基于人工智能高碳盘条钢索氏体识别探讨

• 作者: 罗新中 肖命冬 张兆洋 李富强 朱祥睿
• 来源期刊: 物理测试
• 关键词: 索氏体 人工智能 神经网络
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 测试技术|Measuring Technology
• 页码范围: 34-37
• 页数: 4页
• 语种: 中文
• DOI: 10.13228/j.boyuan.issn1001-0777.20200064

摘要

高碳盘条钢索氏体含量是评价其性能重要指标之一,现行检测方法存在识别准确性差、检测结果容易受检验员影响等缺点.通过索氏体制样标准化、素材收集、素材定值、素材标记等建立供神经网络学习的素材库,利用计算机人工智能和深度神经网络技术初始化识别模型,采用未标记素材对初始化模型进行测试、互动优化,最终验证识别模型的准确率高、检测速度快,识别模型是可行的.人工智能索氏体识别的成功实施,也为晶粒度定级、脱碳层识别、非金属夹杂物识别、带状组织定级等其他金相检测项目的智能识别作出了有益的实践.