一种基于扫描电镜进行炼钢夹杂物类型判定方法与流程

本发明涉及材料科学和冶金技术，更具体地说，涉及一种基于扫描电镜进行炼钢夹杂物类型判定方法。

背景技术：

1、炼钢坯中夹杂物(如氧化物、mns、tin等夹杂物缺陷)的存在会严重影响板坯的强度和延展性，从而影响后续压延生产或冲压成型性能和安全性。炼钢坯中夹杂物来源多样，导致夹杂物类型多样。而要控制钢中夹杂物，首先要获得夹杂物类型信息，根据夹杂物类型判断夹杂物的来源与可能导致夹杂物产生的工艺，继而才能制定出减少或改善炼钢坯中夹杂物的冶炼方案。

2、工艺人员往往用扫描电镜中的eds/wds对板坯/材中进行面扫，形成扫描出的各个夹杂物颗粒的成分，然后根据一定成分规则，对每个夹杂物进行分类判定。然而，目前这种判定存在几个问题：

3、(1)同一成分可能以不同形式(间隙、固溶、结构组成成分)存在不同夹杂物中，导致不同夹杂物可能成分相同。根据成分进行夹杂物判断的准确性，依赖规则的准确性。

4、(2)多为人工判断，不同人规则不一，耗时容易出现偏差。

5、在现有专利申请中，如专利公开号cn119334989a揭示了一种钢中非金属夹杂物的检测方法，如专利公开号cn119374997a揭示了一种钢中夹杂物识别方法及系统，均是关于钢中夹杂物的检测方法，指出用如扫描电镜等形貌分析加成分检测的方式，对夹杂物进行定位与定性分析。如专利申请号202210613572.1公开了一种利用深度学习技术实现钢中非金属夹杂物智能识别和评级的方法，主要针对传统金相分析中人工评级工作强度大、精度低，以及传统灰度阈值分割和特征提取方式局限性大的问题。通过深度学习中语义分割算法，实现非金属夹杂物边界自动提取以及评级，主要是识别夹杂物，提取夹杂物的尺寸，不涉及夹杂物的分类。

6、以上专利技术的主要问题在于，只观察未判定，进一步未能提出一种较准确基于应用场景的夹杂物群特征的夹杂物判定方法。

技术实现思路

1、针对现有技术中存在的缺陷，本发明的目的是提供一种基于扫描电镜进行炼钢夹杂物类型判定方法，通过结合扫描电镜的高分辨率成像和能谱分析，实现对夹杂物类型的快速识别的精确分析，解决分析过程中不同类夹杂物成分组成一样的问题。

