Deep Learning Informato dalla Fisica Prevede la Vita a Fatica dell'Acciaio da Micrografie

Un nuovo framework di visione artificiale, CV, stima la vita a fatica di acciai legati leggeri direttamente da micrografie ottiche, bypassando i test meccanici tradizionali che possono richiedere da decine a centinaia di ore. Il metodo, dettagliato in un preprint su arXiv (2607.28695), utilizza una routine di preprocessamento OpenCV in sette fasi per rimuovere artefatti, seguita da un estrattore di caratteristiche informato dalla fisica a 28 dimensioni che quantifica morfologia delle cricche, struttura dei grani, porosità e tessitura. Un modello di regressione CNN, addestrato con una loss di verosimiglianza negativa gaussiana (GNLL), predice congiuntamente la vita a fatica (log N_f) e l'incertezza specifica del campione. Lo studio valuta tre architetture, inclusa SE-CNN, per determinare il modello più efficace. Questo approccio potrebbe consentire un controllo qualità rapido nella produzione di acciaio, riducendo significativamente il tempo e i costi associati ai test di fatica.