来源：期刊VIP网 时间：
作者：孙瑞明;李淑欣;鲁思渊;金永生;肖华海;
单位：宁波大学机械工程与力学学院;浙江省零件轧制成形技术研究重点实验室;宁波银球科技股份有限公司;
摘要：M50轴承钢中主要的碳化物类型为MC、M_2C和M_(23)C_6。扫描电子显微镜（Scanning Electron Microscopy, SEM）下，3种碳化物的形状、尺寸和在材料中的分布存在明显的区别。有些碳化物的尺寸较大且分布不均匀。轴承受载过程中，这些碳化物会成为应力集中的区域，对轴承疲劳性能产生负面影响。为了高效地获得材料中的碳化物信息，提出一种改进的掩膜基于区域的卷积神经网络（Mask Region-based Convolutional Neural Network, Mask R-CNN）模型，可批量鉴别SEM图像中3种碳化物的种类，确定其尺寸大小及分布。网络模型输出的图像和数值结果显示，M50轴承钢中M_2C型碳化物尺寸大且分布不均匀，但总体尺寸最大的MC型碳化物和尺寸最小的M_(23)C_6型碳化物分布相对均匀。
关键词：深度学习;;Mask R-CNN;;M50轴承钢;;碳化物
基金资助：国家自然科学基金项目(52075271);; 宁波市重大科技任务攻关项目(2022Z050);; 慈溪市行业共性技术攻关项目(CZ2022009)~~