2、为实现上述目的，本发明采用如下技术方案：

3、一种基于扫描电镜进行炼钢夹杂物类型判定方法，包括以下步骤：

4、s1，样品制备；

5、s2，扫描电镜成像；

6、s3，能谱分析；

7、s4，分析数据生成；

8、s5，类型判断；

9、s6，结果输出。

10、较佳的，所述步骤s2具体包括：

11、使用扫描电镜对所述样品进行成像，识别所述样品中夹杂物的位置和形态。

12、较佳的，所述步骤s3具体包括：

13、对所述样品中夹杂物进行面扫描能谱分析，获取观察的夹杂物的元素组成。

14、较佳的，所述步骤s4具体包括：

15、综合所述步骤s2和所述步骤s3的结果，形成扫描电镜夹杂物数据d1。

16、较佳的，所述步骤s5具体包括：

17、将所述扫描电镜夹杂物数据d1输入至夹杂物类型判定规则模型，进行夹杂物类型的判定，判定结果输出到所述扫描电镜夹杂物数据d1中，形成扫描电镜夹杂物数据d2。

18、较佳的，所述扫描电镜夹杂物数据d1包括夹杂物序号、夹杂物成分含量、夹杂物尺寸。

19、较佳的，所述夹杂物类型判定规则模型中对夹杂物类型的判定具体如下：

20、首先，根据氧化物夹杂物、硫化物夹杂物、氮化物夹杂物以及o-s-n复合夹杂物进行夹杂物大类的判定；

21、其次，在所述夹杂物大类里根据夹杂物小类进行判定。

22、较佳的，所述夹杂物大类的判定具体如下：

23、1)当o含量大于0，且n、s含量之和为0时，判定该夹杂物为氧化物夹杂物；

24、2)当s含量大于0，且n、o含量之和为0时，判定该夹杂物为硫化物夹杂物；

25、3)当n含量大于0，且s、o含量之和为0时，判定该夹杂物为氮化物夹杂物；

26、4)当s、o、n含量中至少2个元素含量均大于0时，判定该夹杂物为s-o-n复合夹杂物；

27、5)当s、o、n含量均为0时，判定该夹杂物为未知夹杂物。

28、较佳的，所述夹杂物小类的判定具体如下：

29、1)当元素al、ca、mg、si、ti中任一元素x含量大于0，且其他元素含量之和等于0时，该氧化物为单一x-o氧化物夹杂物；

30、2)当al、si含量均大于0，而mg、ca含量之和为0时，该氧化物为al-si基复合氧化物夹杂物；

31、3)当mg、ca含量均大于0，而al、si含量之和为0时，该氧化物为mg-ca基复合氧化物夹杂物；

32、4)当si、ca含量均大于0，而al、mg含量之和为0时，该氧化物为si-ca基复合氧化物夹杂物；

33、5)当不为以上4种时，判定为其他氧化物夹杂物。

34、较佳的，当所述夹杂物大类为氧化物夹杂物时，进行氧化物夹杂物小类判定，具体如下：

35、1)当元素al、ca、mg、si、ti中任一元素x含量大于0，且其他元素含量之和等于0时，该氧化物为单一x-o氧化物夹杂物；

36、2)当al、si含量均大于0，而mg、ca含量之和为0时，该氧化物为al-si基复合氧化物夹杂物；

37、3)当mg、ca含量均大于0，而al、si含量之和为0时，该氧化物为mg-ca基复合氧化物夹杂物；

38、4)当si、ca含量均大于0，而al、mg含量之和为0时，该氧化物为si-ca基复合氧化物夹杂物；

39、5)当不为以上4种时，判定为其他氧化物夹杂物。

40、较佳的，当所述夹杂物大类为硫化物夹杂物时，进行硫化物夹杂物小类判定，具体如下：

41、1)当元素mn、ti中任一元素x含量大于0，且其他元素含量等于0时，该硫化物为单一x-s硫化物夹杂物；

42、2)当不为x-s硫化物夹杂物时，该硫化物判定为其他硫化物夹杂物。

43、较佳的，当所述夹杂物大类为氮化物夹杂物时，进行氮化物夹杂物小类判定，具体如下：

44、1)当元素al、b、nb中任一元素x含量大于0，且其他元素含量之和等于0时，该氮化物为单一x-n氮化物夹杂物；

45、2)当不为x-n氮化物夹杂物时，该氮化物判定为其他氮化物夹杂物。

46、较佳的，所述步骤s6中，结果输出具体包括：

47、输出该样品夹杂物分析结果图表，包括输出夹杂物类型、每个类型夹杂物的数量、每个夹杂物类型的尺寸分布的表或图。

48、本发明所提供的一种基于扫描电镜进行炼钢夹杂物类型判定方法，在钢铁行业的质量检测中具有重要意义，能够快速、准确地识别和评级钢中的非金属夹杂物，有助于提高钢铁产品的质量控制水平，降低检测成本。

49、高效性：无需复杂的样品制备，根据模型与分析工具进行自动的判定与结果图表的输出，缩短了实验与工艺人员的分析时间。

50、准确性：能谱分析提供了精确的元素组成信息，模型判定减少了人为判定的失误。

51、适用性：适用于各种钢铁冶金夹杂物分析，具有广泛的工业应用前景。