基于卷积神经网络的材料晶粒度智能分级技术研究.docxVIP

基于卷积神经网络的材料晶粒度智能分级技术研究

目录

文档概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3

1.1研究背景与意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4

1.1.1材料微观结构的重要性．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．6

1.1.2晶粒度表征的必要性．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．7

1.1.3智能化分级技术的需求．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．8

1.2国内外研究现状．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．12

1.2.1传统晶粒度检测方法评述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．14

1.2.2基于图像处理的技术进展．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．15

1.2.3深度学习在材料科学中的应用概述．．．．．．．．．．．．．．．．．．．．．．18

1.3研究目标与内容．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．20

1.3.1主要研究目的界定．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．22

1.3.2关键技术路线概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．24

1.4论文结构安排．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．26

相关理论基础．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．27

2.1卷积神经网络原理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．28

2.1.1卷积神经网络的基本结构．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．31

2.1.2特征提取与卷积机制．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．32

2.1.3激活函数与池化操作．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．35

2.2图像预处理技术．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．38

2.2.1图像去噪方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．39

2.2.2归一化与增强处理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．41

2.3材料微观结构图像获取．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．44

2.3.1主要成像技术介绍．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．47

2.3.2图像采样与分辨率考量．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．48

基于卷积神经网络的晶粒度分级模型构建．．．．．．．．．．．．．．．．．．．51

3.1数据集构建与标注．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．52

3.1.1实验材料选择与制备．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．53

3.1.2图像采集方案设计．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．55

3.1.3晶粒度等级划分依据．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．56

3.1.4标注流程与质量控制．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．59

3.2网络模型设计．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．63

3.2.1基础卷积网络结构选取．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．65

3.2.2特征融合机制探索．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．69

3.2.3输出层设计与应用场景匹配．．．．．．．．．．．．．．．．．．．．．．．．．．．．74

3.3模型训练策略．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．78

3.3.1损失函数选择与优化．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．79

3.3.2反向传播算法配置．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．81

3.3.3超参数调整方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．