引言

为满足用户对材料研发和数据应用全方位需求，贯通“设计—研发—制造—应用”全链条，新材料大数据中心通过自主研发、联合开发等模式，持续扩展数据产品供给能力，覆盖材料数据采集处理、计算分析、设计、特色大模型与智能体等。中心依托统一服务门户打造“数据产品”模块，目前已上线多款面向材料领域的专业化数据产品软件，其中，针对数据采集的材料科技论文数据抽取系统近日完成功能升级。

图1 抽取系统整体功能示意图

材料科技论文数据抽取系统通过集成文献管理、主题分析、数据自动抽取和结果可视化等功能，实现了从材料科技论文到结构化数据的自动转换。

· 论文库：支持PDF、XML和HTML等多源异构文献的导入与管理，帮助用户构建个性化的知识库；

· 主题分析：可基于文献内容自动分析研究主题和相关热度，辅助用户确定相关的抽取目标；

· 数据抽取：自动识别并提取文献文本、表格中的关键信息，包括成分、合成与制备工艺，以及物理和化学性能等核心要素，并互相关联形成结构化数据集；针对曲线图，自动识别并提取图题、横纵轴名称、图例以及曲线中数据点的横纵坐标信息；

·可视化：提供抽取结果可视化功能，支持条形图与散点图的生成，帮助用户深入理解整体数据分布和特征间的关联关系。

本次功能升级，特别强化了 PDF文献曲线数据专项抽取能力，支持从 PDF格式文献中自动识别并提取材料成分、制备工艺、测试条件、性能指标及曲线坐标点等关键信息，实现从“曲线图像”到“结构化数据”的高效转化。

为帮助用户更直观地了解系统的操作流程与应用价值，本文选取钢铁材料应力应变曲线、Co基高温合金DSC曲线和钢铁材料极化曲线三个典型案例，分别展示本系统在力学性能、热分析性能和腐蚀电化学性能曲线数据抽取中的效果。通过这三个案例，用户可掌握系统在多场景下的数据抽取能力，切实提升科研数据整合与再分析的效率，为论文图表数据复用提供坚实的技术支撑。

案例一：钢铁应力应变曲线数据抽取

用户上传PDF文献后，系统不仅会解析其题目、作者、发表期刊等基本信息和章节、图表内容，还能自动定位论文中的关键曲线图。本案例中可定位到的曲线包括：Fig. 2(a)工程应力-应变曲线，以及Fig. 2(b)真应力-真应变曲线和加工硬化率曲线。

图2 案例一文献选择页面

系统能够基于文献内容自动识别研究主题，涵盖材料、工艺和性能等方面。以本案例为例，系统自动识别出：

· 材料对象：medium manganese steel

· 工艺目标：two-stage warm rolling

· 性能目标：yield strength、tensile strength、total elongation、strain-hardening ability等

图3 案例一主题分析页面

用户既可根据主题分析结果选择材料、工艺和性能等抽取目标，也可自行输入。以本案例为例，所选材料类别为medium manganese steel，工艺目标为 two-stage warm rolling，性能目标为 yield strength 和 tensile strength。点击【下一步】后，系统将自动执行数据抽取，并对含有曲线的图像进行识别、裁剪及数字化处理。

图4 案例一抽取目标选择页面

文献数据抽取结束后，可以得到不同钢铁样品的材料名称、加工工艺、拉伸测试条件、曲线系列名称以及已选择抽取性能的数值、单位和图源信息等数据。所有信息在【结果管理】页面呈现，用户可一键导出 .xlsx 文件，实现从文献到结构化力学数据的高效转化。

图5 案例一文本和表格抽取结果展示页面

曲线数据抽取完成后，系统将在【结果管理】-【图片抽取结果】页面展示每条应力-应变曲线的样本信息、数据点坐标、图题、坐标轴名称及单位（图6）。同时，系统会根据抽取的数据点坐标信息自动绘制并数值化展示曲线，并与原图同步展示以便用户进行直观比对。用户还可导出图片抽取结果的表格文件，用于后续获取曲线中的关键性能特征值（如峰值、极值、拐点等）、开展进一步分析或直接入库。

图6 案例一 图片抽取结果展示页面

如图7所示，结果文件以表格形式呈现了系统对文献中应力-应变曲线图像的识别、裁剪、数字化和结构化输出过程。表格左侧为基础字段，包括材料类别、样品编号、工艺状态、曲线标签和图源位置等；中间的point_coordinates字段保存了系统从曲线中抽取出的坐标点数据，可用于后续重绘工程应力-应变曲线或导入数据库；右侧依次保留Original_figure、Cropped_Chart和Digitized_curve三类图像结果，分别对应原始文献图、系统裁剪后的目标曲线区域，以及最终数字化得到的曲线轨迹。

图7 案例一输出结果文件展示

图中可重点展示三个核心结果：一是曲线坐标点序列，说明系统已经将文献图像中的应力-应变曲线转化为可计算的数据；二是原始图像和裁剪图像来源，便于用户核查抽取结果是否来自正确图表；三是数字化后的曲线图，直观展示系统对不同工艺状态下钢铁材料应力-应变曲线形貌的识别效果。

