[發(fā)明專利]基于人工智能的微觀組織金屬強度分布預(yù)測方法及裝置

在審

• 申請?zhí)枺?/td>: 202010620550.9
• 申請日: 2020-06-30
• 公開（公告）號: CN111783338A
• 公開（公告）日: 2020-10-16
• 發(fā)明（設(shè)計）人: 張玉琪
• 申請（專利權(quán)）人: 平安國際智慧城市科技股份有限公司
• 主分類號: G06F30/23
• 分類號: G06F30/23;G06F30/27;G06N3/04;G06N3/08;G01N23/203
• 代理公司: 深圳市精英專利事務(wù)所 44242
• 代理人: 李翔宇

本發(fā)明公開了基于人工智能的微觀組織金屬強度分布預(yù)測方法、裝置、計算機設(shè)備及存儲介質(zhì)，涉及人工智能的智能決策，包括獲取金屬樣品訓(xùn)練集；根據(jù)其對待訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練得到卷積神經(jīng)網(wǎng)絡(luò)；接收掃描電子顯微鏡上傳與當(dāng)前金屬樣品對應(yīng)的當(dāng)前幾何必須位錯位錯線面密度；調(diào)用卷積神經(jīng)網(wǎng)絡(luò)，將當(dāng)前位錯線面密度輸入得到當(dāng)前總位錯位錯線面密度；根據(jù)當(dāng)前總位錯位錯線面密度及對應(yīng)的材料常數(shù)和屈服強度，獲取與當(dāng)前總位錯位錯線面密度對應(yīng)的抗拉強度分布圖并顯示。該方法實現(xiàn)了結(jié)合模擬數(shù)據(jù)訓(xùn)練的圖像深度學(xué)習(xí)網(wǎng)絡(luò)，即可得到待測量強度的試樣的抗拉強度的微觀分布圖，無需破壞材料制樣來測試獲取，不僅實現(xiàn)成本低，而且提高結(jié)果準(zhǔn)確率。

技術(shù)領(lǐng)域

本發(fā)明涉及人工智能的智能決策技術(shù)領(lǐng)域，尤其涉及一種基于人工智能的微觀組織金屬強度分布預(yù)測方法、裝置、計算機設(shè)備及存儲介質(zhì)。

背景技術(shù)

對金屬材料的強度表征一般采用屈服強度和抗拉強度兩種。其中，抗拉強度表征材料最大均勻塑性變形的抗力。抗拉強度是材料均勻塑性變形和局部集中塑性變形(縮頸現(xiàn)象)的分界點。對于宏觀材料而言，抗拉強度通過拉伸實驗測得，拉伸過程中，試樣經(jīng)過屈服階段進(jìn)入強化階段后隨著橫截面尺寸明顯縮小在拉斷時所承受的最大力，除以試樣的原始橫截面積即為抗拉強度。

在工業(yè)領(lǐng)域，測試人員需獲取抗拉強度在材料中的微觀分布時，可采取的實驗方法為XRD(X射線衍射法)，Synchrotron?XRD(同步輻射X射線)，TEM(透射電子顯微鏡)，這三種方法分別存在以下缺陷：

1)采用X射線衍射法時，在制備樣品時要求將待測試的金屬樣品制成粉末，這樣就破壞了原始金屬樣品的試樣，并且制成粉末后無法得知，測得強度的粉末在原始金屬樣品中的分布,導(dǎo)致測試結(jié)果不準(zhǔn)確；

2)采用同步輻射X射線法時，由于設(shè)備稀少，導(dǎo)致測試成本極高；

3)采用透射電子顯微鏡法時，在制備樣品時要求將將待測試的金屬樣品制成微米極的薄區(qū)，這樣也破壞了原始金屬樣品的試樣，并且得到結(jié)果圖片后需要通過人眼數(shù)位錯線的數(shù)目來完成統(tǒng)計，導(dǎo)致測試結(jié)果不準(zhǔn)確，而且效率低下。

發(fā)明內(nèi)容

本發(fā)明實施例提供了一種基于人工智能的微觀組織金屬強度分布預(yù)測方法、裝置、計算機設(shè)備及存儲介質(zhì)，旨在解決現(xiàn)有技術(shù)中獲取待測量強度的試樣中抗拉強度時破壞原始金屬樣品的試樣，測試結(jié)果不準(zhǔn)確，且測試成本極高的問題。

第一方面，本發(fā)明實施例提供了一種基于人工智能的微觀組織金屬強度分布預(yù)測方法，其包括：

獲取金屬樣品訓(xùn)練集；其中，所述金屬樣品訓(xùn)練集包括多條金屬樣品訓(xùn)練數(shù)據(jù)，每條所述金屬樣品訓(xùn)練數(shù)據(jù)均包括幾何必須位錯位錯線面密度和總位錯位錯線面密度；

根據(jù)所述金屬樣品訓(xùn)練集對待訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到卷積神經(jīng)網(wǎng)絡(luò)；

接收掃描電子顯微鏡上傳的當(dāng)前金屬樣品對應(yīng)的當(dāng)前幾何必須位錯位錯線面密度；其中，所述當(dāng)前金屬樣品取自于待測量強度的試樣；

調(diào)用所述卷積神經(jīng)網(wǎng)絡(luò)，將所述當(dāng)前位錯線面密度輸入至所述卷積神經(jīng)網(wǎng)絡(luò)，得到所述當(dāng)前位錯線面密度對應(yīng)的當(dāng)前總位錯位錯線面密度；以及

根據(jù)所述當(dāng)前總位錯位錯線面密度及所述當(dāng)前金屬樣品對應(yīng)的材料常數(shù)和屈服強度，確定并顯示與所述當(dāng)前總位錯位錯線面密度對應(yīng)的抗拉強度分布圖。

第二方面，本發(fā)明實施例提供了一種基于人工智能的微觀組織金屬強度分布預(yù)測裝置，其包括：

訓(xùn)練集獲取單元，用于獲取金屬樣品訓(xùn)練集；其中，所述金屬樣品訓(xùn)練集包括多條金屬樣品訓(xùn)練數(shù)據(jù)，每條所述金屬樣品訓(xùn)練數(shù)據(jù)均包括幾何必須位錯位錯線面密度和總位錯位錯線面密度；

模型訓(xùn)練單元，用于根據(jù)所述金屬樣品訓(xùn)練集對待訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，得到卷積神經(jīng)網(wǎng)絡(luò)；