Page 26 - 理化检验-物理分册2025年第五期

5

试验技术与方法 DOI:10.11973/lhjy-wl240358

钢材晶粒度评级的人工智能研究和应用

陈 德，齐 彪，胡晴莽，周三保，雷华北，葛小波
（攀钢集团西昌钢钒有限公司，西昌 615000）

摘 要：采用神经网络深度学习方法对钢材的晶粒度进行智能评定，通过对晶粒度样本的人工打
标等方式建立晶粒度特征数据库，利用计算机人工智能和神经网络深度学习技术构建晶粒度卷积神
经网络标准模型，通过模型评级，最终给出了晶粒度评定结果。
关键词： 晶粒度；人工智能；神经网络；标准模型
中图分类号：TG115.2；TP183 文献标志码：A 文章编号：1001-4012(2025)05-0014-07
Artificial intelligence research and application of steel grain size rating

CHEN De, QI Biao, HU Qingmang, ZHOU Sanbao, LEI Huabei, GE Xiaobo

(Pangang Group Xichang Steel & Vanadium Co., Ltd., Xichang 615000, China)
Abstract: The neural network deep learning method was used to intelligently evaluate the grain size of steel.
The grain size feature database was established by manual marking of grain size samples. The grain size convolutional
neural network standard model was constructed by using computer artificial intelligence and neural network deep
learning technology. Through the model rating, the grain size evaluation results were finally given.
Keywords: grain size; artificial intelligence; neural network; standard model

钢材具有较好的塑性和韧性，综合力学性能优 采用数字图像处理方法对金相检验的图像进行处
良，且成本低廉，是社会最主要和最广泛使用的材 理，借助Matlab和ImageJ软件提出了一种对激光熔
料之一，其晶粒大小和分布等特点决定了钢材的性 覆显微组织定量分析的方法，提高了检测的精度。
能，晶粒尺寸越细小，材料的韧性和塑性越好。现 吴伟等 通过图像增强、分割、阈值化等方法，实现
[2]
阶段行业内主要通过人工观察钢材的组织结构来确 了对TC4钛合金显微组织的定量分析。孙朝明等 [3]
定其晶粒度级别，从而了解钢材的力学性能、可塑 分析了晶粒度定量评定中的关键技术，提出了复杂
性、延展性等性质。随着用户对钢材产品品质的日 金相检验图像晶界的准确提取与重建难题，并对国
益重视，以及公司新产品种类研发能力的逐步提升， 内外在金相晶粒度评定技术方面的进展情况进行了
晶粒度检验逐渐成为产品质量检查的重要手段。近 分析。从业内研究情况可知，目前金相自动定量检
5 a笔者单位的晶粒度检测量从5 136件/a逐步增加 测的研究主要是基于传统的图像处理、阈值化等技
至9 336件/a。当前笔者单位晶粒度检测面临的主 术，检测结果存在波动较大、需要人工介入等问题，
要问题是检测任务重、人工经验依赖性强、检测效率 这些问题依然没有得到很好解决。
低、结果重复性差等，这些问题对公司的产能和最终 笔者通过提高晶粒度试样的制备质量，基于人
客户满意度产生了重大影响。 工智能及图像识别技术，采用卷积神经网络深度学
相对传统的钢材晶粒度人工检测评级方式是自 习等方法，建立了晶粒度智能评级模型，由此开发出
动定量检测，是业内主流的检测方法。程康娜等 [1] 一套基于人工智能的钢材晶粒度评级方法，该方法
具有检测速度快、不依赖人工经验、检测结果重复性
好等优点。
收稿日期：2024-12-18
作者简介：陈 德（1976—），男，高级工程师，主要从事冶金物 1 试验方案
料化学成分检测、金属材料及制品力学性能的试样加工及检测、金
属微观结构检测工作 1.1 试验材料
通信作者：齐 彪，450105893@qq.com 钢材的代表性决定了晶粒度智能评级方法在公
14