基于改进U-Net的喷射成形高速钢碳化物提取算法

作者：陈家树; 侯国栋; 周继宽; 刘天琪; 邓百川; 张祥林^*

来源：金属热处理, 2023, 48(10): 87-93.

DOI：10.13251/j.issn.0254-6051.2023.10.012

• 高速钢
• 碳化物
• 自动化定量分析
• 深度学习
• 语义分割

针对当前利用数字图像处理算法及深度学习模型对钢中碳化物进行定量分析时，存在准确率低、提取效果不佳导致的分析误差较大等问题，提出一种基于U-Net改进的喷射成形高速钢碳化物分割算法GSG-Unet,旨在对钢中不同种类的碳化物进行准确高效地分割提取，以便进行自动化定量分析。通过添加ConvNeXt模块和CBAM注意力机制加强了模型的特征提取能力和处理漏检问题能力，使分割效果有显著提升。结果表明，改进后模型的准确率、召回率、类平均交并比和骰子系数分别为91.31%、87.52%、84.89%和83.16%,较原模型有较大提升。该模型能够精准地将MC碳化物和M6C碳化物从马氏体基体上进行分割，为快速准确地进行高速钢中碳化物的自动化定量分析提供了有力技术支持。

• 出版日期2023
• 单位华中科技大学