De Tian Wang, Ph. D. et Navid Sadeghi, Ph. D.

 

Les grains martensitiques sont difficiles à analyser 

La martensite, l’une des structures d’acier les plus dures, se forme lors de la trempe rapide de l’austénite à basse température. Ce procédé empêche la diffusion du carbone et la formation de perlite ou de bainite [1], mais crée des plaques minces ou des lattes [2]. Les caractéristiques spécifiques de cette microstructure rendent difficile l’analyse optique des grains martensitiques. 

Les grains martensitiques deviennent plus fins avec l’augmentation de la teneur en carbone, passant d’une forme de latte à une forme de plaque [3]. Cependant, cela réduit les formes structurelles distinctives, obligeant les praticiens à mesurer la taille des grains d’austénite antérieurs pour interpréter la transformation martensitique et optimiser les conditions de traitement thermique [3]. De plus, pour les aciers à faible teneur en carbone, la procédure de gravure ne révèle pas très bien les joints antérieurs de l’austénite, obligeant ainsi les spécialistes en laboratoire à se fier à l’œil humain pour distinguer et classer les grains martensitiques.  

Pire encore, la technique courante de seuillage utilisée dans les logiciels d’analyse d’images automatisée n’est pas concluante pour ce type d’image (figure 1). Pour effectuer le seuillage par niveaux de gris, on utilise la distribution des valeurs de pixels dans une image en noir et blanc et on sélectionne une valeur de pixel, ou un seuil, pour séparer de façon optimale deux groupes de pixels. Cette méthode fonctionne donc mieux avec des zones clairement définies qui forment des pointes isolables dans la distribution des valeurs de pixels. Cependant, sur les surfaces martensitiques, les niveaux de gris peuvent être observés sans pointes distinctes (figure 1a), ou bien les grains peuvent contenir un mélange de deux groupes de pixels. Dans les cas de partitionnement ou de segmentation de l’image en zones de grain d’intérêt, le seuillage est donc inefficace (figure 1b). 

 

Figure 1. Méthode de seuillage par niveaux de gris .

(A) Aucune pointe ou aucun creux distinct ne peut être observé à partir de l’histogramme (flèche) de l’image des niveaux de gris. 

(B) Le résultat de la segmentation par seuillage (bleu) ne peut pas être utilisé dans les analyses de routine automatisées pour mesurer la taille des grains. 

Une nouvelle méthode d’analyse martensitique 

Clemex Vision PE dispose maintenant d’un moyen de traitement automatique des images de diverses structures martensitiques qui ne dépend pas des seuils de niveau de gris (figure 2). Cette nouvelle méthode utilise de récents algorithmes d’apprentissage machine et des techniques de traitement d’images pour identifier rapidement et précisément les grains martensitiques.  

Figure 2. Nouvel algorithme martensitique

(A) La puissante fonction martensitique est introduite au début d’une analyse de routine automatisée, et peut être peaufinée en ajustant un seul paramètre.

(B)   La taille des grains détectés (jaune) est ensuite mesurée automatiquement et un rapport est généré conformément à la norme ASTM E-112.

 

Les propriétés spécifiques des microstructures martensitiques font en sorte que leurs grains se distinguent les uns des autres et sur différentes images. Notre algorithme fonctionne sans configuration, sans besoin d’annotation intensive des grains variables et sans connaissance préalable de leurs types et de leurs nombres. La méthode n’est donc pas spécifique à un type de surface et peut être appliquée avec succès à différentes structures martensitiques en ajustant quelques paramètres. Cela signifie également que la méthode peut suivre tout changement microstructurel imprévu dans la chaîne de production d’un jour à l’autre.

Cette technique est efficace sur le plan informatique et permet une identification rapide des grains martensitiques, ainsi qu’un rendement élevé, tout en convenant à l’analyse en temps réel. En raison de la facilité d’utilisation et de la liberté que procurent les formules qui dépendent de l’utilisateur, comme le seuillage, la méthode réduit au minimum la variation à travers les différents opérateurs et augmente la reproductibilité. Notre méthode est aussi rigoureuse quant à la variabilité des facteurs d’acquisition d’images, comme la luminosité.

Conclusion

Le nouvel algorithme automatique mis en œuvre dans Clemex Vision PE permet d’identifier les grains martensitiques complexes de manière rapide, générale, fiable et précise. Cet algorithme a réussi les tests sur des centaines d’images en collaboration avec un partenaire de premier plan de l’industrie et ouvre de nouveaux horizons pour les analyses complexes de surfaces martensitiques et similaires, une tâche qui est restée insaisissable jusqu’à maintenant.

Références 

[1] W. D. Callister et D. G. Rethwisch, Materials science and engineering : An Introduction, 8e édition, Wiley Global Education, New York, 2009 

[2] H. Bhadeshia et R. Honeycombe, Steels : Microstructure and Properties, 4e édition, Elsevier ltée, 2017 

[3] G.F. Vander Voort, ASM Handbook, volume 9 : Metallography and Microstructures, 2004, p. 670-700. 

Remplissez le formulaire ci-dessous pour télécharger la version PDF

Télécharger le PDF « Martensitique »
Cases à cocher