一种高碳钢线材索氏体化率测定方法

    公开(公告)号:CN115294064A

    公开(公告)日:2022-11-04

    申请号:CN202210945693.6

    申请日:2022-08-08

    Abstract: 本发明涉及一种高碳钢线材索氏体化率测定方法,属于金相测定方法技术领域。本发明的技术方案是:首先选择具有代表性的高碳钢线材试样进行样品制备,利用蔡司级显微镜拍摄500倍视场下的金相照片;然后通过人工对索氏体组织进行精确标注,并通过裁剪主体特征的方式进行数据扩充,最终形成训练集;将训练集图像输入U‑Net深度学习网络模型进行自学习,训练深度学习网络模型,并利用测试数据进行测试,不断优化识别模型的准确性。本发明的有益效果是:基于人工智能进行索氏体识别,计算其索氏体化率,解决了传统测定方法检测繁琐、耗时长、标样成本高的问题,测定方法简单、准确性高,从而保证了高碳钢线材的产品质量,有利于中高碳钢盘条产品在生产过程中的检验分析。

    一种基于深度学习网络的铁素体晶粒度评级方法

    公开(公告)号:CN115410034A

    公开(公告)日:2022-11-29

    申请号:CN202210943993.0

    申请日:2022-08-05

    Abstract: 本发明涉及一种基于深度学习网络的铁素体晶粒度评级方法,属于图像识别方法技术领域。本发明的技术方案是:首先对图像进行预处理,利用深度学习U‑Net网络对组织图像进行晶界提取,采用一种基于Zhang的快速并行细化算法的目标提取方法获得无毛刺的铁素体晶界骨架图像,通过阈值截点识别方法识别截线与晶界的交点类型,从而确定截点数,代入公式计算晶粒度级别数。本发明的有益效果是:利用深度学习算法,结合图像处理,可以在很大程度上取代部分的人工评级任务,减少工作量;实现晶粒度自动评级一键化,大大提高了晶粒度评级的效率,有效节约了人员成本和时间成本。

    显示超低温环境用高锰钢奥氏体组织的侵蚀剂及使用方法

    公开(公告)号:CN110438502A

    公开(公告)日:2019-11-12

    申请号:CN201910610961.7

    申请日:2019-07-08

    Abstract: 本发明公开了显示超低温环境用高锰钢奥氏体组织的侵蚀剂及使用方法,侵蚀剂分为侵蚀剂1,侵蚀剂2;所述侵蚀剂1配比为:浓硝酸体积份数为10~15份,无水乙醇体积份数为100份;所述侵蚀剂2配比为:浓盐酸体积份数为15份,丙三醇体积份数为3~5份,无水乙醇体积份数为100份。使用方法为将金相试样抛光面浸入侵蚀剂1中,直到表面形成蓝灰色氧化膜,取出后用沾有侵蚀剂2的脱脂棉沿一个方向擦拭,再分别用去离子水、无水乙醇对表面冲洗,吹干,显微镜下可以观察到较为清晰的室温奥氏体组织。本发明显著提高超低温环境用高锰钢金相组织图的质量,并提高金相定量分析的精度。

Patent Agency Ranking