【技术实现步骤摘要】
钢中硫化物夹杂检测和评价方法及钢种切削性能评价方法
本申请涉及钢铁夹杂物测评
，具体而言，涉及一种钢中硫化物夹杂检测和评价方法及钢种切削性能评价方法。
技术介绍
含硫易切削钢是通过向钢中加入一定数量的硫元素使硫和锰结合形成MnS夹杂物，以改善钢种的切削性能。不同的MnS夹杂物对钢种切削性能的影响不同，合适的MnS夹杂物是切削性能的关键。目前，MnS夹杂物评级标准采用夹杂物通用评价标准，主要有GB/10561、ASTME45、DIN50602等多个标准，具体方法是将MnS夹杂物定义为A类夹杂，在显微镜下放大100倍通过固定视场进行评价，根据夹杂物的宽度划分为粗系和细系，根据夹杂物的单视场总长度划分为不同级别。现有的评价方法通过在显微镜下放大观察的方式，仅仅是片面地表征了单视场夹杂物的宽度和总长度。
技术实现思路
本申请的目的在于提供一种钢中硫化物夹杂检测和评价方法及钢种切削性能评价方法，能够获取较为准确的硫化物夹杂分布信息，能够对硫化物夹杂进行更全面的评价，同时有利于更好地评价钢种的生产工艺及...
【技术保护点】
1.一种钢中硫化物夹杂检测方法，其特征在于，包括：/n阈值训练：将多个硫化物夹杂进行了边界标注且给出了硫化物夹杂的长度信息和宽度信息的第一硫化物夹杂金相图作为训练集，结合所述训练集中每个样本对应的所述长度信息和所述宽度信息，依次对所述训练集中每个样本中边界内节点和边界外节点的灰度进行运算，得到硫化物夹杂对应的灰度阈值范围；/n深度学习：将多个硫化物夹杂进行了边界标注且给出了硫化物夹杂的长度信息和宽度信息的第二硫化物夹杂金相图作为测试集，输入所述阈值训练完成后得到的所述灰度阈值范围，并结合所述测试集中每个样本对应的所述长度信息和所述宽度信息，采用深度神经网络模型依次对所述测试...
【技术特征摘要】
1.一种钢中硫化物夹杂检测方法，其特征在于，包括：
阈值训练：将多个硫化物夹杂进行了边界标注且给出了硫化物夹杂的长度信息和宽度信息的第一硫化物夹杂金相图作为训练集，结合所述训练集中每个样本对应的所述长度信息和所述宽度信息，依次对所述训练集中每个样本中边界内节点和边界外节点的灰度进行运算，得到硫化物夹杂对应的灰度阈值范围；
深度学习：将多个硫化物夹杂进行了边界标注且给出了硫化物夹杂的长度信息和宽度信息的第二硫化物夹杂金相图作为测试集，输入所述阈值训练完成后得到的所述灰度阈值范围，并结合所述测试集中每个样本对应的所述长度信息和所述宽度信息，采用深度神经网络模型依次对所述测试集中每个样本中硫化物夹杂进行识别学习，将最后一层卷积神经网络输出节点构造为硫化物夹杂的可能性百分比，设定所述可能性百分比大于预设值时结束识别学习，得到硫化物夹杂识别模型。
2.根据权利要求1所述的钢中硫化物夹杂检测方法，其特征在于，还包括验证学习：将多个未标注的第三硫化物夹杂金相图作为验证集，采用所述深度学习完成后得到的所述硫化物夹杂识别模型依次对所述验证集中每个样本的硫化物夹杂进行识别并人工判断识别结果是否准确，采用图像标注工具对人工判断为识别结果不准确的所述验证集中的样本的硫化物夹杂的边界标注后进行所述深度学习，以重构所述硫化物夹杂识别模型。
3.根据权利要求2所述的钢中硫化物夹杂检测方法，其特征在于，所述第一硫化物夹杂金相图的数量占硫化物夹杂金相图总量的35-45％，所述第二硫化物夹杂金相图的数量占硫化物夹杂金相图总量的35-45％，所述第三硫化物夹杂金相图的数量占硫化物夹杂金相图总量的15-25％。
4.根据权利要求1-3任一项所述的钢中硫化物夹杂检测方法，其特征在于，所述预设值为80％。
5.一种钢中硫化物夹杂评价方法，其特征在于，包括：采用权利要求1-4任一项所述的钢中硫化物夹杂检测方法得到的所述硫化物夹杂识别模型对待测样品检测视场内的硫化物夹杂进行识别，获取所述检测视场内硫化物夹杂分布信息，结合所述硫化物夹杂分布信息将满足预设条件的硫化物夹杂作为同一条夹杂得到硫化物夹...
【专利技术属性】
技术研发人员：肖命冬，罗新中，曾赞喜，林晏民，麻国晓，朱祥睿，李富强，董凤奎，章玉成，张兆洋，陆伟成，
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。