计算固-液界面之间的润湿角对表征界面相互作用及分析材料特性具有重要意义。随着计算机科学及图像处理技术的不断发展,润湿角的测量从传统的人工观察测量逐渐演变成基于计算机视觉的测量,并且自动化程度相比过去有了很大的提升,使得操作者的劳动量大大减少。近年来,利用图像方法测量润湿角已经取得了不小的进展,国内外也出现了许多成熟的技术和设备,可用来测量常温下液滴与界面的润湿角,分析其对界面的润湿效果。在测量高温熔体的润湿角实验中,由于实验用的高温炉是密闭的,科学家们只能通过在高温炉窗口外放置相机对实验过程进行观察和记录,然后再对润湿角进行计算。然而,现有的测量方法中大部分主要用来针对常温下液滴的润湿角计算,对高温中的熔体润湿角计算没有取得非常好的效果。这些方法大多需要人工操作定位样品,不仅耗时费力,还会在后续的接触角计算中引入由人主观操作所带来的误差。此外,现有的拟合方法主要是用一个方程或函数去拟合样品的完整轮廓,这些方法在计算润湿角时存在较大的误差,且鲁棒性不强,使得多次重复测量结果偏差较大,在同一材料的实验中无法得到稳定准确的结果,计算的可复现性差。因此需要设计一套能够自动定位样品,结果可复现性高的润湿角计算方法。针对样品的自动定位和提取问题,本文将经典深度学习网络U-Net应用到样品的定位与二值图像的提取中,并在下采样与上采样的连接处引入空洞卷积和多尺度特征融合结构,结合残差结构改善U-Net网络性能,完成对样品的自动定位,使得样品的提取过程不再需要人工对图像进行裁剪和定位,减少了人力资源耗费的同时,消除了由人主观操作所引入的系统误差,特别是不受样品的形状、大小和位置的影响,就可以实现样品与基座的分离,完成样品二值图像的提取,便于后续的轮廓提取与接触角的计算。对于接触角的计算,则不再和传统方法一样试图用一个方程去拟合完整的样品轮廓,而是将轮廓拆分为左右半边后,再采用迭代重加权最小二乘椭圆拟合的方法近似样品轮廓,计算样品的接触角。本文将提出的方法应用在座滴法测量系统中,能够在较大的温度区间内全自动的计算出各种材料熔化后的润湿角,同时将本文方法与目前各类主流的润湿角计算方法进行对比,获得的结果不仅完全不受人工操作所引入的误差,并且在重复实验中标准偏差小,具有很好的可复现性。