金属材料广泛应用于建筑行业,其质量情况对工程建设具有重大影响。由于材料质量问题而引发的重大事故不仅危及国民安全,更会严重影响经济发展。作为最基础且应用最广泛的金属建筑用材,钢材的质量在很大程度上决定了工程质量。因此,为了避免事故发生,出厂前对钢材性能检测显得尤为关键。晶粒度是钢材性能的一个重要评判标准,微观角度,钢材表面晶粒呈现类似于细胞组织切片的颗粒状分布图像,晶粒的面积、长度、以及单位面积内晶粒个数等特征都影响着钢材的强度、塑性和韧性等性质,而这些晶粒特征在金相检测中通过不同金相等级来反映。目前对于金相等级的评定,最常用的方法还是通过人工依靠经验评定,人工判定金相等级很大程度上取决于工人素质,不确定程度较大。本课题在数字图像处理以及深度学习技术基础上,研究钢材金相图像晶界提取和自动评级方法,并且以这些相关研究理论为基础开发了跨平台的智能评级软件,为将来可产业化的智能化金相分析仪研发奠定了基础。本文的主要研究内容和取得的成果如下:(1)标准的金相图像数据集是有效晶界提取和金相评级的前提,本论文建立了符合国家标准格式的钢材金相图像晶界数据集以及相应的金相等级数据集。本研究以符合国家标准操作的钢材切片为样本,并以金相显微镜采集钢材金相原始图像,通过时域和频域预处理实现对原始图像的去噪与特征增强以及晶界强化。同时,在Tensorflow下以数据压缩方法将标准样本和标签制作成便于深度学习方法调用的标准格式数据集。(2)晶界的提取是进行后续金相评级的关键问题之一。在深入分析全卷积神经网络技术基础上,提出了一种基于多尺度特征融合的全卷积神经网络晶界提取方法,在下采样编码阶段采用自适应池化过程,在上采样解码阶段则通过多尺度特征融合和跳接连接方式来保护更多的晶界信息并且对残缺的晶界进行补充,同时,基于灰度形态学操作运用图像逻辑运算增强了晶界提取的正确率,从而使得钢材金相图像中晶界提取的正确率达到93%左右。(3)快速、准确的对钢材样本进行金相评级是另一个关键问题。本论文提出了级联网络架构,通过将多尺度特征融合的晶界提取网络与由Vgg16网络形态构成的分类评级网络相级联,形成一个近似端到端的具有较深层次的融合网络以同时实现对钢材金相图像特征自提取与自主评级分类目的,评级正确率达到了95%左右,整体运算时间则在25ms左右,能满足实际应用要求。同时,为了对比验证融合网络模型的优势,在利用多尺度特征融合子网络对晶界进行有效提取基础上,还通过传统特征工程方式构建手工设计的特征集来结合参数自适应KNN和SVM算法对钢材金相品级分别进行评定,可以发现融合网络隐含层的特征自提取和分类评级正确率方面对传统方法存在很大优势,并且该模型在GPU加速下大大减少了运算时间。(4)为后期能研发紧凑型智能化金相分析仪,开发了可跨平台使用的钢材金相智能评级软件系统。该软件以跨平台QT开发环境和OpenCV视觉开发包,以及开源深度学习开发框架Tensorflow为基础,实现了前述相关理论框架到软件的转化,整个软件系统主要包含文件操作模块、设备连接模块、图像预处理模块、晶界提取模块、一键评级模块等,同时在工程化和模块化模式的设计思想下,为后续软件的拓展留下了接口。