Los granos martensíticos son difíciles de analizar
La martensita, una de las estructuras de acero más duras, se forma cuando la austenita se enfría rápidamente a baja temperatura. Esto evita la difusión de carbono y la formación de perlita o bainita [ 1 ] pero crea placas delgadas o morfologías de listones [ 2 ]. Las características específicas de esta microestructura hacen que el análisis óptico de granos martensíticos sea un desafío.
Los granos martensíticos se vuelven más finos a medida que aumenta el contenido de carbono, cambiando de la morfología de listones a placas [ 3 ]. Sin embargo, esto reduce las formas estructurales distintivas, lo que obliga a los médicos a medir el tamaño de los granos de austenita anteriores para interpretar la transformación martensítica y optimizar las condiciones del tratamiento térmico [ 3 ]. Además, en los aceros con bajo contenido de carbono, el procedimiento de grabado no puede revelar muy bien los límites previos de austenita, lo que lleva a los laboratorios a depender a menudo del ojo humano para distinguir y clasificar los granos martensíticos.
Para empeorar las cosas, la técnica de umbralización común utilizada en el software de análisis de imágenes automatizado no es satisfactoria para este tipo de imagen ( Fig. 1 ). En el umbral de nivel de gris, usamos la distribución de valores de píxeles en una imagen en blanco y negro y seleccionamos un valor de píxel, o umbral, para separar de manera óptima dos grupos de píxeles. Por lo tanto, este método funciona mejor con fases claramente definidas que forman picos separables en la distribución de valores de píxeles. Pero en superficies martensíticas, los niveles de gris pueden distribuirse sin picos distintos ( Fig. 1a ), o los granos pueden contener una mezcla de ambos grupos de píxeles. Esto hace que la creación de umbrales sea ineficaz para dividir o segmentar la imagen en regiones de granulado de interés ( Fig. 1b ).
Las propiedades especiales de la microestructura martensítica hacen que sus granos se vean diferentes entre sí y en diferentes imágenes. Nuestro algoritmo funciona fuera de la caja, sin requerir una anotación laboriosa de estos granos variables o conocimiento a priori sobre sus tipos y número. Por lo tanto, el método no es específico para un tipo especial de superficie y se puede aplicar con éxito a diferentes estructuras martensíticas ajustando algunos parámetros. Esto también significa que el método puede rastrear cualquier cambio microestructural inesperado en la línea de producción de un día a otro.
La técnica es computacionalmente eficiente, lo que permite una rápida identificación de granos martensíticos y, por lo tanto, es de alto rendimiento y adecuada para análisis en tiempo real. Debido a la facilidad de uso y la ausencia de criterios que dependen del usuario, como un umbral, el método minimiza la variabilidad entre operadores y aumenta la reproducibilidad. Nuestro método también es resistente a la variabilidad en los factores de adquisición de imágenes, como la iluminación.
Referencias
[1] WD Callister y DG Rethwisch, Ciencia e ingeniería de materiales: introducción, octava edición, Wiley Global Education, Nueva York, 2009
[2] H. Bhadeshia y R. Honeycombe, Aceros: microestructura y propiedades 4a edición, Elsevier Ltd, 2017
[3] GF Vander Voort, Manual ASM, Volumen 9: Metalografía y microestructuras, 2004, págs. 670-700.