[发明专利]半连续铸造铝硅合金微观组织评估方法

说明书

本发明提供一种半连续铸造铝硅合金微观组织评估方法，包括步骤：通过图像处理构建金相词汇表；所述构建金相词汇表至少要提取共晶硅长度视觉单词，并将所述共晶硅长度视觉单词抽象为金相词汇；基于LDA主题模型无监督训练；所述基于LDA主题模型无监督训练至少还包含：LDA模型的构建和参数求解过程。本发明通过LDA以无指导学习的方法从图像中发现决定金相组织好坏的隐含因素，完成金相组织评估任务。本发明的本质是一种无监督的机器学习方法，通过对半连续铸造铝硅合金微观组织中晶体长度的精确描述，构建与人类视觉特性一致的词汇表，LDA模型无监督学习每张图像词汇表间的联系，得到图像属于每个类别的概率和决定类别的主导因素。

技术领域

本发明涉及金属的微观组织的评估技术领域，具体而言，尤其半连续铸造铝硅合金微观组织评估方法。

背景技术

铸造铝合金以其密度小、强度高、导电导热性好、耐蚀性好、易加工等优势性能，广泛应用于汽车，飞机，航空航天等领域，其中铝硅合金又以优良的机械性能与铸造性能成为目前用途最广的铸造铝合金。然而铝硅合金生产过程中出现的粗大的初生硅和多边形或针状的共晶硅会对其力学性能产生不利影响，尤其是降低塑性及耐磨性，还会使合金的切削加工性能变差。因此，判断半连续铸造铝硅合金组织的好坏，对工业具有重要意义。

目前采集金相微观结构图像的方式主要有：光学显微镜(OM)，扫描电子显微镜(SEM)，透射电子显微镜(TEM)，人们常使用金相分析技术，通过评估采集的金相组织的好坏来评估金属性能。现在的金相分析手段主要分为三大类，基于传统的材料学分析方法，基于规则的方法和基于机器学习的方法。基于传统的材料学分析方法主要有：显微硬度测试，电子探针微量分析，聚焦离子束(FIB)，能量色散光谱(EDS)，能量色散X射线分析(EDX)，电子背散射衍射(EBSD)X射线衍射(XRD)等；基于规则的方法主要有：线性积分变换，质量指数和质量图定量评估微观结构，或者对微观结构建立数学模型进行分析；基于机器学习的方法主要有：人工神经网络，支持向量机，贝叶斯，最近邻居，随机森林，卷积神经网络，完全卷积神经网络。

材料学的方法因为设备昂贵，专业知识要求高，不能普及使用；规则的方法因为主观意识的存在，会制约其发展；机器学习的方法，通过数据发现规则，更加客观，所以使用机器学习的方法评估性能有更好的发展前景。现有的机器学习方法大部分应用于分析黑色金属，基于有色金属Al-Si合金的分析十分稀缺。

发明内容

根据上述提出的技术问题，而提供一种半连续铸造铝硅合金微观组织评估方法。本发明提出一种半连续铸造铝硅合金微观组织评估方法，其特征在于，至少包括以下步骤：

S1：通过图像处理构建金相词汇表；所述构建金相词汇表至少要提取共晶硅长度视觉单词，并将所述共晶硅长度视觉单词抽象为金相词汇；

S2：基于LDA主题模型无监督训练；所述基于LDA主题模型无监督训练至少还包含：LDA模型的构建和参数求解过程。

进一步的，所述提取共晶硅长度视觉单词至少还包含以下步骤：

S111：去除图像边缘，并将所述图像进行灰度化处理；

S112：通过对比限制自适应直方图均衡化CLAHE处理；将所述CLAHE 处理后的图像，通过线性滤波处理：

S113：将所述CLAHE处理后的图像，通过k-means无监督聚类分为3 类，取其中像素值最高的一类，对所述像素值最高的图像进行形态学闭操作，分割出α-AL枝晶；

S114：通过减法的方法在线性滤波结果图中去除α-AL枝晶边缘；在线性滤波的图中，减去所述步骤S123分割出α-AL枝晶图；

S115：通过具有相同标准二阶中心矩的椭圆长轴长度≈共晶硅长度，连接组件标签和区域近似长度度量方法，计算共晶硅近似长度；

S116：通过长度的计算方式获取共晶硅长度视觉单词；