一种基于机器学习的钢材微观组织力学性能预测方法

摘要

本发明提供了一种基于机器学习的钢材微观组织力学性能预测方法，采用机器学习中的深度卷积神经网络模型和回归算法，通过学习金相图数据集预测钢材的力学性能：将实验中获取的钢材的金相微观组织图与实验测得的相应力学性能数据组成金相图‑性能数据集，然后对金相图进行基于预训练的深度卷积神经网络的特征提取，再对提取的特征值做进一步的筛选，最后将筛选后的特征与力学性能数据对应，通过回归算法实现回归映射。本发明训练得到的模型适用于钢材力学性能预测与质量评估领域，实现了准确、高效地评估与预测钢材力学性能的功能。