【技术实现步骤摘要】
本专利技术涉及粉末冶金和3d打印，尤其涉及一种镍基高温合金空心粉的智能检测方法。
技术介绍
1、氩气雾化法作为合金粉末制备的主流工艺之一，制备的高温合金粉末中会存在空心粉等内部缺陷。当含有一定比例空心粉的高温合金粉末经热等静压成型之后，在随后的热处理等加热过程中由于不溶的惰性气体膨胀，而在制件中形成热诱导孔洞(thermalinduced porosity，tip)。大量孔洞的存在显著降低合金的显微组织均匀性和力学性能稳定性，尤其是导致合金疲劳性能明显恶化，而且tip在后续的变形和热处理过程中基本无法消除。
2、若想抑制或者消除孔洞，关键在于减少和控制空心粉的含量，空心粉含量控制重点是揭示其形成机理，明确空心粉形成的原因。关于空心粉的形成机理，虽然已经有了初步的研究，但是没有建立流场参数和孔洞截面形貌的关系模型，无法准确全面地揭示空心粉的形成机理。若想揭示空心粉的形成机理，需要将数值模拟和雾化试验相结合，采用空心粉的定量表征方法，准确评价不同雾化工艺参数制备的高温合金粉末中空心粉含量的差异。关于空心粉的定量表征，由于统计颗粒数量有限，得到的数据通常不具有统计意义，难以实现空心粉含量定量表征，从而无法建立雾化工艺参数和空心粉含量的关系，无法有效控制空心粉含量。
3、综上所述，雾化过程中气体和液滴的复杂多相交互作用，致使氩气以微米级尺寸残留于快速凝固的粉末中，氩气雾化制备的高温合金粉末粒径分布宽，粉末颗粒之间容易发生团聚和粘连，快速凝固过程中存在微米级的凝固收缩，给空心粉的定量表征带来新的挑战，亟待从微小目标
技术实现思路
1、本专利技术的目的在于提供一种镍基高温合金空心粉的智能检测方法。
2、本专利技术所述的镍基高温合金空心粉智能检测方法是一种基于深度学习的图像分割工具，通过训练卷积神经网络和应用形态学处理来实现准确的空心粉分割。它的原理基于大量的图像数据和标签，通过学习图像特征和形态学处理来提高分割的准确性。
3、在传统的图像分割方法中，常常需要手动选择特征和调整参数，而该智能检测方法则通过深度学习自动学习图像中的特征，并根据学习到的特征进行准确的分割。本专利技术使用了一种称为u-net的卷积神经网络架构，该架构具有编码和解码两个部分，编码部分用于提取图像特征，解码部分用于重建分割结果，基于分水岭算法的经典分割方法使用图像的灰度值来创建拓形图，其盆地代表分割区域。当分割对象具有从中心平滑衰减的强度分布时，这些方法效果很好，流域就形成了一个单一的盆地。然而，通常由于沿空心粉边界和突起的不均匀分布，许多类型的空心粉形成多强度盆地。这些问题促使构造一个物体的中间表示，从而形成一个光滑的拓扑盆地(图1a，b)。
4、进一步地，通过模拟扩散过程生成拓扑图，该过程使用由人类注释者绘制的真实掩模(图1a)；然后训练神经网络来预测拓扑图的水平和垂直梯度，以及指示给定像素是否在感兴趣区域(roi)内部或外部二进制地图(图1c，d)。
5、进一步地，在测试图像上，神经网络预测水平和垂直梯度，形成矢量场。通过一个被称为梯度跟踪的过程来跟踪向量场，所有属于给定单元格的像素都可以被路由到它的中心。
6、进一步地，通过将收敛到同一点的像素分组在一起，可以恢复单个空心粉及其内部孔洞精确形状(图1e，f)。通过去除神经网络预测的空心粉外部像素，进一步细化空心粉内部孔洞形状。
7、图1为氩气雾化高温合金空心粉截面形貌，由图可知，不同样品空心粉的尺寸差异较大，在较大粉末颗粒内部出现空心粉的概率更大。空心粉的内部孔隙呈现圆形，基本分布在颗粒中心或靠近边缘的位置，有些颗粒内部存在2个或3个内部孔洞，孔洞的尺寸相当于颗粒尺寸的10％～80％。
8、本专利技术的氩气雾化高温合金空心粉智能检测方案如图1所示。图1a为将手动标注的掩码转换为可由神经网络预测的向量流表示的过程。从掩膜中心开始的模拟扩散过程用于推导指向中心的空间梯度，x和y梯度在一个方向上组合，从0°到360°。图1b为来自训练数据集的形状的空间梯度示例。图1c为训练神经网络来预测水平和垂直梯度，以及像素是否属于任何空心粉。图1d为包含标准骨干u-net3+的神经网络的细节，用于对特征映射进行下采样和上采样，具有相同大小的层之间的跳跃连接和从最低分辨率计算的图像样式到所有连续计算的全局跳跃连接。图1e为在测试时，利用预测的梯度向量场构建一个具有不动点的动力系统，每个像素“跟踪梯度”到它们最终的固定点。图1f为所有收敛到同一固定点的像素都被赋给同一个掩码。
