钢铁研究学报

作者：王梓雄, 成林, 胡丞杨, 刘恩永, 余丽玲, 吴开明

单位：武汉科技大学高性能钢铁材料及其应用省部共建协同创新中心,湖北武汉430081

关键词：非金属夹杂物,图像识别,夹杂物分类,机器学习,YOLOv5,目标检测

基金：国家自然科学基金资助项目(U20A20279);国家重点研发计划资助项目(2022YFB4201500,2022YFB3706701);广西省科学技术计划资助项目(AA22068080);湖北省重点研究发展计划资助项目(2021BAA057);111资助项目(D18018)

管线钢中非金属夹杂物是诱发氢致裂纹(HIC)的关键,夹杂物数量、尺寸、形貌与HIC敏感性正相关。实现夹杂物形态精准调控已成为制造高级别管线钢的技术难点。建立夹杂物识别模型,为夹杂物演变规律、优化管线钢质量控制提供技术指导。采用YOLOv5目标检测算法,成功实现了管线钢中4类典型非金属夹杂物的智能识别与分类。该模型检测精度:MnS夹杂物100%,TiN析出相95%,Al₂O₃团簇83%,Al₂O₃·MnS复合相94%。通过夹杂物的形成对管线钢力学性能的影响机制进行了分析。

来源：2025年第7期

《钢铁研究学报》期刊编辑部

查看钢铁研究学报杂志2025年第7期