期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于自监督学习的钛合金金相组织智能识别
1
作者 宋凯 张宗瀚 +3 位作者 余京泰 高帅 王璇 钟秀堃 《天津大学学报(自然科学与工程技术版)》 北大核心 2025年第10期1021-1030,共10页
Ti-6Al-4V(TC4)合金因其优异的性能而成为各行业应用最广泛的钛合金之一.TC4合金的金相组织大致可分为4类:等轴组织、双相组织、魏氏组织、网篮组织,不同组织结构具有显著性能差异.由于锅炉、管道、压力容器等设备长期处于高温、高压等... Ti-6Al-4V(TC4)合金因其优异的性能而成为各行业应用最广泛的钛合金之一.TC4合金的金相组织大致可分为4类:等轴组织、双相组织、魏氏组织、网篮组织,不同组织结构具有显著性能差异.由于锅炉、管道、压力容器等设备长期处于高温、高压等极端工况会导致合金材料的金相组织特征发生变化,进而显著影响TC4合金的强度、韧性、耐腐蚀性、硬度等关键性能指标.为了满足TC4合金金相组织自动高效识别的需求,开发了一种基于掩蔽重建的新型自监督分类模型(MSC-Net),旨在克服常规深度学习模型依赖大型标注数据集的局限性.通过引入掩码重建技术,该模型能在无显式标注的情况下学习金相组织图像的复杂内在特征,并准确区分等轴组织、双相组织、魏氏组织和网篮组织等不同类型.实验结果表明,MSC-Net不仅在实验室数据集中实现了100.0%的识别准确率,且当主流模型(如ResNet和Inception v3)在手持光学显微镜图像数据集的泛化能力仅为60.4%和51.5%时,MSC-Net的准确率竟高达87.6%,展现了MSC-Net卓越的泛化性能.充分证明了本算法能有效迁移到使用便携金相显微镜采集的现场图片中进行无损检测,并能够实时、准确地识别出当前的金相组织类型.这一功能是实现服役过程中组织状态监控的基础,为设备性能评估和预测性健康维护等提供了可靠的技术支持. 展开更多
关键词 无损检测 自监督学习 金相组织 钛合金 掩码自编码器 计算机视觉 模式识别
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部