9、无标注目标检测模型：基于分水岭算法的经典分割方法使用图像的灰度值来创建拓扑图，其盆地代表分割的区域。当分割的对象具有从中心平滑衰减的强度分布时，流域形成一个单一的盆地，该方法效果很好。然而，许多类型的空心粉形成多强度盆地，通常是由于沿空心粉边界和突起的不均匀分布导致的。因此，需要构造一个物体的中间表示，形成一个光滑的拓扑盆地(图1a和图1b)。
10、通过模拟扩散过程生成拓扑图，该过程使用由人工注释者绘制的真实掩模(图1a)。然后训练神经网络来预测拓扑图的水平和垂直梯度，以及指示给定像素是否在感兴趣区域(roi)内部或外部的二进制地图(图1c和图1d)。在测试图像上，神经网络预测水平和垂直梯度，形成矢量场。通过一个被称为梯度跟踪的过程来跟踪向量场，所有属于给定单元格的像素都可以被路由到它的中心。因此，基于通用的u-net架构，通过将收敛到同一点的像素分组在一起，在以镜像对称方式上采样前，恢复单个空心粉及其预测空间梯度的神经网络的精确形貌(图1e和图1f)。通过去除神经网络预测的空心粉外部像素，进一步细化空心粉形貌。
11、对卷积地图进行多次下采样(图1d)。在上采样过程中，u-net“混合”下采样通道的卷积图。这种混合通常是通过特征拼接完成，但是本项目选择直接求和来减少参数数量。采用残差块取代u-net的标准构建块，残差块已被证明性能更好，并将网络深度增加一倍，这是残差网络的典型做法。此外，在最小的卷积图上使用全局平均池来获得图像的“风格”表示。使用几种测试时间增强来进一步提高模型的预测能力，包括测试时间调整、roi质量估计、模型集成和图像平铺等几个方面。
12、分割模型是一种通用模型，可以分割许多类型的空心粉，而不需要参数调整、新的训练数据或进一步的模型再训练。模型拟使用两个主要创新，从训练集掩码到向量梯度的可逆转换，可以由神经网络预测，以及由各种形状图像组成的大型分段数据集来实现。此外，对基本方法的多个较小的改进导致了显著的累积性能提高，开发了使用图像“风格”的方法来逐个改变图像上的神经网络计算，以验证分割的roi，平均多个模型的预测，将图像调整为公共对象大小，并在重叠的边缘中平均模型预测。模型具有较高的表达能力和容量，可以分割具有复杂结构的空心粉。
13、尺度适应检测结构：压缩激励(squeeze excitation，se)模块是一个注意力模本文档来自技高网...
【技术保护点】
1.一种镍基高温合金空心粉的智能检测方法，其特征在于，所述智能检测方法包括以下步骤：
2.根据权利要求1所述的智能检测方法，其特征在于，所述S1中的第一参数包括是否使用GPU、模型类型。
3.根据权利要求1所述的智能检测方法，其特征在于，所述待检测的图片的宽<1000，高<800。
4.根据权利要求1所述的智能检测方法，其特征在于，所述S3中的第二参数包括图像Img、半径、通道。
5.根据权利要求1所述的智能检测方法，其特征在于，所述S1还包括通过模拟扩散过程生成拓扑图，该过程使用由人类注释者绘制的真实掩模。
6.根据权利要求1所述的智能检测方法，其特征在于，所述S1还包括训练神经网络来预测拓扑图的水平和垂直梯度，以及指示给定像素是否在感兴趣区域内部或外部二进制地图。
7.根据权利要求1所述的智能检测方法，其特征在于，所述S1还包括在测试图像上，神经网络预测水平和垂直梯度，形成矢量场。
8.根据权利要求1所述的智能检测方法，其特征在于，所述S2还包括通过一个被称为梯度跟踪的过程来跟踪向
9.根据权利要求1所述的智能检测方法，其特征在于，所述S2还包括通过将收敛到同一点的像素分组在一起，可以恢复单个空心粉及其内部孔洞精确形状。
10.根据权利要求1所述的智能检测方法，其特征在于，所述S3还包括所述通过去除神经网络预测的空心粉外部像素，进一步细化空心粉内部孔洞形状。
...【技术特征摘要】
1.一种镍基高温合金空心粉的智能检测方法，其特征在于，所述智能检测方法包括以下步骤：
2.根据权利要求1所述的智能检测方法，其特征在于，所述s1中的第一参数包括是否使用gpu、模型类型。
3.根据权利要求1所述的智能检测方法，其特征在于，所述待检测的图片的宽<1000，高<800。
4.根据权利要求1所述的智能检测方法，其特征在于，所述s3中的第二参数包括图像img、半径、通道。
5.根据权利要求1所述的智能检测方法，其特征在于，所述s1还包括通过模拟扩散过程生成拓扑图，该过程使用由人类注释者绘制的真实掩模。
6.根据权利要求1所述的智能检测方法，其特征在于，所述s1还包括训练神经网络来预测拓扑图的...
【专利技术属性】
技术研发人员：张利冲，王悦，许文勇，李周，刘娜，刘玉峰，张国庆，
申请(专利权)人：中国航发北京航空材料研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。