一种基于深度学习的氦泡分割计数方法技术

本发明专利技术涉及一种基于深度学习的氦泡分割计数方法，通过获取包含氦泡的单张图像，采用深度学习的全卷积神经网络，将图像分割为氦泡区域和非氦泡区域，并实现氦泡自动计数。与现有技术相比，本发明专利技术提高了合金氦泡的识别准确率和计数效率，可降低人工识别产生的人为计数误差，大幅节省分析人员工作时间。同时，该方法能够处理形态各异的不同演化时期的氦泡图像，并能克服成像过程中光照条件不均匀和尺度不一致等问题，实现更加可靠的氦泡识别和计数分析。该方法还可以根据用户的特定需求对所获取的TEM图像进行氦泡形态和尺寸等进行统计分析，极大提升了透射电镜在材料辐照性能方面的研究能力。

【技术实现步骤摘要】
一种基于深度学习的氦泡分割计数方法
本专利技术涉及一种图像识别方法，尤其是涉及一种基于深度学习的氦泡分割计数方法。
技术介绍
镍基合金因为其优异的耐熔盐腐蚀性及良好的高温力学性能成为熔盐堆结构材料的潜力候选者，而该材料在熔盐堆内受到中子和其它射线的辐照会发生高温氦脆现象，这是影响其在堆内服役性能的主要问题之一。这种高温氦脆主要是由于辐照产生的氦在合金晶界处聚集形成氦泡，晶界处氦泡的不断演变长大导致材料极其容易发生晶间断裂。例如在熔盐堆运行的高温条件下，慢中子与镍基合金中的10B发生(n,α)反应，快中子与合金中的Ni、Fe等核素发生(n,α)反应,都会使合金材料在产生材料缺陷的同时产生He。这些He原子在应力作用下，迁移到晶界并聚集形成空洞或氦泡，引起材料晶间断裂致使其延展性大大降低。氦脆行为严重影响金属的抗拉性能、蠕变性能以及缩短材料的疲劳寿命。因此在材料制备过程中需要准确了解氦泡在材料中的形成与生长演化机制，评估高温辐照后氦泡的演化对材料硬化程度的贡献。而研究氦泡的生长演化及其对材料辐照硬化的贡献都需要统计氦泡的形态、尺寸、及密度分本文档来自技高网...

【技术保护点】
1.一种基于深度学习的氦泡分割计数方法，其特征在于，包括：获取包含氦泡的单张图像，采用深度学习的全卷积神经网络，将图像分割为氦泡区域和非氦泡区域，并实现氦泡自动计数。/n

【技术特征摘要】
1.一种基于深度学习的氦泡分割计数方法，其特征在于，包括：获取包含氦泡的单张图像，采用深度学习的全卷积神经网络，将图像分割为氦泡区域和非氦泡区域，并实现氦泡自动计数。


2.根据权利要求1所述的一种基于深度学习的氦泡分割计数方法，其特征在于，所述的全卷积神经网络包括卷积层、池化层和反卷积层，训练样本包括原始图像和分割标注图像，所述的分割标注图像将原始图像分为氦泡区域和非氦泡区域。


3.根据权利要求2所述的一种基于深度学习的氦泡分割计数方法，其特征在于，所述的卷积层采用尺寸大小为n×n像素的卷积核与原始图像中的局部数据进行加权求和运算，直到卷积完所有的输入数据。


4.根据权利要求3所述的一种基于深度学习的氦泡分割计数方法，其特征在于，所述的n为奇数。


5.根据权利要求2所述的一种基于深度学习的氦泡分割计数方法，其特征在于，所述的池化层采用最大池化法，所述的反卷积层采用上采样方法，将经过卷积和池化层后缩...

【专利技术属性】
技术研发人员：孙九爱，吴忠航，张地大，朱天宝，林俊，刘仁多，
申请(专利权)人：上海健康医学院，
类型：发明
国别省市：上海;31