【技术实现步骤摘要】
本专利技术属于钢铁金相分析领域，具体涉及一种钢中带状碳化物的智能分析方法。
技术介绍
1、带状碳化物源于高碳钢凝固过程中的枝晶偏析，随后的热加工和冷却导致二次碳化物在特定区域聚集而形成带状组织。带状碳化物作为钢中主要组织缺陷之一，对高碳钢的力学性能和服役寿命产生非常不利的影响。因此，高效、准确地评价带状碳化物对高碳钢的质量评估和控制至关重要。碳化物带状的严重程度通常采用不同等级进行分类。而碳化物带状等级的评定则主要采用按照标准图谱进行人工比较法评级分类，目前国内外主要的钢中带状碳化物评级标准包括gb/t18254-2016、sep 1520-1998和iso 5949-1983。上述三者均是通过将待评金相图片中碳化物带状的大小、形状和颗粒聚集程度等特征与标准图谱中对应信息进行人为比较进行评级。显然，人工比较法评级存在主观影响大、结果一致性差，专业要求高、经验积累慢，检测效率低、劳动强度大等问题。
2、随着人工智能技术的发展，利用机器学习算法进行钢铁材料微观组织的自动分析方法不断涌现。比如申请号为202310823487.2的...
【技术保护点】
1.一种钢中带状碳化物的智能分析方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的钢中带状碳化物的智能分析方法，其特征在于，所述S1包括以下分步骤：
3.根据权利要求1所述的钢中带状碳化物的智能分析方法，其特征在于，所述S2中，对碳化物带状分割数据集进行数据增强的方法具体为：
4.根据权利要求1所述的钢中带状碳化物的智能分析方法，其特征在于，所述S2中，基于优化的DeepLabv3+深度学习算法的碳化物带状分割模型包括相互连接的编码器和解码器；
5.根据权利要求4所述的钢中带状碳化物的智能分析方法，其特征在于，所...
【技术特征摘要】
1.一种钢中带状碳化物的智能分析方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的钢中带状碳化物的智能分析方法，其特征在于，所述s1包括以下分步骤：
3.根据权利要求1所述的钢中带状碳化物的智能分析方法，其特征在于，所述s2中，对碳化物带状分割数据集进行数据增强的方法具体为：
4.根据权利要求1所述的钢中带状碳化物的智能分析方法，其特征在于，所述s2中，基于优化的deeplabv3+深度学习算法的碳化物带状分割模型包括相互连接的编码器和解码器；
5.根据权利要求4所述的钢中带状碳化物的智能分析方法，其特征在于，所述s2中，得到训练好的带状碳化物轮廓提取模型的方法具体为：
6.根据权利要求1所述的钢中带状碳化物的智能分析方法，其特征在于，所述s4中，带状碳化物特征量化数值包括带状碳化物最大带宽、带状碳化物条带数、带状碳化物条带...
【专利技术属性】
技术研发人员：张莎莎，于帅鹏，朱晓林，束长青，姚正军，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：
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。