pimiПриборы и методы измеренийDevices and Methods of Measurements2220-95062414-0473BNTU10.21122/2220-9506-2023-14-3-214-222pimi-834Research ArticleМетоды измерений, контроля, диагностикиMethods of measurements, monitoring, diagnosticsАвтоматические измерения в металлографииAutomatic Measurement in MetallographyАнисовичА. Г.AnisovichA. G.

ул. Академическая, 16, г. Минск 220072

Akademicheskaya str., 16, Minsk 220072, Belarus

anna-anisovich@yandex.ruМаркевичМ. И.MarkevichM. I.

ул. Купревича, 10, г. Минск 220141

Kuprevich str., 10, Minsk 220141, Belarus

ЖигмэддоржВанчинхууJigmeddorjVanchinkhuu

Улан-Батор

Ulaanbaatar, Mongolia

Институт прикладной физики Национальной академии наук БеларусиБеларусьInstitute of Applied Physics of the National Academy of Science of BelarusBelarusФизико-технический институт Национальной академии наук БеларусиБеларусьPhysical-Technical Institute of the National Academy of Sciences of BelarusBelarusМонгольский национальный университетМонголияNational University of MongoliaMongolia202306102023143214222Copyright © Анисович А.Г., Маркевич М.И., Жигмэддорж В., 20232023Анисович А.Г., Маркевич М.И., Жигмэддорж В.Anisovich A.G., Markevich M.I., Jigmeddorj V.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://pimi.bntu.by/jour/article/view/834

Количественный анализ структуры металлов и сплавов является важной частью современного металловедения. Для получения количественных данных и построения зависимостей используются металлографические программы обработки изображений, ориентированные как на научные исследования, так и для использования в промышленности. Большой интерес у потребителя вызывают программы, способные автоматически проводить металлографический анализ. При рекламе таких программ зачастую утверждается, что они позволяют провести количественный анализ структуры практически без затрат времени. Целью данной работы являлось определение затрат времени на количественный металлографический анализ в некоторых программах обработки изображений, представленных на белорусском рынке. Рассматривались связанные и несвязанные металлографические объекты. Показано, что для несвязанных объектов (порошки, графит чугуна) возможен автоматический количественный анализ; затраты времени при этом составляют в пределах минуты. Для связанных объектов (структуры металлов и сплавов после металлографического травления) затраты времени на обнаружение объектов и получение цифровых данных составляют 10–40 мин и более в зависимости от сложности объекта, что неприемлемо для заводских лабораторий, которые анализируют большое количество образцов за смену. Поэтому потенциальным потребителям программ обработки металлографических изображений рекомендуется всегда требовать предметной демонстрации возможности автоматических измерений предлагаемого программного обеспечения.

Quantitative analysis of the structure of metals and alloys is an important part of modern metal science. To obtain quantitative data and build dependencies, metallographic image processing programs are used, oriented both for scientific research and for use in industry. Programs capable of automatically performing metallographic analysis are of great interest to consumers. When advertising such programs, it is often claimed that they allow quantitative analysis of the structure with virtually no time. The purpose of this work was to determine the time spent on quantitative metallographic analysis in some image processing programs presented on the Belarusian market. Connected and unconnected metallographic objects were considered. It is shown that automatic quantitative analysis is possible for unconnected objects (powders, cast iron graphite). The time required is within a minute. For connected objects (structures of metals and alloys after metallographic etching), the time required to detect objects and obtain digital data is 10–40 min or more, depending on the complexity of the object, which is unacceptable for factory laboratories that analyze a large number of samples per shift. Therefore, it is recommended that potential users of metallographic image processing software always require a substantive demonstration of the automatic measurement capabilities of the proposed software.

