-
公开(公告)号：CN114694144A
公开(公告)日：2022-07-01
申请号：CN202210613572.1
申请日：2022-06-01
申请人： 南京航空航天大学 , 江苏省产品质量监督检验研究院
摘要： 本发明公开了一种基于深度学习的钢中非金属夹杂物的智能识别和评级方法，该方法针对金相分析中非金属夹杂物人工评级工作强度大、精度低，而传统灰度阈值分割和特征提取方式局限性大、普适性低的问题，引入了深度神经网络算法。方法首先收集人工标注的非金属夹杂物显微图像及其标记作为训练样本，然后搭建语义分割深度神经网络模型、构造优化损失函数，并基于梯度下降方法对模型训练，从而实现端到端地图像特征自动提取和非金属夹杂物的分类和边界提取，最后对提取的夹杂物边界进行长度、宽度计算，获得夹杂物的评级预测。本发明使用深度学习算法，实现钢中非金属夹杂物的智能识别和评级，极大提高了钢铁产品检测精度和效率，降低了检测成本。
-
公开(公告)号：CN105154835B
公开(公告)日：2017-11-14
申请号：CN201510587113.0
申请日：2015-09-15
申请人： 江苏省产品质量监督检验研究院
摘要： 本发明公开了一种γ‑TiAl合金表面耐磨损防护涂层，耐磨损防护涂层为Cr‑Mo涂层，Cr‑Mo涂层包括沉积层和互扩散层，Cr‑Mo涂层在γ‑TiAl合金的表面，通过互扩散层实现Cr‑Mo涂层与γ‑TiAl合金之间的冶金结合。本发明还公开了一种γ‑TiAl合金表面耐磨损防护涂层的制备方法。本发明涂层表面组织结构致密，生成的硬质相颗粒细小、弥散分布，无孔洞等缺陷，能强化基体，使硬度升高，大幅度提高了材料在不同温度条件下的耐磨损性能。该涂层与基体之间存在互扩散现象，为冶金结合，结合强度高且牢靠，元素成分沿着深度而呈梯度变化，也未产生开裂，有利于沉积层和基体两者之间的结合，进一步提高涂层的耐磨损性能。
-
公开(公告)号：CN114694144B
公开(公告)日：2022-08-23
申请号：CN202210613572.1
申请日：2022-06-01
申请人： 南京航空航天大学 , 江苏省产品质量监督检验研究院
摘要： 本发明公开了一种基于深度学习的钢中非金属夹杂物的智能识别和评级方法，该方法针对金相分析中非金属夹杂物人工评级工作强度大、精度低，而传统灰度阈值分割和特征提取方式局限性大、普适性低的问题，引入了深度神经网络算法。方法首先收集人工标注的非金属夹杂物显微图像及其标记作为训练样本，然后搭建语义分割深度神经网络模型、构造优化损失函数，并基于梯度下降方法对模型训练，从而实现端到端地图像特征自动提取和非金属夹杂物的分类和边界提取，最后对提取的夹杂物边界进行长度、宽度计算，获得夹杂物的评级预测。本发明使用深度学习算法，实现钢中非金属夹杂物的智能识别和评级，极大提高了钢铁产品检测精度和效率，降低了检测成本。
-
公开(公告)号：CN105154835A
公开(公告)日：2015-12-16
申请号：CN201510587113.0
申请日：2015-09-15
申请人： 江苏省产品质量监督检验研究院
摘要： 本发明公开了一种γ-TiAl合金表面耐磨损防护涂层，耐磨损防护涂层为Cr-Mo涂层，Cr-Mo涂层包括沉积层和互扩散层，Cr-Mo涂层在γ-TiAl合金的表面，通过互扩散层实现Cr-Mo涂层与γ-TiAl合金之间的冶金结合。本发明还公开了一种γ-TiAl合金表面耐磨损防护涂层的制备方法。本发明涂层表面组织结构致密，生成的硬质相颗粒细小、弥散分布，无孔洞等缺陷，能强化基体，使硬度升高，大幅度提高了材料在不同温度条件下的耐磨损性能。该涂层与基体之间存在互扩散现象，为冶金结合，结合强度高且牢靠，元素成分沿着深度而呈梯度变化，也未产生开裂，有利于沉积层和基体两者之间的结合，进一步提高涂层的耐磨损性能。
-
-
-
搜索结果
4 条记录 (耗时 0.037 秒)
