Page 31 - 理化检验-物理分册2025年第五期
P. 31

陈 德,等:钢材晶粒度评级的人工智能研究和应用


              量,采用光学显微镜观察视场表面的品质和腐蚀情                            晶粒度智能评定试样制备方法制备晶粒度试样的平
              况,对试样的制备效果进行验证。共抽查试样70张,                          行度好,晶界腐蚀清晰,试样制备品质满足智能评级
              试样品种及抽查情况如表8所示。由表8可知:采用                           要求。
                                                     表8  试样品种及抽查情况

                                                       各级平行度样本量/张
                     产品牌号          样本量/张                                           视场表面质量和腐蚀效果         验证结论
                                             (0,0.01] mm  (0.01,0.05] mm  (0.05,0.1] mm
               L415M及以下级别管线钢          10         5            5            0           无划痕,清晰          满足要求
                L415M以上级别管线钢          10         4            6            0           无划痕,清晰          满足要求
                      梁板              10         6            4            0           无划痕,清晰          满足要求
                     耐候钢              10         5            5            0           无划痕,清晰          满足要求
                     冷轧材              10         7            3            0           无划痕,清晰          满足要求
                     酸洗板              10         6            4            0           无划痕,清晰          满足要求
                碳素结构钢、低合金钢、
                                      10         8            2            0           无划痕,清晰          满足要求
                  气瓶钢等常规产品
              3.2  智能评级与人工比对符合性评价                               号、600个试样,根据GB/T 6394—2017《金属平均
                  根据数据库初始样本的钢种分类规则,在10个                         晶粒度测定方法》对再现性进行规定,设定智能评级
              类别中根据实际生产情况随机抽查一定数量的样                             结果与人工检测结果偏差不大于0.5级的为合格,则
              本,分别开展晶粒度智能评级和人工检测,要求每个                           晶粒度智能评级结果合格率达98.2%。晶粒度智能
              类别的试样个数不少于30个,共计抽查43个钢种牌                          评级与人工检测结果偏差如表9所示。

                                                表9  晶粒度智能评级与人工检测结果偏差

                                                                                   各偏差等级样本量分布情况/张
                  类别                       钢种牌号                    样本量/张
                                                                              [0,0.25)级   [0.25,0.5]级  (0.5,1.0]级
               普碳低合金类                Q215、Q235、Q355、Q460              64         42          22          0
                  梁板类            P510L、P610L、P750L、P700L、PQ700        62         26          34          2
                 车轮钢类                   P330CL、P380CL                 52         25          26          1
                耐候钢系列             Q345NQR1、Q450NQR1、S450AW            58         27          30          1
               低级别管线钢              L245、L290M、L360M、L415M             58         22          36          0

               高级别管线钢                    X65、X70、X80                  87         29          55          3
                高强钢系列      P1800PS、LC980、CR420/780DP、DP600、CR550/980DP  46       15          29          2
                 连退产品          DC01~DC06、P170P1、STW22、P2802VK         69         38          30          1
                 酸洗产品         SPHC、SPHE、SPCC、SAPH系列、QSTE系列            72         38          34          0
                 其他产品           12Cr1MoV、22MnB5、TG22、J55、HP295        32         12          19          1

              3.3  智能评级结果的重复性评价                                 3.4  智能评级方法效率评估
                  在开展智能评级与人工比对的同时,同步开展                               根据晶粒度智能评级方法检测流程,随机准备
              晶粒度智能评级结果的重复性试验:在完成第一次                            32套晶粒度样坯并将其等分成4组,组织4名具有丰
              晶粒度智能评级之后8 h内,再次开展晶粒度智能评                          富金相检验经验的人员,分别按人工和智能流程开展
              级,将两次结果进行比较,根据GB/T 6394—2017                      晶粒度评级工作,统计分析各工序所用时间,相比传
              对重复性的规定,偏差不大于0.25级的为重复性好,                         统人工方法,文中的晶粒度智能评级方法制样效率提
              晶粒度智能评级结果的重复性达98.8%。晶粒度智                          高了23.8%,晶粒度检测效率提高了41.1%。晶粒度
              能评级结果重复性如表10所示。                                   智能评级方法制样效率及检测效率如表11,12所示。


                                                                                                           19
   26   27   28   29   30   31   32   33   34   35   36