[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

说明书

本申请涉及金属及合金晶粒研究领域，具体而言，涉及一种识别素材晶粒度的方法以及钢材晶粒度检测方法。该方法包括将待识别素材图片切割成多个新图片，将每一张新图片与标准素材图片进行比对，得到每一张新图片的晶粒度级别Gi；然后按照公式(1)计算待识别素材图片的晶粒度级别G。切割时每相邻的两个新图片在长度方向和宽度方向均有重叠；多个新图片涵盖了待识别素材图片的全部内容；每一张新图片与待识别素材图片均为等比例。该方法，对于识别后的数据采用面积法进行计算，有效保证了最终检测结果的精确度，相对于传统的比较法极大地降低了误差，提高了准确性，解决了现有技术中，对于钢材组织不均匀采用传统比较法评级偏差大的问题。

技术领域

本申请涉及金属及合金晶粒研究领域，具体而言，涉及一种识别素材晶粒度的方法以及钢材晶粒度检测方法。

背景技术

金属及合金的晶粒大小和金属材料的机械性能、工艺性能及物理性能有密切的关系。细晶粒的金属材料在机械性能、工艺性能方面更优异，其冲击韧性和强度都较高，在热处理和淬火时不易变形和开裂。粗晶粒的金属材料在机械性能和工艺性能方面都比较差。但是，粗晶粒的金属材料在某些特殊需要的情况下也被加以使用，如永磁合金铸件和燃汽轮机叶片，需要一定方向生长的粗大柱状晶，以改善其磁性能和耐热性能。如何准确衡量金属材料的晶粒度级数，这对材料的研发及使用有着至关重要的作用。

目前，国内外晶粒度评级常用的方法有比较法、截点法和面积法等。其中比较法是基于已经给定的标准图谱和待测图片进行对比，给出最接近的级别。截点法是通过测量给定线段的长度以及与晶界交点的个数来计算晶粒的平均截距，最终确定晶粒度级别；面积法则是通过统计一定面积内的晶粒个数得到晶粒的平均面积，进而计算出晶粒度级别。

晶粒度现有的检测方法中，截点法和面积法准确度较高。这两种方法目前的常规操作是通过人工测量、计算。这种常规操作耗时长，难以应用到批量生产中。比较法是目前应用最广泛的方法，检测效率高，但由于标准图谱图片数量有限，标准图谱间隔为0.5级，检测精度较差；同时比较法是基于人眼同标准图谱对比，标准图谱同实际检测的金相组织又有较大差异，因此比较法检测受检验员和组织类型的影响大，检测波动大。

另有的一些现有技术，借助计算机进行比对识别。

中国专利CN109034217A《基于图像识别深度学习技术的晶粒度智能评级方法》和CN110503645 A《基于卷积神经网络对金相图片晶粒度进行判定的方法》分别介绍了基于深度学习的智能检测方法，检测原理基于计算机自学习。但是，这些方法存在以下几个问题：识别过程是个黑匣子，识别准确性和素材关系密切，对素材数量、覆盖面等要求高；识别后数据处理过于简单，识别精度较差；由于金相组织及晶粒度种类较多，识别的迁移能力有待验证。

以上存在的缺陷，导致这些方法，对于一些组织不均匀的钢材的晶粒度评级时，存在较大的偏差。

发明内容

本申请实施例的目的在于提供一种识别素材晶粒度的方法以及钢材晶粒度检测方法，能够减小钢材组织不均匀引起的评级偏差大的问题。

第一方面，本申请提供一种利用深度神经网络模型识别素材晶粒度的方法，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；

比对包括：将待识别素材图片切割成多个新图片，将每一张新图片与标准素材图片进行比对，得到每一张新图片的晶粒度级别Gi；然后按照公式(1)计算待识别素材图片的晶粒度级别G；

公式(1)中：n为新图片的总数量；

切割时每相邻的两个新图片在长度方向和宽度方向均有重叠；多个新图片涵盖了待识别素材图片的全部内容；每一张新图片与待识别素材图片均为等比例。