基于深度学习的铁素体晶粒度自动评级方法

钢铁微观组织检测分析人工依赖程度大,随着钢铁行业的快速发展,组织分析检测任务量逐年增加,通常完成一项晶粒度评级任务耗时1 h以上。数字智能化赋能材料检测创新成为发展必然趋势,人工智能技术在钢铁材料检测分析领域的应用,为满足材料基因和高通量实验发展需求、推动微观组织分析智能化带来新的机遇。介绍了一种基于深度学习的铁素体晶粒度评级方法。首先对图像进行预处理,利用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,自动计算晶粒度级别数。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。经对比,该评级方法识别精度完全满足±0.25级的标准要求,为孪晶、混晶智能评级做出了有益实践。

基于机器视觉的晶粒度面积法自动评级

根据国标中晶粒度的定义提出进行晶粒度测量自动评级方法,论述了该方法中应用计算机图像处理技术进行图像尺寸标定、二值化变换、消除噪声、提取晶界和计算晶粒个数,最终计算晶粒度评级参数等过程的算法及实现。提取单像素晶界可解决不同晶粒晶界共用计数难问题;利用链码计算晶粒个数可通过限制链长在计数的同时把第二相、杂质等去除。该评级方法可以避免晶粒度测量评级中人为因素的影响,速度快,精确性高。对于非均匀等轴晶的评级比其他方法如截线法、截圆法等具有更好的适用性。

球墨铸铁球化率自动评级系统

介绍了图象预处理过程及对球墨铸铁中石墨组织的分离、识别、分类及统计方法 。

纺织品起球自动评级系统的研制

介绍了基于图像处理技术和聚类分析技术的纺织品起球自动评级系统。综合国内外研究成果,着重对图像采集装置和图像处理及等级判别进行了研究,试验表明:自动评级准确率达到90%以上,适用各种厚度和各色纺织品的检测。

PillGrade 3D起球自动评级检测系统的探讨

本文介绍了起球自动评级检测系统的原理及评价过程。评定结果与主观评定方法相比,可以避免因试样的花型、颜色不同而引起的评级差异,使评定结果更加准确、客观。

应用图像处理技术对绒衫类针织品起毛起球的自动评级

本文介绍了基于图像处理技术的绒衫类织物起球性能客观自动评级系统。该系统通过对起球图像进行计算平均灰度值、光照不均匀补偿处理、直方图均衡化处理、二值化处理、形态学处理、轮廓处理特征提取等技术,对织物起球的等级进行自动评级。通过自动评级系统与人员评级进行对比试验,验证该方法是有效的,正确率达80%。

基于卷积神经网络与迁移学习的碳钢石墨化自动评级研究

为实现碳钢石墨化的智能化评级,基于卷积神经网络与迁移学习的方法构建了碳钢金相图像的自动分类模型;首先通过几何变换和像素调整的数据增强方法建立了碳钢石墨化图像数据集;然后采用统一扩展网络宽度、深度和分辨率方式来协调精度与效率的轻量级EfficientNet网络作为主干特征提取网络,构建碳钢石墨化图像评级模型,并在训练阶段利用迁移学习与参数微调的方法来提高模型的训练效率;最后使用测试数据集对模型的分类精度与复杂度进行了验证实验,结果表明该模型能快速准确地对碳钢石墨化程度进行自动评级,在仅需12 MB内存的情况下,便可实现97.01%的评级准确率,单幅金相图像的平均检测时间也仅需10.27 ms,满足现场检测的精度与实时性要求。

地震灾害快速自动评级方法研究

发生地震时,需根据本次灾害的各个方面的损失程度来确定最终的应急响应级别,目前的地震等级评估办法,主要参考受伤死亡人数、房屋损伤程度、经济损失情况、烈度等,其中部分参考因素需震后较长时间调查之后才能获取,无法及时为应急响应提供参考。利用回归分析方法,对我国历史上大量地震数据进行分析,提出一种地震灾害快速自动评级的方法,综合地震震级、经济损失、受灾人数、衍生灾害等各种影响因素在震害初期快速评估出本次地震的等级,为应急响应的启动提供保障,方便救灾工作的展开。数据分析结果表明,提出的地震等级评估结果与综合灾害指数灾区分级结果基本一致,且在震害初期就能评估出地震等级,能为应急响应、地震救援工作提供参考。

纺织品色牢度自动评级系统性能的研究

为了验证实验室自主研发的色牢度自动评级系统的性能,根据该系统的特点,针对不同形式的沾色色牢度和变色色牢度,分别从公式、方法准确性、方法精密度以及样品的适用性等几个方面进行探讨。结果表明:该系统的计算结果与GB/T 32598-2016和GB/T 32616-2016中的要求一致,准确性和精密度良好,适用于不同形式和不同类型样品的沾色色牢度及变色色牢度级别的评定。该系统的研制和应用,使色牢度评级结果更为准确、可靠,有利于仪器评级方法更好地推广。

