公开(公告)号：CN117409897A

公开(公告)日：2024-01-16

申请号：CN202311342198.7

申请日：2023-10-17

Applicant: 哈尔滨工业大学

Inventor： 牛俊博 ,  丁梓峰 ,  池志昱 ,  王飞龙 ,  马欣新

IPC: G16C60/00 ,  G16C20/70 ,  G06N3/048

Abstract: 利用深度学习神经网络通过纳米压痕硬度预测维氏硬度的方法，本发明为了解决现有维氏硬度的测试方法具有破坏性，耗时测试效率较低的问题。预测维氏硬度的方法：一、对试样进行渗碳处理和等离子渗氮处理；二、分别检测试样的纳米压痕硬度和维氏硬度；三、建立深度‑硬度DNN模型，该深度‑硬度DNN模型包括三个隐藏层，通过深度‑硬度DNN模型对硬度数据进行扩展训练；四、建立纳米压痕‑维氏硬度DNN模型；五、采用扩展数据集对纳米压痕‑维氏硬度DNN模型进行训练；六、预测维氏硬度。本发明构建了多层的深度神经网络，用以处理纳米压痕硬度与维氏硬度之间的非线性关系。并能准确地预测其在400‑1000HV范围内的维氏硬度。

公开(公告)号：CN117636348A

公开(公告)日：2024-03-01

申请号：CN202311583858.0

申请日：2023-11-24

Applicant: 哈尔滨工业大学

Inventor： 牛俊博 ,  马欣新 ,  池志昱 ,  王飞龙

IPC: G06V20/70 ,  G06T7/00 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/0895

Abstract: 利用计算机视觉识别算法识别渗氮钢中脉状组织的方法，本发明是要解决渗氮钢中的脉状组织不易准确识别以及识别效率较低的问题。识别渗氮钢中脉状组织的方法：一、对钢材进行等离子体渗氮处理；二、对渗氮处理后的样品进行截面金相分析；三、通过涂鸦法对包含脉状组织的截面SEM图像进行区域标注；四、建立CNN卷积神经网络，该CNN卷积神经网络依次包括一个输入网络块、2～3个中间网络块和一个输出块；五、通过涂鸦图对CNN卷积神经网络进行训练；六、计算脉状组织在分割后的SEM图中所占像素比，从而得到脉状组织的体积含量。本发明采用了弱监督学习技术，使得算法不仅能够精确地识别脉状组织，还能够区分与其相邻的基体区域。