基于深度学习的火电机组用钢金相组织评级方法研究

针对火电机组用钢金相组织评级受人为因素影响，效率低、重复性差等问题，提出建立金相检验图像样本数据集，采用ConvNeXt-T卷积神经网络模型研究基于深度学习的火电机组用钢金相组织评级方法，同时用混淆矩阵对所建模型的性能进行评估，模型对铁素体+珠光体组织球化评级的准确率均值为98.7%、精确度均值为97.3%、灵敏度均值为97.2%、特异度均值为99.1%、F_1-Score均值为97.2%，表明该方法能够对火电机组用钢金相组织进行较为准确的评级，提升评级效率，为火电机组用钢金相组织智能评级提供一种新的方法，同时助力电力行业金相检验向数字化、智能化发展。