[发明专利]识别素材晶粒度的方法以及钢材晶粒度检测方法

权利要求书

1.一种识别素材晶粒度的方法，其特征在于，包括：

将待识别素材图片导入深度神经网络模型，与标准素材图片进行比对；

所述比对包括：将待识别素材图片切割成多个新图片，将每一张所述新图片与标准素材图片进行比对，得到每一张所述新图片的平均晶粒度级别G₀；然后按照公式（1）计算所述待识别素材图片的晶粒度级别G；

（1）

公式（1）中：n为新图片的总数量；

切割时每相邻的两个所述新图片在长度方向和宽度方向均有重叠；所述多个新图片涵盖了所述待识别素材图片的全部内容；每一张所述新图片与所述待识别素材图片均为等比例；

所述将每一张所述新图片与标准素材图片进行比对包括：

所述神经网络模型输出与所述新图片最接近的至少两个标准素材图片的晶粒度G_i；以及输出所述新图片与所述至少两个标准素材图片的相似度概率百分比S_i，并按照公式（2）求加权平均值，得到所述新图片的平均晶粒度级别G₀：

（2）

公式（2）中：n≥2。

2.根据权利要求1所述的识别素材晶粒度的方法，其特征在于，

每一张所述新图片的长或宽均在所述待识别素材图片的长或宽的1/4~3/4范围内。

3.根据权利要求2所述的识别素材晶粒度的方法，其特征在于，

每一张所述新图片的尺寸均相等。

4.根据权利要求3所述的识别素材晶粒度的方法，其特征在于，

将待识别素材图片导入深度神经网络模型包括：

在所述深度神经网络模型中输入待识别素材图片以及待识别素材图片的单像素长度。

5.一种钢材晶粒度检测方法，其特征在于，包括：

收集钢材晶粒度的标准素材图片库；

对标准素材的晶粒度级别定值；

建立深度神经网络模型；以及

采用权利要求1~4任一项所述识别素材晶粒度的方法识别钢材素材晶粒度。

6.根据权利要求5所述的钢材晶粒度检测方法，其特征在于，

所述建立深度神经网络模型包括：将标准素材图片、标准素材的晶粒度级别导入深度神经网络模型进行训练；利用所述深度神经网络的训练模型初始化测试用的神经网络，建立深度神经网络模型。

7.根据权利要求5所述的钢材晶粒度检测方法，其特征在于，

所述对标准素材的晶粒度级别定值包括：对每一张标准素材图片采用垂直直线法、交叉直线法、分布三圆法进行截点，统计截线长度a_1、a_2、a_3、a_4、a_5、a_6、a₇以及截点数n_1、n_2、n_3、n_4、n_5、n_6、n₇，并根据公式（3）计算平均截距，然后按照公式（4）计算晶粒度级别G_i^'；

（3）；

（4）；

式中，a₁、a₂、a₃、a₄、a₅、a₆、a₇分别为各个截线的长度；n₁、n₂、n₃、n₄、n₅、n₆、n₇分别为截线的数量。

8.根据权利要求5或7所述的钢材晶粒度检测方法，其特征在于，

所述对标准素材的晶粒度级别定值包括：对每一张标准素材图片进行多次定值，对所述多次定值结果求平均值。

9.根据权利要求8所述的钢材晶粒度检测方法，其特征在于，

当所述多次定值得到的多个结果之间相差小于等于0.5级时，对多个结果求平均值。