基于深度学习驱动的钢铁微观组织识别方法、系统及介质

本发明公开了一种基于深度学习驱动的钢铁微观组织识别方法、系统及介质，方法为：获取钢铁微观组织图像进行数据增强并进行划分得到训练集和验证集；基于MobileNetV2预训练模型使用迁移学习方法构建SteelIDNet模型；使用训练集对SteelIDNet模型进行训练，并使用验证集对训练后的SteelIDNet模型进行验证评估得到最终SteelIDNet模型；将最终SteelIDNet模型部署在移动端进行钢铁微观组织识别。本发明通过深度学习和迁移学习技术构建SteelIDNet模型，充分发挥卷积神经网络的优势(CNN)，显著提高钢铁显微组织结构的识别效率；不仅适用于PC端开发，还便于在移动端上部署，能够实现毫秒级响应速度，特别适合移动端对实时检测与分析的高效需求。