基于深度学习模型Mask R-CNN对M50轴承钢中碳化物的研究
孙瑞明1
李淑欣1
鲁思渊1
金永生2
肖华海2
1.宁波大学 机械工程与力学学院,宁波 315211;浙江省零件轧制成形技术研究重点实验室,宁波 3152112.宁波银球科技股份有限公司,宁波 315207
摘要：M50轴承钢中主要的碳化物类型为MC、M2C和M23C6.扫描电子显微镜(Scanning Electron Microscopy,SEM)下,3种碳化物的形状、尺寸和在材料中的分布存在明显的区别.有些碳化物的尺寸较大且分布不均匀.轴承受载过程中,这些碳化物会成为应力集中的区域,对轴承疲劳性能产生负面影响.为了高效地获得材料中的碳化物信息,提出一种改进的掩膜基于区域的卷积神经网络(Mask Region-based Convolutional Neural Network,Mask R-CNN)模型,可批量鉴别SEM图像中3种碳化物的种类,确定其尺寸大小及分布.网络模型输出的图像和数值结果显示,M50轴承钢中M2C型碳化物尺寸大且分布不均匀,但总体尺寸最大的MC型碳化物和尺寸最小的M23C6型碳化物分布相对均匀.
关键词：深度学习Mask R-CNNM50轴承钢碳化物
分类号：TH142(机械制造用材料)TP317(计算技术、计算机技术)
论文发表日期：2025-08-15
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：9( 19-27 )
英文信息