摘要：在钢铁行业中，碳化物对钢材质量的影响至关重要，其在钢材中的分布对评估钢材质量有极其重要的意义。当前的碳化物检测技术仍然采用人工观测的方法，不仅成本高，且存在观测的差异性，稳定性差等问题。为满足实际生产的需求，引入了人工智能领域的深度学习技术，构建了专用于碳化物检测的数据集，研发了对应１００倍视场和５００倍视场条件下的专有技术。通过自动化载物台和自动化对焦、智能采集算法、智能拼接算法，系统实现了样块的自动化图像采集以及图像的高还原拼接，解决了人工图像采集速度慢、采样区域不全面、偶然性大的问题。在１００倍视场下使用目标检测技术，能够精准定 位每条碳化物的目标框位置；５００倍视场下使用图像分类技术，能够更加精确地判别碳化物等级。通过针对实际应用场景下精度和抗干扰的优化，算法能够在允许０．５级误差的情况下达到９９％以上的准确率，将人工智能技术有效地引入了带状碳化物检测领域。 关键词：人工智能；带状碳化物；目标检测；图像分类；视场；金相检测