摘要
准确地评定钢材金相组织晶粒度等级能检测材料劣化情况,保障设备的服役安全.针对传统人工评定钢材金相组织晶粒度等级的方法耗时久且易受人工经验影响,评价结果一致性差且不可重复等问题,提出了一种基于深度学习的钢材金相晶粒度等级评定方法.在U-net模型上添加跳跃连接层并减少下采样次数来提高模型的分割准确率并减少网络参数量,在117张验证集上的像素准确率达9 3.86％,平均像素准确率(meanpixelaccuracy,MPA)达86.89％,网络参数量仅为2.02 M.对晶界预测结果进行数字图像处理并结合截点法进行晶粒度等级评定,在测试图像上评定钢材晶粒度等级平均耗时仅8.3 s/张.与人工评级方法相比,本文方法具有准确性、高效性及可重复性.
基金项目
教育部产学合作协同育人项目(2020)(202002321008)
西安市科学技术局重点产业链核心技术攻关项目(2022JH-RG-ZN-000)
NETL
NSTL
维普
万方数据