Determinación del tamaño promedio de grano basado en la segmentación semántica utilizando U-Net

Abstract

Este trabajo presenta el diseño, entrenamiento y evaluación de modelos de aprendizaje automático para la segmentación precisa de límites de grano en microestructuras de acero. Con el fin de construir un conjunto de datos robusto y diverso, se prepararon muestras de acero con la misma composición química pero sometidas a distintas velocidades de enfriamiento. Estas variaciones permitieron generar una amplia gama de microestructuras, esenciales para el entrenamiento y validación de los modelos.