科技导报

作者：沈春光, 孙硕, 徐伟, 郑士建

单位：1河北工业大学高性能轧辊材料与复合成形全国重点实验室，天津300401；2河北工业大学天津市材料层状复合与界面控制技术重点实验室，天津300401；3东北大学数字钢铁全国重点实验室，沈阳110819；

关键词：人工智能,金属材料,微观组织,计算机视觉,图像识别,定量分析

基金：国家自然科学基金项目(52404400)

在金属材料研发中，微观组织一直扮演着如同基因图谱般的核心角色，如同一座桥梁既连接着前端成分工艺，又控制着后端使役性能[1−2]。为精准指导高性能合金设计及物理机制深化，实现微观组织的精确识别及其定量化尤为重要。早期的显微组织识别与定量化主要依赖于光学显微镜（optical microscope，OM）、扫描电镜（scanning electron microscope，SEM）等设备的组织图像，并结合图像处理软件对其中定量组织信息进行统计分析[3]。由于具有操作简单、成本低等特点，该类方法被广泛应用于金属材料微观组织分析，但受限于主观人工经验，其仅能可靠地应用于形貌简单的微观组织，难以准确分析复杂的多相组织；此外，由于不同操作者之间存在主观经验差异，使得定量结果往往具有较低的可重复性与可比较性，尤其对于复杂组织，这种人工经验偏差更为显著，严重制约了组织定量化的可靠性。为了实现微观组织的高精度分析，以电子背散射衍射（electron backscatter diffraction，EBSD）为代表的基于晶体学的表征技术逐渐兴起并得到了广泛应用[4−6]。尽管该类技术在微观组织分析中具有明显的精度优势，但实验效率低、实验成本高昂，难以应用于大规模图像数据的高通量分析。

来源：2025年第24期

《科技导报》期刊编辑部

查看科技导报杂志2025年第24期