摘要：针对Cr/Zr涂层表面裂纹图像存在的视野暗、噪声高及人工识别效率低等问题,建立Cr涂层表面裂纹自动精确识别与关键参数提取的技术和方法,并开展相关分析。在Cr/Zr涂层包壳管上进行环向压缩试验,采集裂纹图像,对采集到的图像数据设计了一种Cr涂层表面裂纹识别与分析算法—CSCRA算法,该算法基于U2-Net神经网络对裂纹进行语义分割,从而获得Cr涂层表面裂纹的位置信息,然后设计了一种中轴线提取算法并结合连通域分析和距离计算对识别出的裂纹进行统计分析(包括数量、密度、长宽等)。相比于传统的边缘检测算法、阈值分割算法,设计的CSCRA算法能够准确有效识别多种形态的Cr涂层表面裂纹,自动完成识别裂纹的数量、密度、长宽等信息分析,得到了裂纹数量、密度、宽度信息与环向压缩形变量的对应关系。CSCRA算法能够解决传统识别算法连续性差、噪声高的问题。从裂纹数量、密度、宽度与环向压缩试验形变量之间的联系中,发现Cr涂层表面裂纹的数量和宽度随着环向压缩形变量的增大呈现出增大趋势,但两者在不同阶段增加速率不一致。