连铸圆坯等轴晶区自动识别与智能分析

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