基于深度学习和数字图像处理的晶界分割与修复

陶玉婷１，李平平２，徐云涛１，聂武楠１，陈阳３，高金威１，段献宝１ （1.武汉工程大学材料科学与工程学院；2.中车戚墅堰机车车辆工艺研究所股份有限公司；3.武汉科技大学机械自动化学院）

摘要：通过综合应用深度学习与图像处理技术，对金相图像中晶界进行分割与修复，为晶粒度的准确评级提供基础。首先，通过采集并人工标注多样化的金相图像样本，利用U-net模型结合数据增强和合理的切割策略，提升模型的泛化能力和鲁棒性。其次，采用封闭晶界的数据集，增强模型的预测能力。第三，提出晶界匹配像素准确率这一新的评估指标，有效衡量了模型对晶界预测的准确性。此外，采用图像处理技术对提取到的晶界进行修复，进一步提高晶界线的完整性和连续性。这些方法的综合应用不仅提高了金相图像晶界分割的准确度，而且为材料微观结构的表征与性能评估提供了一种高效的技术手段。

关键词：金相图；晶粒度评估；图像分割；深度学习；图像处理