来源：期刊VIP网 时间：
作者：王海斌;程经纬;董杰;王家辉;
单位：合肥通用机械研究院有限公司国家压力容器与管道安全工程技术研究中心;
摘要：针对12Cr1MoV钢球化等级判定中存在的人为偏差问题，提出基于自适应多特征融合的机器学习算法，并配套开发了球化图像评级软件。通过采集263余张长期服役的12Cr1MoV钢制承压设备的金相图像样本（含珠光体球化图像147张、贝氏体球化图像近116张），融合Canny边缘特征、分形维数特征及深度学习特征构建识别模型。结果表明，对于珠光体球化图像，自适应多特征融合模型的识别准确率达到93%，较传统Canny-XGBoost方法提升39%；在贝氏体球化图像识别中，准确率为90%，相对提升42%。本研究显著提高了球化等级判定的准确性和效率，实现了小样本条件下球化等级的智能评定，对保障设备安全运行具有重要意义。
关键词：12Cr1MoV钢球化;;自适应多特征融合;;机器学习;;智能评级
基金资助：合肥通用机械研究院有限公司青年基金项目(2022011502)
