دوره 22، شماره 1 - ( 3-1404 )
جلد 22 شماره 1 صفحات 82-71 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Firuz Mahjanabadi Z, Jafari P, Rezaei M. Automated Classification of Steel Phases in Scanning Electron Microscope Images. JSDP 2025; 22 (1) :71-82
URL: http://jsdp.rcisp.ac.ir/article-1-1400-fa.html
URL: http://jsdp.rcisp.ac.ir/article-1-1400-fa.html
فیروز مهجن آبادی زهرا، جعفری پوریا، رضایی مهدی. طبقه‌بندی خودکار فازفولاد در تصاویر میکروسکوپ الکترونی روبشی. پردازش علائم و داده‌ها. 1404; 22 (1) :71-82
استادیار گروه مهندسی برق و الکترونیک، دانشکده مهندسی برق و کامپیوتر، دانشگاه سیستان و بلوچستان، زاهدان، ایران
چکیده: (193 مشاهده)
خواص فولادها وابسته به اجزای ریزساختاری به نام فاز است که در فرایند تولید آن شکل می‌گیرد. فازهای مختلف فولاد در تصاویر میکروسکوپی سطح فولاد قابل مشاهده‌اند. تشخیص و طبقه‌بندی خودکار انواع فازها از روی تصاویر منجر به درک بهتری از خواص فولاد با سرعت و دقت بالاتر می‌شود. در این مقاله برای نخستین‌بار، روشی برای طبقه‌بندی خودکار و هوشمند فازهای فولاد از روی تصاویر میکروسکوپی ارائه می‌شود. این کار نیازمند تعریف و استخراج ویژگی‌های مناسب بافت منحصربه‌فرد این تصاویر و بخش‌بندی تصاویر به مناطقی با اشکال بسیار نامنظم بر اساس ویژگی‌های استخراج شده‌است؛ بدین منظور ابتدا تصویر ورودی بلوک‌بندی شده و برای هر بلوک به‌صورت مستقل یک سری از ویژگی‌های بافت تصویر استخراج می‌شوند. تعداد این ویژگی‌ها به‌وسیله روش تحلیل مؤلفه‌های اصلی کاهش یافته و سپس به شبکه عصبی بیشینه‌هموار برای طبقه‌بندی هر بلوک از تصویر داده می‌شوند. نتایج پیاده‌سازی نشان می‌دهد که دقت روش پیشنهادی در طبقه‌بندی دو فاز سوزنی و مرزدانه‌ای بالای 99 درصد و همچنین در طبقه‌بندی سه فاز مرزدانه‌ای، سوزنی و ویدمن اشتاتن بالای 86 درصد است.
واژه‌های کلیدی: تصاویر میکروسکوپی الکترونی روبشی، فازهای فولاد، طبقه‌بندی خودکار، شبکه عصبی مصنوعی بیشینه‌هموار، الگوریتم کی-میانگین.
نوع مطالعه: پژوهشي |
موضوع مقاله:
مقالات پردازش تصویر
دریافت: 1402/7/4 | پذیرش: 1403/12/18 | انتشار: 1404/3/31 | انتشار الکترونیک: 1404/3/31
دریافت: 1402/7/4 | پذیرش: 1403/12/18 | انتشار: 1404/3/31 | انتشار الکترونیک: 1404/3/31
فهرست منابع
1. Kwok, T. W. J., and D. Dye, "A review of the processing, microstructure and property relationships in medium Mn steels", International Materials Reviews, vol. 68, no.8, p. 1098-1134, 2023. [DOI:10.1080/09506608.2023.2199617]
2. Uehata, Nao, et al, "Optical microscopy-based damage quantification: an example of cryogenic deformation of a dual-phase steel", isij international, vol. 58, no.1, p. 179-185, 2018. [DOI:10.2355/isijinternational.ISIJINT-2017-468]
3. G. Krauss, "Steels: processing, structure, and performance", Asm International, 2015. [DOI:10.31399/asm.tb.spsp2.9781627082655]
4. E. Pereloma and D. V. Edmonds, "Phase transformations in steels: Diffusionless transformations, high strength steels", modelling and advanced analytical techniques, Elsevier, 2012. [DOI:10.1533/9780857096104]
5. Muñoz-Rodenas, Jorge, et al, "Effectiveness of machine-learning and deep-learning strategies for the classification of heat treatments applied to low-carbon steels based on microstructural analysis", Applied Sciences, vol. 13, no. 6, p. 3479, 2023. [DOI:10.3390/app13063479]
6. J. I. Goldstein, D. E. Newbury, J. R. Michael, N. W. Ritchie, J. H. J. Scott, and D. C. Joy, "Scanning electron microscopy and X-ray microanalysis", springer, 2017. [DOI:10.1007/978-1-4939-6676-9]
7. C. Mignot, "Color (and 3D) for scanning electron microscopy", ed: Oxford University Press, 2018. [DOI:10.1017/S1551929518000482]
8. Hadjipanayis, George C., and Richard W. Siegel, eds. Nanophase materials: Synthesis-properties-applications, Vol. 260. Springer Science & Business Media, 2012.