案例二：Co基高温合金DSC曲线数据抽取

用户上传PDF文献后，系统将自动解析论文的基本信息与图表对象，识别论文中DSC曲线。

图8 案例二文献选择页面

系统可从文献内容中识别合金类型、热处理工艺和性能等研究主题。

· 材料对象：Co-base superalloy

· 性能目标：γ′ solvus temperature、solidus、liquidus、processing window、freezing rang等

图9 案例二主题分析页面

用户根据解析结果选择材料、工艺和性能等抽取目标，也可自行输入抽取目标，如选择Co-base superalloy材料、microstructural stability（显微组织稳定性）、γ' solvus temperature（γ' 相溶解温度）、γ' volume fraction（γ' 相体积分数）、density（密度）等性能，点击【下一步】，系统开始自动抽取上述数据。

图10 案例二抽取字段选择页面

图11 案例二文本和表格抽取结果展示页面

图12 案例二图片抽取结果展示页面

图13 案例二输出结果文件展示

图中红框重点标出了三个核心结果：一是曲线坐标点序列，说明系统已经将图像中的曲线转化为可计算的数据；二是原始图像来源，便于用户核查抽取结果是否来自正确图表；三是数字化后的曲线图，直观展示系统对DSC曲线形貌的识别效果。整体来看，该导出结果实现了从“文献图像曲线”到“结构化坐标数据”的转换，同时保留了原图、裁剪图和数字化曲线，保证了曲线数据抽取结果的可追溯、可复核和可二次利用。

案例三：钢铁材料极化曲线数据抽取

用户上传PDF文献后，系统首先解析论文题名、作者、期刊、DOI、摘要、实验方法和图表对象，并识别与mild steel、0.5 M H2SO4腐蚀介质、2-[1,2,4]-triazole-methyl-4-acetyl-5-nitrophenyl-[1,3,4]-oxadiazole(TMANO) 缓蚀剂、 weight loss test、EIS、potentiodynamic polarization、differential polarization curves等相关的段落。本案例可重点定位文献中的Fig. 5极化曲线和Fig. 6微分极化曲线，同时关联Table 2中的 Ecorr、Icorr、ba、bc与抑制效率百分比（IEI%）等参数，用于演示从曲线图像和表格结果中联合抽取钢铁材料腐蚀性能数据。

图14 案例三文献选择页面

· 材料对象：mild steel

· 工艺目标：synthesis、weight loss test

· 性能目标：corrosion inhibition、adsorption、thermodynamic parameters、kinetic parameters

其中，mild steel 用于限定材料体系；synthesis对应TMANO缓蚀剂的合成与表征信息；weight loss test用于关联腐蚀速率、缓蚀效率及温度条件；corrosion inhibition对应极化曲线和失重实验得到的缓蚀效率；adsorption、thermodynamic parameters和kinetic parameters则用于描述缓蚀剂在钢铁表面的吸附模型、吸附热力学和腐蚀反应动力学。

图15 案例三主题分析页面

用户根据主题分析结果选择材料、工艺和性能等抽取目标，也可自行输入需要补充的抽取字段。例如，本案例选择mild steel作为材料对象，选择synthesis和weight loss test作为工艺目标，选择corrosion inhibition、adsorption、thermodynamic parameters和kinetic parameters作为性能目标。点击【下一步】后，系统开始从正文、表格和曲线图中抽取上述数据。

对于极化曲线数据，系统可在图像抽取模块中进一步识别曲线来源、横纵坐标轴名称与单位、曲线系列标签和曲线点坐标。以 Fig. 5 为例，横坐标为电位E vs. SCE，纵坐标为log(i/A·cm-2)，不同曲线对应blank及不同TMANO浓度；系统可提取不同浓度条件下的极化曲线点，并结合Table 2中的参数结果形成“曲线点—样品条件—腐蚀性能参数”的映射关系。以Fig. 6为例，系统还可针对微分极化曲线抽取脱附峰位置、脱附起始电位和脱附完成电位等表征吸附稳定性的曲线特征。

图16 案例三抽取字段选择页面

文献数据抽取结束后，系统在【结果管理】页面展示材料、腐蚀介质、缓蚀剂名称、缓蚀剂浓度、实验温度、测试方法以及已选择抽取性能的数值、单位和测试条件等数据。以本案例为例，系统可从极化结果中整理出Ecorr、Icorr、ba、bc 和IEI%；从失重实验中整理出腐蚀速率W与IEW%；从吸附模型中整理出 Langmuir adsorption isotherm、K、ΔG0ads 、ΔH0ads、ΔS0ads等热力学参数；从动力学分析中整理出Ea、ΔH*、ΔS*等参数。

图17 案例三文本和表格抽取结果展示页面

曲线抽取结果示例

如图所示，结果文件以表格形式系统呈现了极化曲线图像的处理流程，涵盖识别、裁剪、数字化及结构化输出等环节。表格左侧为基础字段，包括文献题名、材料类别、样品名称、腐蚀介质、缓蚀剂名称及浓度、实验温度、曲线标签与测试方法等；中间的point_coordinates字段保存了系统从极化曲线中提取的坐标点数据，可用于后续曲线重绘、Tafel斜率计算及自腐蚀电流密度（I_corr）的复核；右侧保留了三类图像结果：Original_figure（原始文献图）、Cropped_Chart（系统裁剪后的目标曲线区域）以及Digitized_curve（数字化重构后的曲线轨迹）。

图18 案例三图片抽取结果展示页面

图19 案例三输出结果文件展示

图中可重点关注三个核心结果：一、极化曲线坐标点序列，对应系统将文献图像中的电位—电流密度关系转化为可计算数据的过程；二、原始图像与裁剪图，用于追溯曲线来源，确保其归属于正确的图表及曲线系列；三、数字化曲线轨迹，直观呈现了系统对空白（blank）及不同TMANO浓度曲线的识别效果。

系列案例总结