基于DCGAN的金相图片生成方法及其应用研究

人工智能在金相图片分析领域的发展愈加完善,大数据分析成为金相图像分析的重要技术之一,然而该技术的实现依赖于大量的图像数据,针对此问题,本文提出一种基于深度卷积对抗网络(DCGAN)的金相图像样本生成方法。先利用小波阈值降噪法对采集到的金相图片进行预处理,去除划痕等噪声,再将所得的图像导入DCGAN模型,扩充数据样本,为后续图像分析提供数据支撑。同时,将此模型应用至固溶铝合金的轧制工艺中,发现当轧制变形量增加时,孪晶数量增多、交错分布,铝合金的硬度值有所增加,当轧制变形量为8%时,铝合金硬度为88.16HV,比未轧制时提高23.27%。