一种基于深度学习的钢铁微观组织结构识别方法及装置

    公开(公告)号:CN116152803A

    公开(公告)日:2023-05-23

    申请号:CN202211507567.9

    申请日:2022-11-29

    Abstract: 本发明提供一种基于深度学习的钢铁微观组织结构识别方法及装置,结合计算机视觉技术中的超像素分割方法提取出图像中的晶粒信息,利用深度学习模型对提取出的不同相的晶粒特征进行学习,实现对钢微观组织结构的识别和分类。包括:利用计算机视觉的超像素分割方法将钢铁微观组织图像进行分割,将预处理的数据保存在本地作为训练集和验证集;对用于训练的数据集根据灰度阈值进行初步划分,随机裁剪成较小的图像块,获得更易训练的数据;使用LetNet5—SCAM模型对训练数据进行训练,并保存训练好的网络模型及其参数;对需要识别的钢铁微观组织图像进行像素级的采样,将其该像素扩展至n*n的大小,放入训练好的模型中,可自动识别出该像素块对应的相。

Patent Agency Ranking