программы обработки изображенийавтоматические измеренияразмер зернаimage processing programsautomatic measurementsgrain sizeThe work was supported by the Belarusian Republican Foundation for Fundamental Research, project no. T23MN-003.ReferencesPlanimeter. Russian Academy of Sciences, Siberian Branch. Target program "Electronic Library of the Siberian Branch of the Russian Academy of Sciences". [Electronic Resource]. Available from: http://www.nsc.ru/win/elbib/data/publ_cat/412.pdf [Accessed 05.27.2023].Planimeter. Russian Academy of Sciences, Siberian Branch. Target program "Electronic Library of the Siberian Branch of the Russian Academy of Sciences". [Electronic Resource]. Available from: http://www.nsc.ru/win/elbib/data/publ_cat/412.pdf [Accessed 05.27.2023].Anisovich AG. Measurement of Steel Structure Elements in the Specialized Module of the IMAGE-SP Image Processing Software. Pribory i metody izmereniy = Devices and Methods of Measurements. 2020;11(4):279288. DOI: 10.21122/2220-9506-2020-11-4-279-288Anisovich AG. Measurement of Steel Structure Elements in the Specialized Module of the IMAGE-SP Image Processing Software. Pribory i metody izmereniy = Devices and Methods of Measurements. 2020;11(4):279288. DOI: 10.21122/2220-9506-2020-11-4-279-288Jastrzebska I, Piwowarczyk A. Traditional vs. Automated Computer Image Analysis – A Comparative Assessment of Use for Analysis of Digital SEM Images of High-Temperature Ceramic Material. Materials. 2023;(16):812. DOI: 10.3390/ma16020812Jastrzebska I, Piwowarczyk A. Traditional vs. Automated Computer Image Analysis – A Comparative Assessment of Use for Analysis of Digital SEM Images of High-Temperature Ceramic Material. Materials. 2023;(16):812. DOI: 10.3390/ma16020812Arthur Francisco Araújo Fernandes, João Ricardo Rebouças Dórea1, Guilherme Jordão de Magalhães Rosa. Image Analysis and Computer Vision Applications in Animal Sciences: An Overview. Front. Vet. Sci., Sec. Livestock Genomics. 2020;7. DOI: 10.3389/fvets.2020.551269Arthur Francisco Araújo Fernandes, João Ricardo Rebouças Dórea1, Guilherme Jordão de Magalhães Rosa. Image Analysis and Computer Vision Applications in Animal Sciences: An Overview. Front. Vet. Sci., Sec. Livestock Genomics. 2020;7. DOI: 10.3389/fvets.2020.551269Lutchenko NA, Arbuz AS, Kavalek AA, Panin EA, Popov FE, Magzhanov MK. Study of the influence of large shear deformations and vortex flow of metal on the formation of an equiaxed ultrafine-grained structure of the E110 zirconium alloy using the XRP method. Casting and metallurgy. 2023;(1):128-134. DOI: 10.21122/1683-6065-2023-1-128-134Lutchenko NA, Arbuz AS, Kavalek AA, Panin EA, Popov FE, Magzhanov MK. Study of the influence of large shear deformations and vortex flow of metal on the formation of an equiaxed ultrafine-grained structure of the E110 zirconium alloy using the XRP method. Casting and metallurgy. 2023;(1):128-134. DOI: 10.21122/1683-6065-2023-1-128-134UP SYSPROG. [Electronic Resource]. Available from: https://sys-prog.com. [Accessed 05/29/2023].UP SYSPROG. [Electronic Resource]. Available from: https://sys-prog.com. [Accessed 05/29/2023].SIAMS. [Electronic Resource]. Available from: https://siams.com/siams700/ [Accessed 05/28/2023].SIAMS. [Electronic Resource]. Available from: https://siams.com/siams700/ [Accessed 05/28/2023].Panteleev VG, Egorova OV, Klykova EI. Computer microscopy. M.: Tekhnosphere Publishing; 2005. 304 p.Panteleev VG, Egorova OV, Klykova EI. Computer microscopy. M.: Tekhnosphere Publishing; 2005. 304 p.Anisovich AG. Possibilities of using dark-field illumination for the analysis of unrelated objects. Casting and metallurgy. 2013;69(1):116-122.Anisovich AG. Possibilities of using dark-field illumination for the analysis of unrelated objects. Casting and metallurgy. 2013;69(1):116-122.Sachek OA, Chichko AN, Likhousov SG, Matyushinets TV, Chichko OI. Parameterization of images of microstructures of cast iron with nodular graphite based on the density function of graphite distribution by inclusion sizes. Casting and metallurgy. 2017;86(1):50-58.Sachek OA, Chichko AN, Likhousov SG, Matyushinets TV, Chichko OI. Parameterization of images of microstructures of cast iron with nodular graphite based on the density function of graphite distribution by inclusion sizes. Casting and metallurgy. 2017;86(1):50-58.Gonzalez R, Woods R. Digital image processing. M.: Tekhnosphere Publishing; 2005. 1072 p.Gonzalez R, Woods R. Digital image processing. M.: Tekhnosphere Publishing; 2005. 1072 p.pharma [Electronic Resource]. Available from: https://pharma-se.ru/products/sistemy-analiza-izobrazheniy/sistema-analizaizobrazheniy-siams-700 [Accessed 05/28/2023].pharma [Electronic Resource]. Available from: https://pharma-se.ru/products/sistemy-analiza-izobrazheniy/sistema-analizaizobrazheniy-siams-700 [Accessed 05/28/2023].Konovalenko I, Maruschak P, Prentkovskis O. Automated Method for Fractographic Analysis of Shape and Size of Dimples on Fracture Surface of High-Strength Titanium Alloys. Metals. 2018;8(3):161. DOI: 10.3390/met8030161Konovalenko I, Maruschak P, Prentkovskis O. Automated Method for Fractographic Analysis of Shape and Size of Dimples on Fracture Surface of High-Strength Titanium Alloys. Metals. 2018;8(3):161. DOI: 10.3390/met8030161

The authors declare that there are no conflicts of interest present.