基于深度学习的钢材拉伸实验数据自动分析方法研究

范军; 敬海军

doi:10.16009/j.issn.1009-5624.2026.05.017

信息记录材料 ›› 2026, Vol. 27 ›› Issue (5) : 59 -61. DOI: 10.16009/j.issn.1009-5624.2026.05.017

基于深度学习的钢材拉伸实验数据自动分析方法研究

范军, 敬海军

作者信息 +

Author information +

文章历史 +

PDF

摘要

钢材拉伸实验曲线具有强非线性和形态多样性特点，人工分析易出现屈服点被噪声掩盖、上下屈服点定位偏差及局部抖动误判为特征点等问题。针对该问题，本文提出一种基于深度学习的钢材拉伸实验数据自动分析方法，利用卷积神经网络（CNN）完成关键点检测与参数自动计算，实现钢材拉伸实验数据的全流程自动分析。实验结果表明，所提方法在关键点定位精度、参数计算误差控制及数据处理效率方面均优于传统方法。