-
公开(公告)号：CN117953271A
公开(公告)日：2024-04-30
申请号：CN202311768228.0
申请日：2023-12-20
IPC分类号： G06V10/764 , G06V20/69 , G06V10/774 , G06V10/82 , G06N3/0895 , G06N3/096 , G06N3/0464 , G06N3/045
摘要： 本发明公开一种基于Mean Teacher的钢材金相多标签持续学习方法，包括：首先，将金相图数据集分为多个任务批次的标注和未标注数据。在第一批数据中，利用标注数据集训练学生模型，同时老师模型对未标注数据进行预测并生成伪标签。然后，利用更新后的无标注数据集继续训练学生模型。在每轮训练中，通过指数滑动平均的方式将学生模型的权重参数逐步融合至老师模型的权重中。这一过程持续进行直至学生模型的损失函数稳定收敛，得到一个初步的金相分类模型。随后的任务批次采用基于突触智能思想的持续学习算法进行增量学习。通过向神经网络的损失函数引入正则惩罚项，保护对网络性能至关重要的参数，使得模型在处理新任务时能够保持先前学到的知识和技能。
-
公开(公告)号：CN117893472A
公开(公告)日：2024-04-16
申请号：CN202311716734.5
申请日：2023-12-14
IPC分类号： G06T7/00 , G06T7/11 , G06T7/13 , G06T7/136 , G06T7/62 , G06T5/94 , G06T5/20 , G06V10/28 , G06V10/764
摘要： 本发明公开一种锻钢非金属夹杂物半自动定性分析方法，包括步骤：(1)读取非金属夹杂物的显微图像，对其去黑边、去杂点、去划痕及综合滤波等预处理，自适应阈值分割得到二值图像；(2)对二值图像进行基于Canny边缘检测算法的轮廓提取，并对轮廓进行筛选和基于提出的harder max算法的二次绘制；(3)根据轮廓的圆整度、面积、最小外接矩形长宽比、粗糙度、方向性、长轮廓两端尖锐度等特征，以及原图轮廓中和轮廓外的像素值的均值进行分析，最终对非金属夹杂物图像分类，依据GB/T 10561对各类夹杂物进行定量评级。本方法相对基于深度学习的锻钢非金属夹杂物分析方法，准确率相当，计算效率更高，并且没有硬件要求。
-
公开(公告)号：CN117853722A
公开(公告)日：2024-04-09
申请号：CN202311727491.5
申请日：2023-12-15
IPC分类号： G06V10/26 , G06V10/762 , G06V10/44 , G06T7/13 , G06T5/50
摘要： 本发明公开了一种融合超像素信息的钢材金相组织分割方法，首先，获取待识别的金相图片，并输入到预处理模块中，去除杂点和噪声，确保整体亮度一致。接着，将处理后的图片输入到特征提取模块中，使用不同的滤波器来提取不同的特征图，并将其整合成金相特征图。然后，将金相特征图输入至K均值模块进行聚类分析，识别出不同的金相组织并将它们分割开来。接下来，结合超像素信息，以此分割来合并同类组织。超像素聚类信息提供了更加详细的图像信息，帮助区分有相似特征的金相组织。为了进一步提高分割的准确性，使用边缘提取方法，对超像素分割后的结果图进行边缘补偿。与传统的手动分割相比，本方法更加快速和自动化，大大减少了专家的时间和成本。
-
-
搜索结果
3 条记录 (耗时 0.067 秒)
