ГРНТИ 50.07 Теоретические основы вычислительной техники
ББК 3297 Вычислительная техника
Анализ изображений микроструктуры материалов является актуальной задачей количественного анализа, проводимого лабораториями серийного контроля металлургической продукции и исследовательскими лабораториями. Повышение качества, скорости и удобства контроля микроструктуры с помощью цифровых технологий является основной целью компании ООО «СИАМС». В данной статье рассматриваются вопросы распознавания элементов микроструктуры металлов и сплавов, наиболее часто встречающиеся проблемы и ошибки распознавания, способы их решения. Приведены примеры микроструктуры до и после цифровой обработки изображений. Затронут вопрос о целесообразности применения в области цифровой микроскопии серверной технологии, снимающей с пользователей такие ограничения как: размеры области съемки и области анализа микроструктуры, привязка к одному рабочему компьютеру и к одной лицензии программного обеспечения, а также ограничения при обмене результатами между специалистами отрасли.
цифровая обработка изображений, сегментация, SIAMS, клиент-серверные технологии
1. Гонсалес Р., Вудс., Цифровая обработка изображений, 1104 с, 2012.
2. Hough P.V.C. Methods and Means for Recognizing Complex Patterns. U.S. Patent 3,069,654. 1964
3. Кадушников Р.М., Каменин И.Г., Алиевский В.М., Сомина С.В., Черных С.Е. Метод топологической реконструкции и количественной оценки размеров зерен. Заводская лаборатория,1997,4,с.30-34.
4. Кадушников P.M., Каменин И.Г., Алиевский В.М., Черных С.Е.,Сомина С.В., Негашев B.C., Петров М.С. Метод морфологического восстановления сетки границ зерен. Цифровая микроскопия. Материалы школысеминара. Часть 1. Екатеринбург, 2001. с. 32-41.
5. Кадушников P.M., Гроховский В.И., Каменин И.Г., Алиевский В.М., Черных С.Е., Петров М.С. Автоматизированные методы анализа включений графита в чугуне. Цифровая микроскопия. Материалы школы-семинара. Часть 1. Екатеринбург, 2001. с. 42-49.
6. Кадушников Р.М. Гроховский В.И., Алиевский В.М. Новые технологии разработки методов анализа металлографических изображений в цифровой микроскопии. XVI Уральская школа металловедов - термистов: «Проблемы физического металловедения перспективных материалов». Тезисы доклада. Уфа.
7. Петров М. С., Кадушников Р. М., Каменин И. Г. Алиевский В. М., Алиевский Д. М., Негашев В. С., Нурканов Е. Ю. Методы математической морфологии в задачах анализа изображений. Цифровая микроскопия. Материалы школы-семинара. Часть 1. Екатеринбург, 2001. с. 60-64.
8. P. F. Felzenswalb, D. P. Huttenlocher. Efficient graph-based image segmentation. International Journal of Computer Vision, 59(2), 167-181p, 2004.
9. Payam S.Rahmdel, Richard Comley, Daming Shi and Siobhan McElduff. A Review of Hough Transform and Line Segment Detection Approaches. VISAPP 2015 - International Conferenceon Computer Vision Theory and Applications.
10. Прохоренок Н. OpenCV и Java. Обработка изображений и компьютерное зрение. - СПб.: БХВ-Петербург, 2018. - 320 с.
11. Сивкова Т.А., Гусев А.О., Губарев С.В., Бритшева А.В., Самойлова А.Ю., Кадушников Р.М. Особенности контроля микроструктуры графита в чугунах. Металлургия машиностроения, 2, 2018г.