9. F.-Y. Zhu, Q.-Q. Wang, X.-S. Zhang, W. Hu, X. Zhao, and H.-X. Zhang, "3D nanostructure reconstruction based on the SEM imaging principle, and applications", Nanotechnology, vol. 25, no. 18, p. 185705, 2014. [DOI:10.1088/0957-4484/25/18/185705] [PMID]
10. D. Saladra and M. Kopernik, "Qualitative and quantitative interpretation of SEM image using digital image processing", Journal of microscopy, vol. 264, no. 1, p. 102-124, 2016. [DOI:10.1111/jmi.12431] [PMID]
11. Y. Pourasad, "Detection and classification of breast masses using mammographically image processing," Razi Journal of Medical Sciences, vol. 27, no. 4, pp. 60-73, 2020.
12. S. Siddesha, S. Niranjan, and V. M. Aradhya, "Texture based classification of arecanut," in 2015 International Conference on Applied and Theoretical Computing and Communication Technology (iCATccT), IEEE, pp. 688-692, 2015. [DOI:10.1109/ICATCCT.2015.7456971]
13. J. F. Ramirez-Villegas, E. Lam-Espinosa, and D. F. Ramirez-Moreno, "Microcalcification detection in mammograms using difference of Gaussians filters and a hybrid feedforward-Kohonen neural network," in 2009 XXII Brazilian Symposium on Computer Graphics and Image Processing, IEEE, pp. 186-193, 2009. [DOI:10.1109/SIBGRAPI.2009.25]
14. Y. Dong et al., "Locally directional and extremal pattern for texture classification," IEEE Access, vol. 7, pp. 87931-87942, 2019. [DOI:10.1109/ACCESS.2019.2924985]
15. ا. مصطفی، ع، احمدیان، م. ج. ابولحسنی و م. گیتی، «كلاسه‌بندی بافت تصاویر سونوگرافی بیماری‌های منتشر كبدی با استفاده از تبدیل موجك»، مجلة فیزیك پزشكی ایران، 1385، 7 (2)، 67-76.
15. M. Akbar, A. R. Ahmadian, M. J. Abolhasani and M. Giti, "Tissue classification of ultrasound images of diffuse liver diseases using wavelet transform", vol. 2, no. 7, pp. 67-76, 2006.
16. R. Xu and D. Wunsch, Clustering, John Wiley & Sons, 2008. [DOI:10.1002/9780470382776]
17. وحیدی فردوسی صدیقه، امیرخانی حسین، «ترکیب وزن‌دار خوشه‌بندی‌ها با هدف افزایش صحّت خوشه‌بندی نهایی»، پردازش علائم و داده‌ها، ۱۳۹۹; ۱۷ (۲) :۱۰۰-۸۵.
17. Vahidi Ferdosi S, Amirkhani H. "Weighted Ensemble Clustering for Increasing the Accuracy of the Final Clustering", JSDP; 17 (2):100-85, 2020. [DOI:10.29252/jsdp.17.2.100]
18. I. Goodfellow, Y. Bengio, and A. Courville, Deep learning, MIT press, 2016.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
