使用决策树开发一个模型,用于检测和分析铁件的断层图像中包含的含量
Dorota Wilk-Kołodziejczyk1,2, Aleksandra Nowotny3, Izabela Krzak4
1Department of Applied Computer Science and Modelling Department, Faculty of Metals Engineering and Industrial Computer Science, AGH University of Krakow, Czarnowiejska 66, 30-054, Krakow, Poland. dwilk@agh.edu.pl.
Scientific reports
|January 13, 2025
概括
使用CT图像对柔性铁造缺陷进行分类是具有挑战性的,因为石墨沉物可能类似于缺陷. 需要进一步的分析来区分石墨和缺陷,如空洞或孔隙.
科学领域:
- 材料科学 材料科学 材料科学
- 金工业是金工业的一个方面.
- 非破坏性测试 不破坏性测试
背景情况:
- 软铁件可以包含类似于石墨沉和造缺陷的特征.
- 准确识别这些特征对于质量控制至关重要.
研究的目的:
- 为了评估CT图像分析在区分石墨沉物和铁造缺陷方面的有效性.
- 探索机器学习的使用,以改善这一分类过程.
主要方法:
- 对软铁件的CT图像进行分析.
- 实验数据收集以将图像特征与材料特性相关联.
- 机器学习算法的应用以识别模式.
- 确定初始数据标签的灰色阴影范围.
主要成果:
- 仅基于最初的CT图像数据进行分类是不够的.
- 颗粒可以是石墨沉物或不完美 (空隙,多孔性,不连续性).
- 灰色阴影分析提供了初步分类 (造细度,收缩,气体多孔性),但不是最终的.
结论:
- 区分石墨沉物和造缺陷需要的不仅仅是初始CT图像分析.
- 机器学习可以通过识别物理参数之间的关系来增强分析.
- 需要进行额外的微观结构分析才能明确识别缺陷.
