钛合金金相相占比检测AI模型训练数据

本数据集可直接供钛合金产业链相关企业及机构复用：钛合金生产企业：可直接用于训练内部金相检测AI模型，部署在生产线上实时判定材料组织是否达标。中小企业可基于本数据集委托第三方开发低成本检测模型，实现智能化升级。下游航空航天、汽车零部件制造商：利用本数据集建立供应商来料验收系统，批量判定金相照片，替代人工复检。数据集涵盖TB6、α相等多种类型及GB/T 13305、AMS2315等多种标准，帮助不同企业统一检测尺度。第三方检测机构：可将本数据集用于内部人员能力验证，或对外开发API自动化金相分析服务，形成新的增值业务。行业标准化组织及科研单位：可将其作为算法评测基准或公开数据集，推动金相检测从人工目视向AI量化评价转型，促进行业标准统一。1.本数据集原始数据为钛合金金相显微镜图片，由本公司自行拍摄产生，所有图片均来源于内部检测流程，数据来源合法，权属清晰。 2.数据采集与加工过程如下： 2.1数据采集与预处理 使用金相显微镜在不同放大倍数（200倍、500倍）下拍摄钛合金试样（类型包括TB6、α相、相变点等），获取原始图片。对图片进行统一格式转换、去重、去噪及尺寸标准化处理，确保数据一致性。 2.2特征提取与标注 依据图片名称建立与试样的一一对应关系。 依据实际试样信息确定以下字段：放大倍数、类型、检测项、使用标准。 使用计算机视觉与深度学习模型对图片进行自动化分析： 第一步，通过YOLO与OpenCV定位图片中的比例尺，并利用PaddleOCR识别文字信息，自动提取放大倍数，完成尺度标定。第二步，调用BiRefNet语义分割模型，根据材料类型进行二值分割，分离出目标相组织。第三步，依据检测项“相占比”及图片对应的国家标准，采用面积法或定量网格法统计α相或β相的面积百分比。第四步，输出百分比数值（单位：%），并生成标注图像用于结果可视化。 3.数据结构化与整合 将图片名称、采集参数、标准信息以及AI推理得到的识别结果汇总为结构化表格文件，每行对应一张金相图片，共包含7个字段：序号、图片名称、放大倍数、类型、检测项、使用标准、识别结果。 4.数据应用说明 本数据集可直接用于训练钛合金金相相占比检测AI模型，支持生产线上实时质量判定、供应商来料验收、行业检测标准统一等场景。数据集中每张图片均附有对应的标注结果，标注规范、字段清晰，可作为工业无损检测领域智能化应用的基准训练数据。

搜集汇总

背景与挑战

背景概述

本数据集包含钛合金金相显微镜图像及对应的AI标注结果，涵盖TB6、α相等多种类型及GB/T 13305等多种检测标准，可用于训练钛合金相占比检测AI模型，支持生产线实时质量判定、供应商来料验收等场景。数据由内部检测流程采集，经预处理、特征提取和语义分割等步骤生成结构化表格，每张图片均附有放大倍数、类型、检测项、使用标准和识别结果等7个字段，可作为工业无损检测领域智能化应用的基准训练数据。