科研之友
微信
新浪微博
Facebook
分享链接
摘要
钢铁微观组织检测分析人工依赖程度大，随着钢铁行业的快速发展，组织分析检测任务量逐年增加，通常完成一项晶粒度评级任务耗时1 h以上。数字智能化赋能材料检测创新成为发展必然趋势，人工智能技术在钢铁材料检测分析领域的应用，为满足材料基因和高通量实验发展需求、推动微观组织分析智能化带来新的机遇。介绍了一种基于深度学习的铁素体晶粒度评级方法。首先对图像进行预处理，利用U-Net网络对组织图像进行晶界提取，采用一种基于Zhang的快速并行细化算法的目标提取方法，获得无毛刺的铁素体晶界骨架图像，通过阈值截点识别方法识别截线与晶界的交点类型，从而确定截点数，自动计算晶粒度级别数。实现晶粒度自动评级一键化，大大提高了晶粒度评级的效率，有效节约了人员成本和时间成本。经对比，该评级方法识别精度完全满足±0.25级的标准要求，为孪晶、混晶智能评级做出了有益实践。
