钢铁研究学报

作者：李维刚，谌竟成，范丽霞，谢璐

单位：1.武汉科技大学冶金自动化与检测技术教育部工程研究中心，湖北武汉430081；2.武汉科技大学省部共建耐火材料与冶金国家重点实验室，湖北武汉430081

关键词：关键词：深度学习,卷积神经网络,材料微观组织,图像处理

摘要：基于深度学习在计算机视觉上优异的表现，采用深度学习模型对扫描电子显微镜（SEM）所获得的钢铁材料微观组织图片进行自动辨识。提出了适用于钢铁材料微观组织辨识的AlexNet、VggNet、GoogleNet、ResNet改进模型，比较了不同卷积神经网络模型在不同预处理方式下的图片辨识精度，针对从某国家重点实验室收集到的铁素体、珠光体、上贝氏体、下贝氏体、板条马氏体、片状马氏体等6类微观组织图像的数据集进行预测实验，结果表明：与现有技术或人工辨识相比，提出的卷积神经网络能成功辨识不同类型的钢材微观组织,具有较高的适应性和准确度，在测试集上的识别率精度最高可达到100%。

来源：2020年第1期

《钢铁研究学报》期刊编辑部

查看钢铁研究学报杂志2020年第1期