In-situ measurement of lengthening kinetics of Widmanstätten ferrite in low carbon steel
Notice bibliographique
Résumé
This study presents an automated image analysis framework to quantify the lengthening kinetics of Widmanstätten ferrite (WF) during continuous cooling of Fe–0.12C–2Mn steel. In-situ microstructures were captured using a high-temperature tensile testing system with confocal laser scanning microscope (HiTTS-CLSM). The framework integrates the open-source Segment Anything Model (SAM) for grain segmentation with the DeepLSD line segment detector for WF plate identification, enabling systematic analysis of 94 plates across 155 image frames. Four types of nucleation sites were observed at the specimen surface for WF plates. Surface observations showed nucleation appearing most frequently in austenite grain interiors (33 %), followed by nucleation at tips of existing WF plates (25.5 %), austenite grain boundaries (23.5 %), and allotriomorphic ferrite/austenite interphase boundaries (18 %). The measured lengthening rates ranged from 3 to 68 μ m/s within 730–630 ∘ C, falling between the maximum rates predicted under para-equilibrium (PE) and negligible partition local equilibrium (NPLE) conditions from modified Zener–Hillert equations. Statistical analysis revealed no significant differences in average lengthening rates across nucleation sites. The results also highlight that lengthening rate measurements are highly sensitive to the analysis method. This training-free approach significantly expands the scale of quantitative analysis compared to traditional manual methods and is applicable to transformations that produce sufficient surface relief and plate spacing above the effective resolution of the acquired images.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».