识别素材晶粒度的方法以及钢材晶粒度检测方法技术

本申请涉及金属及合金晶粒研究领域，具体而言，涉及一种识别素材晶粒度的方法以及钢材晶粒度检测方法。该方法包括将待识别素材图片切割成多个新图片，将每一张新图片与标准素材图片进行比对，得到每一张新图片的晶粒度级别Gi；然后按照公式(1)计算待识别素材图片的晶粒度级别G。切割时每相邻的两个新图片在长度方向和宽度方向均有重叠；多个新图片涵盖了待识别素材图片的全部内容；每一张新图片与待识别素材图片均为等比例。该方法，对于识别后的数据采用面积法进行计算，有效保证了最终检测结果的精确度，相对于传统的比较法极大地降低了误差，提高了准确性，解决了现有技术中，对于钢材组织不均匀采用传统比较法评级偏差大的问题。

【技术实现步骤摘要】
识别素材晶粒度的方法以及钢材晶粒度检测方法
本申请涉及金属及合金晶粒研究领域，具体而言，涉及一种识别素材晶粒度的方法以及钢材晶粒度检测方法。
技术介绍
金属及合金的晶粒大小和金属材料的机械性能、工艺性能及物理性能有密切的关系。细晶粒的金属材料在机械性能、工艺性能方面更优异，其冲击韧性和强度都较高，在热处理和淬火时不易变形和开裂。粗晶粒的金属材料在机械性能和工艺性能方面都比较差。但是，粗晶粒的金属材料在某些特殊需要的情况下也被加以使用，如永磁合金铸件和燃汽轮机叶片，需要一定方向生长的粗大柱状晶，以改善其磁性能和耐热性能。如何准确衡量金属材料的晶粒度级数，这对材料的研发及使用有着至关重要的作用。目前，国内外晶粒度评级常用的方法有比较法、截点法和面积法等。其中比较法是基于已经给定的标准图谱和待测图片进行对比，给出最接近的级别。截点法是通过测量给定线段的长度以及与晶界交点的个数来计算晶粒的平均截距，最终确定晶粒度级别；面积法则是通过统计一定面积内的晶粒个数得到晶粒的平均面积，进而计算出晶粒度级别。晶粒度现有的检测方法中，截点法和面积法准本文档来自技高网...

【技术保护点】
1.一种识别素材晶粒度的方法，其特征在于，包括：/n将待识别素材图片导入深度神经网络模型，与标准素材图片进行比对；/n所述比对包括：将待识别素材图片切割成多个新图片，将每一张所述新图片与标准素材图片进行比对，得到每一张所述新图片的晶粒度级别Gi；然后按照公式(1)计算所述待识别素材图片的晶粒度级别G；/n

【技术特征摘要】
1.一种识别素材晶粒度的方法，其特征在于，包括：
将待识别素材图片导入深度神经网络模型，与标准素材图片进行比对；
所述比对包括：将待识别素材图片切割成多个新图片，将每一张所述新图片与标准素材图片进行比对，得到每一张所述新图片的晶粒度级别Gi；然后按照公式(1)计算所述待识别素材图片的晶粒度级别G；



公式(1)中：n为新图片的总数量；
切割时每相邻的两个所述新图片在长度方向和宽度方向均有重叠；所述多个新图片涵盖了所述待识别素材图片的全部内容；每一张所述新图片与所述待识别素材图片均为等比例。


2.根据权利要求1所述的识别素材晶粒度的方法，其特征在于，
每一张所述新图片的长或宽均在所述待识别素材图片的长或宽的1/4～3/4范围内。


3.根据权利要求2所述的识别素材晶粒度的方法，其特征在于，
每一张所述新图片的尺寸均相等。


4.根据权利要求1-3任一项所述的识别素材晶粒度的方法，其特征在于，
所述与标准素材图片进行比对还包括：所述神经网络模型输出与所述待识别素材图片最接近的至少两个标准素材图片的晶粒度Gi以及相似度概率百分比Si，并按照公式(2)求加权平均值，得到待识别素材图片的平均晶粒度级别G0：



公式(2)中：n≥2。


5.根据权利要求4所述的识别素材晶粒度的方法，其特征在于，
将待识别素材图片导入深度神经网络模型包括：
在所述深度神...

【专利技术属性】
技术研发人员：林晏民，罗新中，肖命冬，朱祥睿，李富强，孙福猛，章玉成，张兆洋，
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