计算机测量与控制．２０２３．３１（３）ＣｏｍｐｕｔｅｒＭｅａｓｕｒｅｍｅｎｔ＆Ｃｏｎｔｒｏｌ设计与应用·３００·收稿日期：２０２２－１２－０１；修回日期：２０２３－０１－０４。基金项目：西安市科学技术局重点产业链核心技术攻关项目（２０２２ＪＨ－ＲＧＺＮ－０００）；２０２０年教育部产学合作协同育人项目资助（２０２００２３２１００８）。作者简介：王森（１９９８－），男，陕西汉中人，在读硕士研究生，主要从事深度学习、迁移学习及图像处理。通讯作者：国蓉（１９７２－），女，山东郓城人，博士，教授，硕士研究生导师，主要从事精密测控及测试计量技术方向的研究。引用格式：王森，国蓉，胡海军，等．基于轻量型Ｕ－ｎｅｔ的钢材金相图像晶界分割方法［Ｊ］．计算机测量与控制，２０２３，３１（３）：３００－３０５，３１２．文章编号：１６７１－４５９８（２０２３）０３－０３００－０６ＤＯＩ：１０．１６５２６／ｊ．ｃｎｋｉ．１１－４７６２／ｔｐ．２０２３．０３．０４４中图分类号：ＴＰ７５１文献标识码：Ａ基于轻量型Ｕ－ｎｅｔ的钢材金相图像晶界分割方法王森１，国蓉１，胡海军２，许勇３，张钰４，李秀峰５（１．西安工业大学光电工程学院，西安７１００２１；２．西安交通大学化学工程与技术学院，西安７０１１４９；３．长庆油气田开发事业部，西安７１００００；４．陕西师范大学计算机科学学院，西安７１００６２；５．中国特种设备检测研究院，北京１０００２９）摘要：在金相组织的晶粒度自动化评估工作中，对晶粒边界识别的精准与否直接影响着金相组织晶粒度等级的评估准确度；针对钢材金相图像中晶粒边界密集程度高、边缘复杂且晶粒边界识别准确性低的问题，提出一种基于轻量型Ｕ－ｎｅｔ卷积神经网络的金相图像晶界分割方法，该轻量型网络模型将浅层特征层用跳跃连接的方式拼接在上采样过程中，使网络学习到更多的有效特征信息；减少了网络层数并在特征提取过程中添加了一次卷积过程，减少了网络参数量并提高了对晶界的预测速度和准确率；实验结果表明，该方法在１１７张金相图像测试集上像素准确率达到９３．９１％、特异度为９６．７３％、灵敏度为８１．６％；与传统Ｕ－ｎｅｔ网络相比，像素准确率提高了０．２％，网络参数量相对减少了６１．５％；本方法对金相晶界分割具...
