Методы распознавания микроструктуры материала

Abstract

В статье рассмотрены некоторые существующие методы распознавания образов, в том числе и распознавание микроструктуры материала. Отмечены положительные моменты и указаны недостатки предложенных методов. Определены пути решения задачи распознавания сложной зернистой структуры металла. При выявлении качественных и количественных характеристик материала по его изображению, основная задача заключается в определении границы зерна, так как вся интересующая нас информация скрыта не в яркости различных областей, а в их контуре. Для этого необходимо применить к снимку соответствующие фильтры, и при необходимости бороться с зашумленностью фотографии. Современные технологии и развитие искусственного интеллекта, позволяет создавать автоматизированную компьютерную систему принятия решения, работающую с применением математических методов обработки данных. Предпочтение отдается нейросетевым технологиям, созданию нейронной сети прямого распространения, качественно обученную с использованием метода обратного распространения ошибки. В реальных условиях, при плохо формализуемых входных данных, приветствуется использование теории нечетких множеств. Создание алгоритмов интеллектуальной поддержки принятия решений - позволяет снизить влияние человеческого фактора в ходе анализа, сокращает время, затраченное на исследование, повышает точность и достоверность процесса контроля, дает возможность связывать свойства материала с его микроструктурой.

The article considers some existing methods of pattern recognition, including recognition of a microstructure of material are considered. The positive moments are marked and shortcomings of the offered methods are specified. Solutions of the task of recognition of complex granular structure of metal are defined. In case of detection of qualitative and quantitative characteristics of material according to its image, the main objective consists in determination of grain boundary as all information interesting us is hidden not in brightness of different areas, and in their circuit. For this purpose it is necessary to use the appropriate filters to a picture, and if necessary to clear noise on a photo. It’s more preferable to use Sobel's method for lowering of effect of smoothing due to giving of bigger weight to coefficient. The modern technologies and development of an artificial intelligence, allows creating the automated computer system of decision-making working using mathematical methods of data handling. Preference is given to neural network technologies, creation of a neural network of direct distribution, qualitatively trained neural network using an algorithm for back propagation of the error. High accuracy, speed and resource economy of such systems, makes them more and more in demand for complex analysis of microstructure. In actual practice, in case of badly formalizable input data, use of the theory of indistinct sets is welcomed. Creation of algorithms of intellectual support of decision-making - allows to reduce influence of a human factor during the analysis, reduces time spent for a research, increases the accuracy and reliability of process of monitoring, gives the chance to connect properties of material to its microstructure.