AI识别晶粒度的方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术公开AI识别晶粒度的方法、装置、计算机设备及存储介质，该方法，包括如下步骤：获取待测图像，所述待测图像为含有标尺的晶粒图像；将待测图像输入至预设的第一检测模型中，获得与待测图像相对应的多个识别结果，基于所述多个识别结果，确定所述待测图像中的标尺实际长度；将待测图像输入至预设的第二检测模型中，获得与所述待测图像相对应的晶界图，将辅助线覆盖于晶界图上，获取辅助线和晶界相交数据信息；根据辅助线和晶界相交数据信息以及所述待测图像中的标尺实际长度，获取待测图像对应的晶粒度级别。本发明专利技术能够自动对不同级别的晶粒度图片进行识别并定级，减少人为主观因素造成的识别错误，使识别更为精准、更快速。

【技术实现步骤摘要】
AI识别晶粒度的方法、装置、计算机设备及存储介质
本专利技术涉及计算机
，尤其涉及AI识别晶粒度的方法、装置、计算机设备及存储介质。
技术介绍
在金相组织分析领域，晶粒度检测是一项极其重要的检测项目，晶粒度级别对产品合格与否的定性有着直接的影响。目前，对于晶粒度的检测评级主要有两种方式，一是依靠人工拍照，并将图片与国家标准中的标准图片进行比照，通过肉眼比照定级，人工比照法受主观意识影响明显，误差较大，且不同人员标准不统一；二是利用传统图像处理软件进行人工选取截点，利用截点数量进行计算，传统软件截点法步骤繁琐，耗时长，目前尚未提出有效的解决方案。
技术实现思路
为了解决上述技术问题，本专利技术提出AI识别晶粒度的方法、装置、计算机设备及存储介质，能够自动对不同级别的晶粒度图片进行识别并定级，减少人为主观因素造成的识别错误，使识别更为精准、更快速，技术方案如下：一种AI识别晶粒度的方法，包括如下步骤：获取待测图像，所述待测图像为含有标尺的晶粒图像；将待测图像输入至预设的第一检测模型中，获得与待测图像相对应的多个识别结果，基于所述多个识别结果，确定所述待测图像中的标尺实际长度；将待测图像输入至预设的第二检测模型中，获得与所述待测图像相对应的晶界图，将辅助线覆盖于晶界图上，获取辅助线和晶界相交数据信息；根据辅助线和晶界相交数据信息以及所述待测图像中的标尺实际长度，获取待测图像对应的晶粒度级别。在其中一个实施例中，所述将待测图像输入至预设的第一检测模型中，获得与待测图像相对应的多个识别结果，基于所述多个识别结果，确定所述待测图像中的标尺实际长度，具体包括如下步骤，识别所述待测图像相对应的标尺区域图中的数值区域图和线段区域图，并进行分割；将分割出的数值区域图输入预设的检测子模型中，获得数值区域图所代表的数值结果；将待测图像缩放至与数值结果相对应，获得待测图像与标准图之间的缩放比例；提取分割出的线段区域图中的线段轮廓并计算线段轮廓的像素点长度；结合缩放比例和线段轮廓的像素点长度，得出对应线段所代表的实际数值，从而得出标尺的实际长度。在其中一个实施例中，所述提取分割出的线段区域图中的线段轮廓，包括如下步骤，将分割出的线段区域图进行边缘检测，得到边缘检测结果；对边缘结果进行骨架提取，提取出线段轮廓。在其中一个实施例中，所述方法还包括如下步骤：将所述待测图像相对应的晶界图进行预处理，所述预处理为基于待测图像中晶界与周围区域之间的灰度差异，采用自适应阈值二值化法对晶界图像进行二值化。在其中一个实施例中，所述根据辅助线和晶界相交数据信息以及所述待测图像中的标尺实际长度，获取待测图像对应的晶粒度评级，包括如下步骤：根据辅助线和晶界相交的交点数，计算单位长度下截线段数和/或截点数，基于所述截线段数，和/或截点数以及所述待测图像中的标尺实际长度，计算对应的晶粒度级别。在其中一个实施例中，所述根据辅助线和晶界相交数据信息以及所述待测图像中的标尺实际长度，获取待测图像对应的晶粒度评级，包括如下步骤：根据辅助线和晶界相交的交点数，计算单位长度下截线段数或截点数，并根据截线段数或截点数计算平均截距值，基于所述平均截距值以及所述待测图像中的标尺实际长度，计算对应的晶粒度级别或参照对应的晶粒度级别对照表确定对应的晶粒度级别。在其中一个实施例中，所述第一检测模型、所述第二检测模型通过如下步骤训练得到：将获得待训练的样本数据集，所述样本数据集中的每个样本数据包含有标尺的晶粒图像及其对应的标注图像；对所述样本数据集进行预处理，获得处理后的样本数据集；使用机器学习算法对所述处理后的样本数据集进行机器学习，生成对应的检测模型。一种AI识别晶粒度的装置，包括：获取单元，用于获取待测图像，所述待测图像为含有标尺的晶粒图像，并将待测图像输入至第一识别模型、第二识别模型中；第一输入单元，用于将待测图像输入至预设的第一检测模型中，获得与待测图像相对应的多个识别结果，基于所述多个识别结果，确定所述待测图像中的标尺实际长度；第二输入单元，用于将待测图像输入至预设的第二检测模型中，获得与所述待测图像相对应的晶界图，将辅助线覆盖于晶界图上，获取辅助线和晶界相交数据信息；处理单元，用于根据辅助线和晶界相交数据信息以及所述待测图像中的标尺实际长度，获取待测图像对应的晶粒度评级。一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行如上述一种AI识别晶粒度的方法的步骤。一种存储有计算机可读指令的存储介质，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行如上述一种AI识别晶粒度的方法的步骤。基于上述技术方案，本专利技术的有益效果是：本专利技术克服现有传统技术的不足，能够适应不同级别的晶粒度图片，且无需人工干预，自动对金相图片不同级别的晶粒度图片进行高精度识别，最大限度地减少人为主观因素造成的识别错误，使识别更为精准、更快速。附图说明下面结合附图对本专利技术的具体实施方式作进一步详细的说明。图1：一个实施例中AI识别晶粒度的方法的应用环境图；图2：一个实施例中一种AI识别晶粒度的方法流程示意图；图3：一个实施例中待测图像中晶粒与晶界的示意图；图4：一个实施例中辅助线的示意图；图5：一个实施例中辅助线覆盖于待测图像上与晶界相交时的示意图；图6：一个实施例中金相组织的识别装置的结构框图；图7：一个实施例中计算机设备的内部结构图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述。本申请实施例提供的AI识别晶粒度的方法，可以应用于如图1所示的应用环境中。如图1所示，该应用环境包括计算机设备110。计算机设备110可以获取待测图像，所述待测图像为含有标尺的晶粒图像；计算机设备110可以将待测图像输入至预设的第一检测模型中，获得与待测图像相对应的多个识别结果，基于所述多个识别结果，确定所述待测图像中的标尺实际长度；计算机设备110可以将待测图像输入至预设的第二检测模型中，获得与所述待测图像相对应的晶界图，将辅助线覆盖于晶界图上，获取辅助线和晶界相交数据信息；计算机设备110可以根据辅助线和晶界相交数据信息以及所述待测图像中的标尺实际长度，获取待测图像对应的晶粒度级别，其中，计算机设备110可以但不限于是各种个人计算机、笔记本电脑、机器人、平板电脑等。在一个实施例中，如图2所示，提供一种AI识别晶粒度的方法，包括如下步骤：步骤202，获取待测图像，所述待测图像为含有标尺的晶粒图像；本实施例中，可以通过金相显微镜观察大量的金属材料试样的金属组织并采集相应的金相组织图像，这样，就可以得到含有标尺的晶粒图像。步骤20本文档来自技高网...

