一种基于深度学习TEM图像分割的粒径分析方法技术

本发明专利技术提供一种基于深度学习TEM图像分割的粒径分析方法，包括以下步骤：S1：准备数据集，对数据集中的图像待进行标注，按一定的比例将已标注的图像分为训练集和验证集；S2：构建深度学习神经网络架构，采用训练集对深度学习神经网络架构进行训练，采用验证集数据验证深度学习神经网络架构性能，然后将训练好的深度学习神经网络架构和参数进行储存；S3：利用步骤S2得到的深度学习神经网络架构对待分析图像进行语义分割；S4：针对处理后的语义分割图像中颗粒的直径进行直方图统计，将直方图作为纳米颗粒粒径分析的结果。本发明专利技术解决了现有技术中利用人工标记与测量TEM图像中纳米颗粒直径，费时耗力且不准确的问题。

【技术实现步骤摘要】
一种基于深度学习TEM图像分割的粒径分析方法
本专利技术涉及材料科学领域，具体而言，尤其涉及一种基于深度学习TEM图像分割的粒径分析方法。
技术介绍
在材料科学领域，纳米颗粒的粒径(粒子直径)分析是影响催化材料性能的关键性因素之一，会影响化学活性和吸附能力等。如何检测颗粒粒径成为纳米材料制备和应用等方面需要首要解决的问题。目前，研究人员主要通过透射电子显微镜来获取材料的图像，直接获取纳米颗粒形状及粒径分布等信息。在之前的做法中，通过人工标注的方法来分析TEM图像中的纳米颗粒的粒径分布，比如利用ImageJ软件，过程非常繁琐且标注数量不能达到统计样本数量的需求，其次颗粒的大小和尺寸不均匀，无法准确、定量、大规模的统计纳米颗粒直径；另外还有一类方法是利用图像处理的方法提取图像中颗粒特征，包括检测边缘的霍夫圆检测算法、特征空间分类等算法，但是这类算法移植性较差且需要同时了解材料学和图像处理领域的知识，可实现性差。
技术实现思路
根据上述提出现有技术中获取纳米颗粒形状及粒径分布等信息的方法过程繁琐、可实现性差的问题，而提供一本文档来自技高网...

【技术保护点】
1.一种基于深度学习TEM图像分割的粒径分析方法，其特征在于，包括以下步骤：/nS1：准备数据集，对数据集中的图像待进行标注，将图像上的纳米颗粒部分作为前景，其余部分作为背景，然后分别采用不同颜色进行标注，得到标注图像，按一定的比例将已标注的图像分为训练集和验证集；/nS2：构建深度学习神经网络架构，采用训练集对深度学习神经网络架构进行训练，采用验证集数据验证深度学习神经网络架构性能，然后将训练好的深度学习神经网络架构和参数进行储存；/nS3：利用步骤S2得到的深度学习神经网络架构对待分析图像进行语义分割；/nS4：针对处理后的语义分割图像中纳米颗粒的直径进行直方图统计，将直方图作为纳米颗粒粒...

【技术特征摘要】
1.一种基于深度学习TEM图像分割的粒径分析方法，其特征在于，包括以下步骤：
S1：准备数据集，对数据集中的图像待进行标注，将图像上的纳米颗粒部分作为前景，其余部分作为背景，然后分别采用不同颜色进行标注，得到标注图像，按一定的比例将已标注的图像分为训练集和验证集；
S2：构建深度学习神经网络架构，采用训练集对深度学习神经网络架构进行训练，采用验证集数据验证深度学习神经网络架构性能，然后将训练好的深度学习神经网络架构和参数进行储存；
S3：利用步骤S2得到的深度学习神经网络架构对待分析图像进行语义分割；
S4：针对处理后的语义分割图像中纳米颗粒的直径进行直方图统计，将直方图作为纳米颗粒粒径分析的结果。


2.根据权利要求1所述的基于深度学习TEM图像分割的粒径分析方法，其特征在于，步骤S2中的深度学习神经网络架构包括收缩路径和扩张路径，其中，扩张路径包括金字塔池化操作。


3.根据权利要求2所述的基于深度学习TEM图像分割的粒径分析方法，其特征在于，收缩路径包括以下具体步骤：输入TEM图像，进行3×3卷积操作，以及，3×3、步长为1的可分离卷积模块操作，得到第一层特征；然后连续进行4次3×3、步长为2的可分离卷积模块操作，分别得到第二层特征、第三层特征、第四层特征和第五层特征，完成下采样过程得到图像的每一高层特征。


4.根据权利要求2所述的基于深度学习TEM图像分割的粒径分析方法，其特征在于，扩张路径包括以下具体步骤：
首先将收缩路径得到的第五层特征进行金字塔池化，然后再与收缩路径的第五层特征进行1×1卷积操作，得到扩张路径第五层的输出；
接着进行2×2上采样，与收缩路径第四层特征进行1×1卷积操作、金字塔池化操作、1×1卷积操作和3×3卷积操作模块，得到扩张路径第四层的输出；
接着进行2×2上采样，与收缩路径第三层特征进行1×1卷积操作、金字塔池化操作、1×1卷积操作和3×3卷积操作模块，得到扩张路径第...

【专利技术属性】
技术研发人员：刘淑慧，刘伟，
申请(专利权)人：大连交通大学，
类型：发明
国别省市：辽宁;21