一种基于AI分析的马氏体不锈钢晶粒度快速检测方法与流程
本发明属于金属材料金相检测,尤其涉及一种基于ai分析的马氏体不锈钢晶粒度快速检测方法。
背景技术:
1、马氏体不锈钢依靠马氏体相变强化机制,兼具高硬度、高强度、耐磨、耐蚀抗氧化特性,是能源、航空、核电、精密器械领域核心结构材料;晶粒度是判定材料强韧性、服役寿命的强制性关键质控指标,行业标准强制要求出厂及入厂全量检验。
2、现有马氏体不锈钢晶粒度检测分为两类传统方法,均存在显著缺陷:
3、晶界腐蚀截点/比较法:通过化学腐蚀、电解腐蚀显露原始奥氏体晶界,再人工截点计数或标准图谱目视比对评级。马氏体不锈钢晶界腐蚀难度高,需反复磨抛、长时间高温热蚀,单试样制备周期长,大批量来料检验严重制约产线流转效率;
4、马氏体位相间接评级法:腐蚀显露马氏体板条组织,依靠检验人员经验主观判定晶粒等级。该方法高度依赖人员从业经验,新人培训周期长,不同人员、不同时段检测结果再现性差;人工长时间目视金相图像易产生视觉疲劳,大批量检测易出现漏检、误判,显著提升企业质量管控成本。
5、两类传统检测均依靠人工目视+手工划线计数,主观误差不可消除、检测效率低、人工劳动强度大,无法满足智能制造下批量、精准、自动化晶粒度检测需求。目前行业内尚未出现基于swintransformer图像分类模型、依托马氏体组织形貌直接自动评级的标准化智能检测方案。
技术实现思路
1、针对现有马氏体不锈钢晶粒度人工检测周期长、试样制备繁琐、主观误差大、结果一致性差、无法批量自动化检测的缺陷,提供一种基于ai图像识别的马氏体不锈钢晶粒度快速检测方法,包括:
2、s1:获取待检测的马氏体不锈钢图像;
3、进一步的,步骤s1中所述待测马氏体不锈钢包括12cr10co3mow2vnbnb、14cr9mo1.5co1.2vnbnb汽轮机耐热马氏体不锈钢。
4、s2:将待检测的马氏体不锈钢图像输入预训练好的swintransformer模型进行检测处理,输出ai检测结果以及ai检测结果对应的置信度;
5、s3:对置信度小于阈值的ai检测结果进行人工复核修正,得到修正后的检测结果。
6、进一步的,本发明阈值设置为90%;人工修正马氏体不锈钢晶粒度等级;复核完成后系统自动生成符合gb/t6394标准的晶粒度检测报告;
7、进一步的,输出的检测报告完全符合gb/t6394标准格式要求,包含试样编号、ai原始评级、置信度、人工复核修正记录、检测日期。
8、进一步的,所述s1中待检测的马氏体不锈钢图像的具体过程为:
9、s1.1:将待检测的马氏体不锈钢依次经砂纸逐级磨制、金刚石抛光剂抛光处理和马氏体腐蚀处理,获得预处理后的马氏体不锈钢;
10、所述马氏体腐蚀处理采用的腐蚀液为三氯化铁盐酸水溶液,配方为:三氯化铁5g、盐酸50ml、纯水100ml,腐蚀浸蚀时长2min;
11、s1.2:将预处理后的马氏体不锈钢放置于多工位专用样品夹,并固定于全自动金相显微镜载物台;
12、s1.3:使用全自动金相显微镜载物台自动采集待检测的马氏体不锈钢图像。
13、进一步的,所述s2中预训练好的swintransformer模型的训练过程为:
14、s2.1:构建训练集,包括:马氏体不锈钢标准试样的标准晶粒度标签集和马氏体不锈钢标准试样的马氏体显微图像集;
15、s2.2:构建swintransformer模型;
16、s2.3:根据训练集对swintransformer模型进行训练,获得预训练好的swintransformer模型。
17、进一步的,所述s2.1中训练集的具体过程为:
18、s2.1.1:选取不同晶粒度级别的马氏体不锈钢标准试样,经磨抛、晶界腐蚀显露原始奥氏体晶界,采用gb/t6394截点法测定并修约得到标准晶粒度标签;
19、s2.1.2:对同一标准试样重新磨抛并腐蚀显露马氏体组织,自动图像采集系统采集300~500张马氏体显微图像,建立绑定标准晶粒度标签的图像样本集;
20、s2.1.3:通过差异化腐蚀制备深浅腐蚀试样补充图像样本集,并对原始图像执行随机旋转、缩放、裁剪数据增强,扩充图像样本数据集;
21、s2.1.4:将扩充后的图像样本数据集中图像缩放至224×224像素,得到马氏体不锈钢标准试样的马氏体显微图像集。
22、进一步的,所述s2.1.1中显露原始奥氏体晶界采用的腐蚀体系为体积分数55%硝酸水溶液热蚀,热蚀条件为溶液沸腾保温2h,热蚀后经500r/min低转速轻微二次抛光去除表面黑膜;
23、本实施方式仅在模型训练建库阶段使用55%硝酸沸腾2h热蚀做国标真值标定;实际工件批量检测阶段仅采用常温三氯化铁盐酸溶液腐蚀2min显露马氏体板条即可,完全取消高温长时间晶界腐蚀工序,大幅压缩试样前处理时长。
