高合金工具鋼共晶碳化物自動分析技術研究.pdf

1、共晶碳化物分布的不均勻性是反映高合金工具鋼材質量的重要指標之一。至今國內外仍主要采用人工對比的方法進行評級。不少學者仍然在探索新的思路和途徑，試圖找到一個非常有效的描述方法來自動分析共晶碳化物圖片。但至今還沒有一個特別有效的方法能取得令人滿意的性能。 本文研究共晶碳化物的分類識別，用紋理特征訓練神經(jīng)網(wǎng)絡的方法來識別圖像，使共晶碳化物的分級從人工觀察、定性分析進步到自動、定量分析階段。 圖像特征是用來區(qū)分圖像內部最基本屬性

2、或特征的。它包括了幾何特征、形狀特征、顏色特征、紋理特征等。本文從共晶碳化物的圖像特征出發(fā)，根據(jù)其圖像灰度分布均勻程度、復雜程度、局部變化情況及紋理的方向性。采用基于灰度共生矩陣的紋理特征提取方法，提取描述共晶碳化物特征的紋理參數(shù)。以六套共晶碳化物標準評級圖片的256位灰度圖為研究對象，討論了適合本研究對象的灰度共生矩陣的建立和特征參數(shù)的選取。研究發(fā)現(xiàn)不同生長步長D值的選取對計算量和圖片的可分性非常重要。本文能過多次實驗，構造了適合六套

3、共晶碳化物標準評級圖的紋理的灰度共生矩陣，研究結果表明，紋理是圖像分析中一個非常重要的特征，所提取的圖像特征是描述圖像相當有效的參數(shù)。 本文還研究了采用分類器設計算法實現(xiàn)共晶碳化物自動分類。采用目前應用最廣泛的神經(jīng)網(wǎng)絡之一的BP神經(jīng)網(wǎng)絡，針對高合金工具鋼共晶碳化物的紋理特征，結合BP神經(jīng)網(wǎng)絡的特性，構建了一個適合該類圖片的基于BP網(wǎng)絡的共晶碳化物測評模型。本文對樣本的選取、網(wǎng)絡的訓練，隱含層的確定等作了較為詳細的研究。采用動量法