[发明专利]一种高温合金增材制造裂纹的统计方法

权利要求书

1.一种高温合金增材制造裂纹的统计方法，其特征在于，该统计方法包括如下步骤：

S1：利用增材制造系统对高温合金粉末进行激光增材制造，得到增材制造高温合金样品；对增材制造高温合金样品进行切割，并打磨抛光得到的多个截面；利用金相显微镜对打磨抛光后的每个截面的整个区域进行拍摄，得到对应的原始金相图片；

S2：建立图片文件自动预处理程序；利用所述图片文件自动预处理程序将每张原始金相图片均裁剪为多张尺寸一致的子图片；

S3：编写语义分割算法的Unet模型和卷积神经网络模型；利用所述语义分割算法的Unet模型对步骤S2得到的子图片进行语义分割，确定裂纹、划痕和孔隙部位，并利用所述卷积神经网络模型对裂纹、划痕、孔隙进行自动识别；

S4：对裂纹部位的像素点和所述每张原始金相图片的总像素点进行统计，利用公式计算每张原始金相图片的裂纹率，而后计算增材制造高温合金样品裂纹率。

2.根据权利要求1所述的高温合金增材制造裂纹的统计方法，其中，在步骤S1中，

所述增材制造系统为激光同轴送粉增材制造系统或激光粉末床增材制造系统；

所述高温合金粉末为通过对高温合金基材进行氩气雾化法制备得到，所述高温合金粉末的粒度为80～250目。

3.根据权利要求1所述的高温合金增材制造裂纹的统计方法，其中，在步骤S1中，所述切割为对增材制造高温合金样品进行线切割。

4.根据权利要求1所述的高温合金增材制造裂纹的统计方法，其中，在步骤S1中，所述拍摄时，所述金相显微镜的放大倍数选用100倍及以上；

所述原始金相图片采用RGB模式。

5.根据权利要求1所述的高温合金增材制造裂纹的统计方法，其中，在步骤S2中，

采用基于python的os库和PIL库函数建立所述图片文件自动预处理程序；

所述图片文件自动预处理程序包括图片文件载入、图片文件裁剪、图片重命名和图片文件模块化存储。

6.根据权利要求5所述的高温合金增材制造裂纹的统计方法，其中，所述子图片的尺寸为64像素*64像素、128像素*128像素或256像素*256像素。

7.根据权利要求1所述的高温合金增材制造裂纹的统计方法，其中，在步骤S3中，所述语义分割算法的Unet模型和卷积神经网络模型均各自独立地通过python的keras库函数编写。

8.根据权利要求7所述的高温合金增材制造裂纹的统计方法，其中，所述卷积神经网络模型包括卷积层、池化层和全连接层。

9.根据权利要求7所述的高温合金增材制造裂纹的统计方法，其中，所述卷积神经网络模型中的优化器为Adam函数，学习率为0.0001。

10.根据权利要求1所述的高温合金增材制造裂纹的统计方法，其中，

在步骤S4中，所述公式为：

CR＝m/M；

其中，CR表示每张原始金相图片的裂纹率；

m表示每张原始金相图片的裂纹部位的像素点数；

M表示每张原始金相图片的总像素点数；

n表示原始金相图片的数目；

表示增材制造高温合金样品的裂纹率。