技术项目背景介绍
金属材料中非金属夹杂物会恶化其机械性能，夹杂物检测一般通过金相法、电解法，并进一步在光镜和电镜 下进行观察，再通过能谱对夹杂物进行成分测定，夹杂物的检测过程繁琐、耗时较长。本项目通过数字图像处理 技术实现夹杂物一键式分析和成分预测，提高了夹杂物分析检测效率。
项目简介
本项目的基本思想是通过光镜或电镜进行图像采集，然后通过夹杂物图像识别软件对夹杂物形状、尺寸、分 布等进行一键式自动统计并生成检测报告。基于机器学习对钢中典型夹杂物进行检测分类，通过训练模型实现夹 杂物成分的预测。钢中典型氧化铝、硫化锰、氮化铝等夹杂物预测成功率在96%以上。
项目前景简介
相关软件可通过金相、电镜图片自动检测分析夹杂物，也可应用于金相组织检测。
