【摘要】为提高金相组织图像分析的自动化水平，准确获取反映材料性能的晶粒度等关键信息，提出一种基于多任务学习的晶界分割方法。该方法设计了一种关系预测辅助任务，通过关注晶粒内部信息，从而提升晶界提取的精度；同时采用对比学习训练特征提取器，使模型对晶界拓扑结构具有更强的针对性。在Pyside2框架下实现了基于关系预测任务学习的金相组织图像识别系统的构建。通过实验验证，本系统不仅可帮助实验室技术人员完成晶粒度等微观组织信息智能检测，且在软件的适用性、检测效率和准确性上都有大幅提升。