24、所述s2.1.1中gb/t6394截点法测定晶粒度时,金相显微镜放大倍数为100倍,单试样随机采集不少于5张金相图像,取测量平均值后修约至0.5整数级作为标准标签;
25、所述s2.1.1中完整晶粒度样本覆盖等级为0级、0.5级、1级、1.5级、2.0级、2.5级、3.0级、3.5级、4.0级、4.5级、5级、5.5级、6.0级、6.5级、7.0级、7.5级、8.0级共17档间隔0.5级的标准试样。
26、进一步的,所述s2.1.2和s2.1.3中腐蚀采用的腐蚀液为三氯化铁盐酸水溶液,配方为:三氯化铁5g、盐酸50ml、纯水100ml,腐蚀浸蚀时长2min。
27、所述步骤s2.1.3中差异化腐蚀样本扩充方式为延长或缩短三氯化铁盐酸腐蚀液的浸蚀时间,分别制备浅腐蚀、深腐蚀两类马氏体组织图像。
28、进一步的,s2.3中根据训练集对swintransformer模型进行训练,获得预训练好的swintransformer模型,具体过程为:
29、s2.3.1:将马氏体不锈钢标准试样的马氏体显微图像集输入swintransformer模型进行处理,得到预测结果;
30、s2.3.2:根据预测结果和马氏体不锈钢标准试样的标准晶粒度标签集,计算损失函数,
31、s2.3.3:重复s2.3.1至s2.3.2,根据损失函数对swintransformer模型进行训练,当swintransformer模型收敛时停止训练,获得预训练好的swintransformer模型;
32、进一步的,当s2.3.3中构建swintransformer模型为原始模型时,采用全参数模式训练swintransformer模型的全部参数;
33、当s2.3.3中构建swintransformer模型为其他领域的预训练swintransformer模型时,采用迁移训练模式,首先第一阶段冻结主干网络仅训练分类头,然后第二阶段放开全部参数全局微调;
34、进一步的,所述s2.3.3中swintransformer模型收敛标准为:采用未参与训练的校验试样(测试集)完成模型精度验证,当测试集中标签评级-ai评级偏差≤1.0级时认为swintransformer模型收敛;
35、进一步的,所述s2.3.3中swintransformer模型收敛标准还可以为验证集损失的相对变化率连续n个轮次epoch小于阈值时停止训练。
36、进一步的,s2.2中训练时以交叉熵作为损失函数、搭配余弦退火动态学习率完成训练,softmax函数输出各晶粒度类别置信度。
37、一种计算机存储介质,其特征在于,所述存储介质中存储有至少一条指令,所述至少一条指令由处理器加载并执行以实现基于ai分析的马氏体不锈钢晶粒度快速检测方法。
38、一种基于ai分析的马氏体不锈钢晶粒度快速检测设备,其特征在于,所述设备包括处理器和存储器,所述存储器中存储有至少一条指令,所述至少一条指令由处理器加载并执行一种基于ai分析的马氏体不锈钢晶粒度快速检测方法。
39、本发明的有益效果为:
40、本发明消除人工主观误差,评级一致性大幅提升,采用swintransformer深度学习模型自主提取马氏体组织板条、晶粒形貌特征,完全替代人工目视比对、手工划线计数,彻底规避人员经验差异、视觉疲劳带来的评级偏差,同一试样多次检测结果无波动,不同班组、不同时段检测数据高度复现,满足火电、核电严苛质检溯源要求。
41、缩短试样制备与检测周期,批量检测效率显著提升无需长时间高温热蚀显露原始晶界,仅需常规马氏体组织腐蚀即可完成检测;支持多工位样品夹并行上样、自动连续拍摄、ai批量同步分析,单批次数十件试样检测时间缩短70%以上,适配产线大批量来料快速抽检。
42、降低人力成本,减少专业人员依赖无需长期培训资深金相检验员,基础操作人员仅需完成试样磨抛腐蚀,后续对焦、拍照、评级、报表全流程自动化,大幅降低企业质检人力投入与人员培训成本。
43、检测精度可控,判定标准标准化模型以国标gb/t6394截点法标定数据为训练基准,统一评级判定逻辑;设定±1.0级误差阈值完成模型校验,检测结果符合行业强制标准,置信度分级复核机制进一步保障极端复杂组织试样检测可靠性。
44、技术通用性强,覆盖主流马氏体不锈钢牌号样本库覆盖0~8.0级全区间晶粒度,适配12cr10co3mow2vnbnb、14cr9mo1.5co1.2vnbnb等汽轮机用马氏体耐热不锈钢,可拓展至刀具、医疗器械、核电阀门各类马氏体不锈钢材料检测。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com