.png){kind=icon}
返回
Steel microstructure analysis using transfer learning: a study on data leakage
.png){kind=icon}
OA
AI
DOI：10.1007/s10853-026-12405-8.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
准确预测材料性能对于钢铁制造至关重要，因为它能够实现优化的生产流程。在钢铁微观结构分析中，显微镜图像的稀缺促使采用预训练的深度学习模型在小数据集上进行性能预测。本研究探讨了微调后的VisionTransformer在47个钢试样六种放大倍率下的微观结构中，对五种力学性能的预测能力。尽管该模型在预测上屈服强度、屈服强度、抗拉强度和断裂伸长率方面取得了具有竞争力的结果，但对夏比V型缺口冲击能的预测精度较低。较低放大倍率倾向于改善所有性能的预测。我们对不同流行数据分割策略的分析表明，微观图像的不当分割可能导致数据泄露，从而导致模型性能被高估达三倍。我们的发现强调了可靠评估程序的必要性，并突显了将深度学习应用于钢铁微观结构分析的关键挑战。
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
3.9
论文数:
3.2W
被引数:
7.2W
机构
引用论文
Towards accurate prediction for ultra-low carbon tempered martensite property through the cross-correlated substructures.png)
MATERIALS & DESIGNOAAI
MATERIALS & DESIGNIF7.9
OAAI分享收藏A generic high-throughput microstructure classification and quantification method for regular SEM images of complex steel microstructures combining EBSD labeling and deep learning结合EBSD标记和深度学习的复杂钢组织常规SEM图像的通用高通量组织分类和量化方法OAAI
OAAI分享收藏Feature Extraction and Microstructural Classification of Hot Stamping Ultra-High Strength Steel by Machine LearningJOM
JOMIF0
PREAI
分享收藏Towards an instant structure-property prediction quality control tool for additive manufactured steel using a crystal plasticity trained deep learning surrogateMATERIALS & DESIGNOAAI
MATERIALS & DESIGNIF7.9
OAAI分享收藏Martensite in steel: strength and structureMATERIALS SCIENCE AND ENGINEERING A-STRUCTURAL MATERIALS PROPERTIES MICROSTRUCTURE AND PROCESSING
MATERIALS SCIENCE AND ENGINEERING A-STRUCTURAL MATERIALS PROPERTIES MICROSTRUCTURE AND PROCESSINGIF7
PREAI
分享收藏Predicting microstructure-dependent mechanical properties in additively manufactured metals with machine- and deep-learning methods使用机器和深度学习方法预测增材制造金属中依赖微观结构的机械性能OAAI
OAAI分享收藏
查看更多内容