【技术实现步骤摘要】
钢材脱碳层深度的检测方法
本申请涉及钢材组织检测领域,具体而言,涉及一种钢材脱碳层深度的检测方法。
技术介绍
钢材在加热和保温过程中,由于氧化使钢材表面的碳全部或部分丧失的现象叫做脱碳。脱碳大大降低了钢材的表面的硬度、抗拉强度、耐磨性和疲劳极限,因此对钢材的脱碳状况的检测分析是非常重要的。现有技术中,常通过对钢材的脱碳层深度进行检测以实现对钢材的脱碳状况的检测分析。其中,脱碳层深度是从材料脱碳层表面到脱碳层底部的深度,脱碳层底部是指脱碳层基体与钢材基体组织差异已经不能区别的位置。目前,主要通过金相法、硬度法和化学法对钢材的脱碳层深度进行检测。其中,金相法根据显微组织变化情况,通过人工判断确定脱碳情况及脱碳层深度,由于脱碳层的界限很难精确确定,人工判断的结果有很大的不确定性。硬度法利用含碳量与热处理后钢材的硬度存在相关性的原理,通过显微硬度的变化情况确定脱碳情况,该检测方法对显微硬度计的精度要求非常高,检测工序繁琐、工作量大;且主要用于含有对硬度影响敏感的化学成分的材料,适用性的局限非常大。化学法通过测定不同层的含碳量来确定脱碳层深度,目前分为直读光谱法、电子探针法和辉光光谱法,三种方法检测程序复杂,且对分析设备要求高,主要用于科研研究,难以用于工业上的批量检测。目前,虽然神经网络在金相的检测中有一定的应用,但是采用神经网络对钢材脱碳层深度进行检测的方式却未见记载。
技术实现思路
本申请的目的在于提供一种钢材脱碳层深度的检测方法,重复性高、适用性好且能有效避免主观判断 ...
【技术保护点】
1.一种钢材脱碳层深度的检测方法,其特征在于,包括:/n素材标记:在素材库中选择多个金相照片素材进行二分切割,以实现将每个所述金相照片素材切割为非材料组织区和所述材料组织区,将总脱碳区在所述材料组织区中进行切割,并将完全脱碳区在所述总脱碳区中进行切割,得到标记素材;/n深度学习:采用深度神经网络模型对多个所述标记素材依次进行识别学习;对每个所述标记素材进行识别学习包括,采用所述标记素材的原始图像、标记后图像及单像素点长度进行初始化,得到以识别边界为输出节点的脱碳层识别模型;/n脱碳层检测:输入待测素材的原始图像及单像素点长度,采用所述脱碳层识别模型对所述待测素材进行识别分析,并输出所述待测素材的所述非材料组织区边界、所述材料组织区边界、所述总脱碳区边界和所述完全脱碳区边界。/n
【技术特征摘要】
1.一种钢材脱碳层深度的检测方法,其特征在于,包括:
素材标记:在素材库中选择多个金相照片素材进行二分切割,以实现将每个所述金相照片素材切割为非材料组织区和所述材料组织区,将总脱碳区在所述材料组织区中进行切割,并将完全脱碳区在所述总脱碳区中进行切割,得到标记素材;
深度学习:采用深度神经网络模型对多个所述标记素材依次进行识别学习;对每个所述标记素材进行识别学习包括,采用所述标记素材的原始图像、标记后图像及单像素点长度进行初始化,得到以识别边界为输出节点的脱碳层识别模型;
脱碳层检测:输入待测素材的原始图像及单像素点长度,采用所述脱碳层识别模型对所述待测素材进行识别分析,并输出所述待测素材的所述非材料组织区边界、所述材料组织区边界、所述总脱碳区边界和所述完全脱碳区边界。
2.根据权利要求1所述的检测方法,其特征在于,所述总脱碳区和所述材料组织区之间的边界为总脱碳层边界,所述总脱碳层边界的确认方法包括:对所述总脱碳层边界进行多组人工标记得到多组初始的所述总脱碳层边界,并根据初始的所述总脱碳层边界进行总脱碳层深度的人工检测得到多组人工检测深度值;根据多组所述人工检测深度值的平均值确认所述总脱碳层边界。
3.根据权利要求2所述的检测方法,其特征在于,当总脱碳层的深度<0.1mm时,多组所述人工检测深度值的平均绝对误差≤第一预设值;当总脱碳层的深度≥0.1mm且<0.3mm时,多组所述人工检测深度值的平均绝对误差≤第二预设值;当总脱碳层的深度≥0.3mm时,多组所述人工检测深度值的平均绝对误差≤第三预设值,所述第一预设值<所述第二预设值<所述第三预设值。
4.根据权利要求3所述的检测方法,其特征在于,所述第一预设值为0.025mm;所述第二预设值为0.04mm;当总脱碳层的深度≥0.3mm时,多组所述人工检测深度值的平均相对误差≤15%。
5.根据权利要求1-4任一项所述的检测方法,其特征在于,所述深度学习和所述脱碳层检测之间还包括:
验证优化:在所述素材库中选择多个所述金相照片素材作为验证素材,输入所述验证素材的原始图像及单像素点长度...
【专利技术属性】
技术研发人员:罗新中,肖命冬,龙显顺,李富强,张兆洋,朱祥睿,章玉成,游来有,麻国晓,文晖,康波,欧连发,姚勇,张显峰,吴锐滨,张煜平,刘金源,董凤奎,
申请(专利权)人:广东韶钢松山股份有限公司,
类型:发明
国别省市:广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。