |
| CN110648312A (zh) | 一种基于鳞片形态特征分析的羊毛与羊绒纤维识别方法 | |
| CN115662553B (zh) | 一种材料微观组织信息数据库的构建方法 | |
| Roman-Rangel et al. | Classification and retrieval of archaeological potsherds using histograms of spherical orientations | |
| CN111210447A (zh) | 一种苏木精-伊红染色病理图像层次分割的方法及终端 | |
| Omidalizarandi et al. | Segmentation and classification of point clouds from dense aerial image matching | |
| CN109299295B (zh) | 蓝印花布图像数据库搜索方法 | |
| WO2015168362A1 (en) | Method and apparatus for processing block to be processed of urine sediment image | |
| CN115631392B (zh) | 一种基于深度学习的晶体tem图像物相区域划分方法 | |
| Liu et al. | Microscopic image segmentation of Chinese herbal medicine based on region growing algorithm | |
| Jamil et al. | Shape-based image retrieval of songket motifs | |
| EP3588435B1 (en) | Image processing method, computer program and recording medium | |
| Rugis et al. | Surface registration markers from range scan data | |
| Huang | An improved voxel filtering method based on octree structure and point density | |
| Vaz et al. | Multi-level decomposition of Euclidean spheres. | |
| Arcelli et al. | Skeletal lines in gray-tone digital pictures |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |