【技术实现步骤摘要】
区域分割模型的训练方法、装置、设备及存储介质
本公开涉及计算机
,尤其涉及一种区域分割模型的训练方法、装置、设备及存储介质。
技术介绍
近年来,功率半导体器件广泛应用于高铁及轨道交通、汽车电子、风电、太阳能、家电节能、UPS(UninterruptiblePowerSystem,不间断电源)、数控机床、焊机、电力传输等领域。在真空回流焊接工艺过程中,器件中的绝缘基板与散热板之间的焊层可能会存在气孔。气孔的出现可能会影响模块的热性能,使得模块热阻增大、散热性能降低、器件局部温度升高。因此,快速准确地识别出气孔区域对器件的可靠性和使用寿命的研究显得十分重要。需要说明的是,在上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
本公开的目的在于提供一种区域分割模型的训练方法、装置、设备及存储介质,该方法训练得到的目标层分割模型及区域分割模型,可以对获取的断层图像进行分割,快速准确地获得分割的区域。本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。根据本公开的一方面,提供一种区域分割模型的训练方法,包括:获取待检测器件的断层图像;根据待检测器件的结构,确定断层图像的目标层;选取目标层及与目标层相邻的第一预设层数的各层的断层图像作为第一训练数据,对第一神经网络进行训练,得到目标层分割模型;以及基于预设的区域分割算法,对目标层的断层图像进行区域分割,并将分割出的各区域 ...
【技术保护点】
1.一种区域分割模型的训练方法,其特征在于,包括:/n获取待检测器件的断层图像;/n根据所述待检测器件的结构,确定所述断层图像的目标层;/n选取所述目标层及与所述目标层相邻的第一预设层数的各层的断层图像作为第一训练数据,对第一神经网络进行训练,得到目标层分割模型;以及/n基于预设的区域分割算法,对所述目标层的断层图像进行区域分割,并将分割出的各区域的断层图像作为第二训练数据,对第二神经网络进行训练,得到区域分割模型。/n
【技术特征摘要】
1.一种区域分割模型的训练方法,其特征在于,包括:
获取待检测器件的断层图像;
根据所述待检测器件的结构,确定所述断层图像的目标层;
选取所述目标层及与所述目标层相邻的第一预设层数的各层的断层图像作为第一训练数据,对第一神经网络进行训练,得到目标层分割模型;以及
基于预设的区域分割算法,对所述目标层的断层图像进行区域分割,并将分割出的各区域的断层图像作为第二训练数据,对第二神经网络进行训练,得到区域分割模型。
2.根据权利要求1所述的方法,其特征在于,根据所述待检测器件的结构,确定所述断层图像的目标层,包括:
根据所述待检测器件的结构,确定所述目标层在所述待检测器件的断层图像中的位置区间;
选取位于所述位置区间的第二预设层数的各层的断层图像;
分别对所述第二预设层数中各层的断层图像进行Laplace算子处理,得到各层的断层图像的灰度图;以及
选取所述第二预设层数中灰度图像的灰度值最大的层为所述目标层。
3.根据权利要求1所述的方法,其特征在于,基于预设的区域分割算法,对所述目标层的断层图像进行区域分割,包括:
基于种子区域生长算法,对分割出的所述目标层的断层图像进行区域分割。
4.根据权利要求1-3任一项所述的方法,其特征在于,选取所述目标层及与所述目标层相邻的第一预设层数的各层的断层图像作为第一训练数据,包括:
对所述目标层及所述第一预设层数的各层的断层图像进行图像变换处理,以增多作为所述第一训练数据的断层图像数量;以及
将增多后的所述第一训练数据中的一部分作为训练集对所述第一神经网络进行训练,得到所述目标层分割模型;另一部分作为测试集,对所述目标层分割模型进行测试。
5.根据权利要求1-3任一项所述的方法,其特征在于,将分割出的各区域的断层图像作为第二训练数据,包括:
对各区域的断层图像进行图像变换处理,以增多作为所述第二训练数据的断层图像数量;以及
将增多后的所述第二训练数据中的一部分作为训练集对所述第二神经网络进行训练,得到所述区域分割模型;另一部分作为测试集,对所述区域分割模型进行测试。
6.根据权利要求1-3任一项所述的方法,其特征在于,所述第一神经网络和/或所述第二神经网络包括:改进的DeepLabv3+网络模型。
7.一种气孔率检测方法,其特征在于,包括:
获取待检测器件的断层图像;
基于根据权利要求1-6任一项所述的区域...
【专利技术属性】
技术研发人员:李琰,刘双全,魏存峰,刘宝东,李春苗,邹艺,郑玉爽,
申请(专利权)人:中国科学院高能物理研究所,
类型:发明
国别省市:北京;11
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。