[发明专利]碳钢索氏体定量分析方法

说明书

本申请提供一种碳钢索氏体定量分析方法，属于钢铁组织检测技术领域。分析方法包括素材准备、深度学习及定量分析。素材准备：对索氏体素材进行灰度二值定量得到素材索氏体定值含量；至少选取部分索氏体素材对索氏体组织进行色彩标记得到索氏体标记素材。深度学习：采用深度神经网络模型对多个索氏体素材进行识别学习，输入素材图像、标记素材图像、素材的单像素点长度及素材的素材索氏体定值含量对深度神经网络模型进行初始化，得到索氏体定量分析模型。定量分析：输入待测素材图像及待测素材的单像素点长度，采用索氏体定量分析模型对待测素材进行分析。重复性高且能有效避免引入主观误差，使检测效率高、准确性高且便于批量检测。

技术领域

本申请涉及钢铁组织检测技术领域，具体而言，涉及一种碳钢索氏体定量分析方法。

背景技术

索氏体组织由于铁素体和渗碳体片层间距小，相界面多，具有非常好的强度和塑性，在外力作用下，使钢铁抗塑性变形的能力增大，是高碳盘条钢最为理想的组织。

目前，高碳盘条的索氏体组织采用YB/T169-2014《高碳盘条索氏体组织金相检测方法》进行检测，主要检测方法有三种。一是金相手工法，通过手工统计索氏体组织交点或网格占比计算索氏体百分含量，容易引入检验员主观误差，且检测需要构建网格并人工数点，检测工作量非常大，批量检测不现实。二是图像分析仪标样检测法，采用已定值索氏体含量的标准样品与待测样品同步制样、同步腐蚀、同步检测，每次均需要采用标样进行定值，检测繁琐、耗时长、标样成本高，批量检测也不现实。三是比较法，将待测样品微观组织同YB/T169中附录B中的标准图谱进行比较，但是标准图谱只有4张且间隔10％，检测精度差，且评级结果也容易受检验员主观因素影响。

发明内容

本申请的目的在于提供一种碳钢索氏体定量分析方法，重复性高且能有效避免引入主观误差，使检测效率高、准确性高且便于批量检测。

本申请的实施例是这样实现的：

本申请实施例提供一种碳钢索氏体定量分析方法，包括素材准备、深度学习以及定量分析；

素材准备：在学习样品上选取检测视场作为索氏体素材；对索氏体素材进行灰度二值定量得到素材索氏体定值含量；至少选取部分索氏体素材对索氏体组织进行色彩标记得到索氏体标记素材；

深度学习：采用深度神经网络模型对多个索氏体素材依次进行识别学习；在对每个索氏体素材进行识别学习时，输入索氏体素材图像、索氏体标记素材图像、索氏体素材的单像素点长度及索氏体素材的素材索氏体定值含量对深度神经网络模型进行初始化，得到以索氏体含量为输出节点的索氏体定量分析模型；

定量分析：在待测样品上选取检测视场作为待测素材，输入待测素材图像及待测素材的单像素点长度，采用索氏体定量分析模型对待测素材进行分析。

本申请实施例提供的碳钢索氏体定量分析方法，有益效果包括：采用深度神经网络模型对多个索氏体素材进行识别学习，以索氏体素材图像、索氏体标记素材图像、索氏体素材的单像素点长度及索氏体素材的素材索氏体定值含量进行初始化建立识别模型，用于实现对待测素材索氏体组织的定量分析，重复性高、检测效率高、准确性高且便于批量检测。将索氏体组织进行色彩标记，明确索氏体组织和非索氏体组织，基于色彩的图像识别简单、准确，深度学习中计算机可直接读取各相比例，较人工数点和人工图谱比对精度更高、效率也更高，且能有效避免引入主观误差。进一步的，针对不同碳含量精确控制腐蚀时间，避免识别误差，利于标准化检测结果输出；同时，相比国标中针对标样单张图片灰度阈值测定，增加了针对标样多张素材间灰度阈值要求(灰度阈值重复性和标准差要求)，通过多张素材间的比较校正，素材定值结果更为准确，确保神经网络学习的标准的可参考性。

附图说明