来源：期刊VIP网 时间：
作者：孙美佳;孔维淼;廉功豪;王晨充;刘晓明;王强;王国栋;
单位：东北大学材料电磁过程研究教育部重点实验室;东北大学冶金学院;东北大学数字钢铁全国重点实验室;
摘要：本研究中构建了一套连铸坯等轴晶区的智能识别与分析系统.先通过图像预处理技术对连铸坯低倍组织图像进行标准化处理，并基于U-Net深度学习模型实现等轴晶区域的语义分割；继而采用OpenCV对分割结果进行红蓝像素统计分析，通过计算等轴晶区与背景区域的像素面积比来量化评估识别精度；最后运用Pearson相关系数解析连铸工艺参数对等轴晶率的影响机制，并建立以工艺参数为输入变量的机器学习预测模型，实现等轴晶率的智能化预测.结果表明：基于U-Net框架实现了连铸坯等轴晶区的精准分割，其中精细标注法识别率达83.5%,优于椭圆形标注法的82.5%,结合OpenCV数据增强处理后，模型的平均交并比(MIoU)提升2.5%;在等轴晶率预测中，Pearson相关性分析得出碳含量与等轴晶率的相关性最强(r=0.8),其中随机森林(RF)、极致梯度提升(XGB)模型表现最优.
关键词：机器学习;;等轴晶;;智能识别;;预测分析
基金资助：中央高校基本科研业务费专项资金项目(N25LPY004);; 辽宁省自然科学基金面上项目(2025-MS-043)