一种能定量测量自动评级的电脑评片系统

本文提出了一种将计算机图像处理、模式识别、数据库技术和射线照相检测技术相结合的，只需要少量人工介入即可实现精确定量测量和自动分析评级的电脑评片系统。

纺织品色牢度自动评级系统的研制与应用

根据纺织品色牢度色差仪评级方法的原理,通过对总体结构和各模块进行方案设计,最终研制出色牢度自动评级系统。该系统可通过计算机软件进行控制,自动进行样品的拍照、定位和级别评定,并输出结果,适用于纺织品不同颜色、不同形式沾色牢度和不同颜色、不同材质变色牢度级别的评定,具有快速、准确、简便的特点。

基于深度学习的轴承钢中碳化物带状智能评级前景与展望

碳化物带状是高碳铬轴承钢性能评价的重要指标之一,国内现行评价标准GB/T 18254-2016《高碳铬轴承钢》采用的仍是人工目测定性对比判定,存在评定结果精确度差、对试验人员专业技能要求高等特点,因此发展高效、高精度的自动化评级十分必要,文章概述了深度学习在金相分析自动化和智能化方向的研究现状,探讨了其在轴承钢碳化物带状评级方向应用的可行性,并对该技术方法的前景提出展望。

健康码:个人疫情风险的自动化评级与利用

疫情背景下,行政机关只有充分掌握信息才能做出有效防控,健康码以大数据分析的方式评判个人疫情风险,为行政机关的应急决策和行动提供支撑。健康码虽然解决了反复登记、信息碎片化、信息流转慢等问题,但存在数据质量瑕疵、标准和算法不透明、地域限制等技术障碍。从规范的角度看,生成健康码在行为类型上属于行政评级,过程为自动进行,方式是对个人信息的处理,须遵守行政评级、自动化行政和对个人信息的处理这三个概念所内含的法治要求。利用健康码是为了分类监管,应将各地有关管理规定作为裁量基准看待,在个案中起到裁量压缩的作用,同时不排除裁量收尽的可能,但要防止将健康码的结果视为绝对标准。

高碳铬轴承钢中夹杂物和碳化物自动定量评级

高碳铬轴承钢中夹杂物及碳化物的评级对于钢铁和机械工业非常重要,但我国现行评级标准采用的仍是标准图片人工目测定性对比方法。本文探讨了采用图像分析技术和体视学对高碳铬轴承钢中夹杂物、碳化物自动定量评级的可行性、依据YB（T）1-80和YJZ84标准的级别规定确定了一系列关系式和相应的检测实用程序。

电力设备缺陷文本质量保证与评级软件的开发及应用

针对电力设备缺陷文本质量保证和评级工作缺少智能化工具的问题,开发基于标准和历史缺陷的电力设备缺陷文本质量保证与评级软件。首先,进行软件需求分析,确定软件要实现文本质量分析和缺陷自动评级的主要功能,针对标准和历史缺陷两类研究依据的特点设计了两种使用流程。然后,介绍了关键功能模块的详细程序设计过程,其中基于标准的文本质量分析和缺陷自动评级采用标准树匹配的方法,基于历史缺陷的文本质量分析和缺陷自动评级采用基于知识图谱进行图检索的方法。最后,用算例展示了软件的运行效果,结果表明,该软件通过交互方式实现了输入缺陷文本的质量智能管控和自动评级功能,为电力设备缺陷闭环管理和运检智能化水平的提升提供了有力支撑。

基于光谱重建的纺织品耐摩擦色牢度自动评级方法

为实现经摩擦后纺织品色牢度的自动评级,提出了一种基于光谱重建的纺织品耐摩擦色牢度自动评级方法。首先根据GB/T3920-2008标准规定对纺织样品进行摩擦得到目标样本,在色牢度目视评级标准条件下,对目标样本进行专业目视评级。然后利用数码相机在标准光源箱内拍摄目标样本数字图像,通过光谱重建得到目标样本颜色数据。最后利用训练样本和BP神经网络构建摩擦色牢度预测模型,对测试样本色牢度等级进行预测,并与现有色差转换方法和曲线拟合方法进行对比。实验结果显示,利用BP神经网络能够较好的构建纺织品色牢度预测模型,对训练样本预测的均方根误差为0.30,对于测试样本预测的均方根误差为0.25,总体性能优于现有方法。

基于海洋用管线钢氢致开裂金相自动化检测系统的研究

利用图像识别技术实现人工智能机器人对管线钢的裂纹评估。该技术能够控制显微镜对磨抛好的金相试样自动拍照拼接、自动测量裂纹尺寸、实时上传试验数据,大幅度提升实验人员的工作效率;降低人工误差,提高检验的准确性;还能够实现图文式报告的自动生成,节约大量重复性的劳动。本文从系统功能、软件开发、未来发展方向等方面进行了阐述,探讨了将HIC裂纹评估与金相全自动检测结合在一起的可行性。

人工智能识别在金相检验中的发展现状与展望

金相检验是成品钢材质量控制的重要手段,通过对非金属夹杂物、晶粒度、显微组织、脱碳层、渗氮层等进行分类评级来反映质量问题,进而采取相应的措施优化冶炼、轧制生产工艺。金相检验过程完全依靠人工参照标准评级图谱进行,存在人为主观因素影响大、准确率低、效率低等缺点。人工智能技术的迅速发展,为金相自动识别评级提供了现实基础。概述了人工智能图像识别技术在金相检验中的应用现状和研究进展,讨论了其发展方向和面临的挑战。