MatSegNet：一种用于高强钢中碳化物析出物精确分析的边界感知深度学习新模型
计算机视觉与模式识别
2026-03-24 v3 材料科学
机器学习
摘要
下贝氏体 (LB) 和回火马氏体 (TM) 是现代高强钢中两种常见的显微组织。LB 和 TM 可使钢材具有相似的机械性能，但 LB 在抗氢脆性方面通常被认为优于 TM。这种性能差异传统上归因于它们在特定显微组织特征（尤其是碳化物）上的区别。本研究开发了 MatSegNet，一种新的轮廓感知深度学习 (DL) 架构。它专为高强钢中具有复杂轮廓的碳化物析出物的全面分割和定量表征而设计，事实证明其性能优于现有的最先进 (SOTA) DL 架构。基于 MatSegNet，建立了一条高通量 DL 流程，用于 LB 和 TM 中碳化物的精确对比分析。结果表明，从统计学上看，这两种显微组织在关键碳化物特征上表现出相似性，差异微乎其微，这警示了在实践中传统上使用碳化物取向来可靠区分 LB 和 TM 的做法。通过 MatSegNet，本研究展示了深度学习在实现准确和定量的显微组织表征方面的潜力，从而在促进构效关系建立以加速材料创新中发挥关键作用。
引用
@article{arxiv.2312.17251,
title = {MatSegNet: a New Boundary-aware Deep Learning Model for Accurate Carbide Precipitate Analysis in High-Strength Steels},
author = {Xiaohan Bie and Manoj Arthanari and Evelin Barbosa de Melo and Baihua Ren and Juancheng Li and Nicolas Brodusch and Stephen Yue and Salim Brahimi and Raynald Gauvin and Jun Song},
journal= {arXiv preprint arXiv:2312.17251},
year = {2026}
}