【技术实现步骤摘要】
一种晶体材料图像识别方法及装置
本申请涉及图像处理
，尤其涉及一种晶体材料图像识别方法及装置。
技术介绍
晶体能实现电、磁、光、声和力的交互作用和转换，晶体材料的研究在材料科学领域占据着重要的领域。目前，以高新技术产业带领的新兴行业正飞速发展，晶体材料正面临着技术革新的挑战。通过计算机的图像分析和处理方法对晶体材料显微结构图进行充分研究，能够更有针对性地改善晶体材料的性能。通过显微镜提取晶体材料的显微结构图像，然后对图像中的晶粒轮廓作出检测或分类，自动获取晶粒的尺寸，晶粒形状以及晶粒数等信息，通过对这些信息进行晶粒识别的统计分析，为晶体材料在近代科学技术的发展提供重要的指导依据。针对晶体材料图像的研究，传统算法中人为设定的色调阈值不能满足由于不同的图像中色度、亮度、对比度等不相同条件得到的图像，而采用自适应阈值分割的方法对晶体材料图像进行二值分割，进而根据形态参数进行统计分析的方法可以解决这一问题，但是这种方法对晶体的轮廓提取精度不高，导致晶体基于轮廓识别的准确度较低。
技术实现思路
有鉴于此，本申请提供了一种晶体材料图像识别方法及装置，解决了晶体的轮廓提取精度...
【技术保护点】
1.一种晶体材料图像识别方法，其特征在于，包括：将获取到的晶体材料图像测试数据集输入到训练完成的Mask R‑CNN网络模型中进行测试，得到预测二值化掩模图像，其中，所述Mask R‑CNN网络模型包括：用于获取晶体材料图像的浅层特征图和深层特征图的特征提取网络，用于融合所述浅层特征图和深层特征图，得到融合特征图的特征金字塔网络，用于确定所述融合特征图中晶粒的感兴趣区域的区域建议网络；拟合出所述预测二值化掩模图像中的晶粒轮廓，对所述晶粒轮廓进行统计得到晶粒的信息，其中，所述晶粒的信息包括：各晶粒的尺寸。
【技术特征摘要】
1.一种晶体材料图像识别方法，其特征在于，包括：将获取到的晶体材料图像测试数据集输入到训练完成的MaskR-CNN网络模型中进行测试，得到预测二值化掩模图像，其中，所述MaskR-CNN网络模型包括：用于获取晶体材料图像的浅层特征图和深层特征图的特征提取网络，用于融合所述浅层特征图和深层特征图，得到融合特征图的特征金字塔网络，用于确定所述融合特征图中晶粒的感兴趣区域的区域建议网络；拟合出所述预测二值化掩模图像中的晶粒轮廓，对所述晶粒轮廓进行统计得到晶粒的信息，其中，所述晶粒的信息包括：各晶粒的尺寸。2.根据权利要求1所述的晶体材料图像识别方法，其特征在于，所述特征金字塔网络具体用于：通过上采样处理将所述浅层特征图和所述深层特征图在特征金字塔网络中自上而下地逐步融合，得到融合特征图。3.根据权利要求1所述的晶体材料图像识别方法，其特征在于，所述拟合出所述预测二值化掩模图像中的晶粒轮廓，对所述晶粒轮廓进行统计得到晶粒的信息，包括：采用最小二乘法拟合出所述预测二值化掩模图像中所述晶粒轮廓。4.根据权利要求1所述的晶体材料图像识别方法，其特征在于，还包括：用增强处理后的晶体材料图像训练数据集和对应的二值化掩模图像数据集训练MaskR-CNN网络模型，得到所述训练完成的MaskR-CNN网络模型。5.根据权利要求4所述的晶体材料图像识别方法，其特征在于，还包括：将晶体材料图像训练数据集以及对应的二值化掩模图像数据集进行增强处理，得到增强处理后的晶体材料图像训练数据集和对应的二值化掩模图像数据集。6.根据权利要求5所述的晶体材料图像的识别方法，其特征在于，所述将晶体材料图像训练数据集以及对应的二值化掩模图像数据集进行增强，之前还包括：将所述晶体材料图像训练数据集的晶体材料图像进行裁剪；利用Labelme将裁剪后的晶体材料图像进行标注，得到对应的json格式文件，所述j...
【专利技术属性】
技术研发人员：郑尹杰，张鹏杰，左飞，袁莉娟，林华泰，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。