公开(公告)号：CN114972300A

公开(公告)日：2022-08-30

申请号：CN202210684129.3

申请日：2022-06-17

Applicant: 鞍钢集团北京研究院有限公司

Inventor： 任姿颖 ,  韩越兴 ,  王璐 ,  宋宝宇 ,  耿志宇 ,  周天鹏 ,  张宇 ,  宋君

IPC: G06T7/00 ,  G06T7/11 ,  G06T7/62 ,  G06T5/00 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明提出了一种基于计算机视觉和深度学习的材料图像分割识别方法，构建了一套基于计算机视觉的Trip钢图像处理方法，利用计算机视觉方法对图像进行高精度分割，并结合深度学习方法对Trip钢图像进行准确的分类和识别应用于金相微观组织图像数据，利用计算机视觉方法对Trip钢图像进行分割，之后在分割后的结果上，利用深度学习进行训练，对Trip钢的微观组织结构识别，该方法同时提高了钢铁微观组织结构的分割和识别准确率，进一步提升了金相晶粒中相的统计准确率，对后续材料性能的分析起到了决定性的作用。

公开(公告)号：CN114581471A

公开(公告)日：2022-06-03

申请号：CN202210151321.6

申请日：2022-02-16

Applicant: 鞍钢集团北京研究院有限公司

Inventor： 任姿颖 ,  王璐 ,  张宇 ,  韩越兴 ,  耿志宇 ,  宋宝宇 ,  周天鹏 ,  曹忠华 ,  王静静 ,  薛晗 ,  成霄翔

IPC: G06T7/13 ,  G06T7/00 ,  G06T5/00 ,  G06T5/50

Abstract: 本申请提出了一种DP钢微观组织图像分割方法、装置和电子设备。其中，该方法包括：通过对获取的马氏体双相DP钢微观组织图像进行晶粒边缘检测，得到DP钢微观组织图像对应的晶粒边缘图，并基于晶粒边缘图中的晶粒颗数，对晶粒边缘图进行分割，以得到晶粒边缘图对应的多个超像素块，再对多个超像素块中满足合并条件的相邻两个超像素块进行合并，以得到DP钢微观组织的目标晶粒边缘图，由此，基于对DP钢微观组织图像对应的晶粒边缘图进行分割，并将分割后满足合并条件的相邻两个超像素块进行合并，从而可准确得到DP钢微观组织图像对应的目标晶粒边缘图，实现对DP钢微观组织图像的高精度分割，提高了DP钢微观组织图像的分割精度。

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

Applicant: 鞍钢集团北京研究院有限公司

Inventor： 任姿颖 ,  张宇 ,  王璐 ,  韩越兴 ,  周天鹏 ,  宋宝宇 ,  耿志宇 ,  宋君 ,  曹忠华

IPC: G06V20/69 ,  G06V10/26 ,  G06V10/82

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。