基于卷积神经网络的钢铁材料微观组织自动辨识

李维刚¹，谌竟成¹，范丽霞²，谢璐¹

1. 武汉科技大学冶金自动化与检测技术教育部工程研究中心2. 武汉科技大学省部共建耐火材料与冶金国家重点实验室

摘 要：基于深度学习在计算机视觉上优异的表现,采用深度学习模型对扫描电子显微镜(SEM)所获得的钢铁材料微观组织图片进行自动辨识。提出了适用于钢铁材料微观组织辨识的AlexNet、VggNet、GoogleNet、ResNet改进模型,比较了不同卷积神经网络模型在不同预处理方式下的图片辨识精度,针对从某国家重点实验室收集到的铁素体、珠光体、上贝氏体、下贝氏体、板条马氏体、片状马氏体等6类微观组织图像的数据集进行预测实验,结果表明:与现有技术或人工辨识相比,提出的卷积神经网络能成功辨识不同类型的钢材微观组织,具有较高的适应性和准确度,在测试集上的识别率精度最高可达到100%。

关键词：深度学习;卷积神经网络;材料微观组织;图像处理;