【技术保护点】
1.一种AI识别晶粒度的方法，其特征在于，包括如下步骤：/n获取待测图像，所述待测图像为含有标尺的晶粒图像；/n将待测图像输入至预设的第一检测模型中，获得与待测图像相对应的多个识别结果，基于所述多个识别结果，确定所述待测图像中的标尺实际长度；/n将待测图像输入至预设的第二检测模型中，获得与所述待测图像相对应的晶界图，将辅助线覆盖于晶界图上，获取辅助线和晶界相交数据信息；/n根据辅助线和晶界相交数据信息以及所述待测图像中的标尺实际长度，获取待测图像对应的晶粒度级别。/n

【技术特征摘要】
1.一种AI识别晶粒度的方法，其特征在于，包括如下步骤：
获取待测图像，所述待测图像为含有标尺的晶粒图像；
将待测图像输入至预设的第一检测模型中，获得与待测图像相对应的多个识别结果，基于所述多个识别结果，确定所述待测图像中的标尺实际长度；
将待测图像输入至预设的第二检测模型中，获得与所述待测图像相对应的晶界图，将辅助线覆盖于晶界图上，获取辅助线和晶界相交数据信息；
根据辅助线和晶界相交数据信息以及所述待测图像中的标尺实际长度，获取待测图像对应的晶粒度级别。


2.根据权利要求1所述的一种AI识别晶粒度的方法，其特征在于，所述将待测图像输入至预设的第一检测模型中，获得与待测图像相对应的多个识别结果，基于所述多个识别结果，确定所述待测图像中的标尺实际长度，具体包括如下步骤，
识别所述待测图像相对应的标尺区域图中的数值区域图和线段区域图，并进行分割；
将分割出的数值区域图输入预设的检测子模型中，获得数值区域图所代表的数值结果；
将待测图像缩放至与数值结果相对应，获得待测图像与标准图之间的缩放比例；
提取分割出的线段区域图中的线段轮廓并计算线段轮廓的像素点长度；
结合缩放比例和线段轮廓的像素点长度，得出对应线段所代表的实际数值，从而得出标尺的实际长度。


3.根据权利要求2所述的一种AI识别晶粒度的方法，其特征在于，所述提取分割出的线段区域图中的线段轮廓，包括如下步骤，
将分割出的线段区域图进行边缘检测，得到边缘检测结果；
对边缘结果进行骨架提取，提取出线段轮廓。


4.根据权利要求1所述的一种AI识别晶粒度的方法，其特征在于，还包括如下步骤：
将所述待测图像相对应的晶界图进行预处理，所述预处理为基于待测图像中晶界与周围区域之间的灰度差异，采用自适应阈值二值化法对晶界图像进行二值化。


5.根据权利要求1所述的一种AI识别晶粒度的方法，其特征在于，所述根据辅助线和晶界相交数据信息以及所述待测图像中的标尺实际长度，获取待测图像对应的晶粒度评级，包括如下步骤：
根据辅助线和晶界相交的交点数，计算单位长度下截线段数和/或截点数，基于所述截线段数，和/...

【专利技术属性】
技术研发人员：皮晓宇，张国滨，孙成祥，陈睿，
申请(专利权)人：汇鸿智能科技辽宁有限公司，
类型：发明
国别省市：辽宁;21