一种基于U-net网络马氏体金相中原奥氏体晶界识别方法技术

本发明专利技术公开了一种基于U‑net网络马氏体金相中原奥氏体晶界识别方法，首先前期通过对初始晶界图像进行裁剪放缩预处理以及随机弹性变形等数据增强处理后，针对不同的晶界组织采用改进的U‑Net网络对样品数据进行图像识别处理过程，最后输出图像拼接还原完成识别过程。通过U‑Net网络对处理后的数据集进行深度学习训练后实现在较少样品及节约计算资源的情况下对晶界图像的精准识别过程，极大的提高了晶界图像识别的效率及准确率。

【技术实现步骤摘要】
一种基于U-net网络马氏体金相中原奥氏体晶界识别方法
本专利技术属于图像识别领域，涉及一种基于U-net网络马氏体金相中原奥氏体晶界识别方法。
技术介绍
钢铁材料以其优异的力学性能和低廉的成本，仍然是最重要和最广泛使用的材料之一，其微观组织类型、含量、尺寸、形貌及分布等特点决定了材料的性能，目前钢铁材料微观组织分类主要通过人工观察样品图像，并对其进行分类，其对于知识水平及经验要求较高，且效率低、误差大，因此研究金属材料微观组织的自动辨识具有重要意义。在大多数钢铁材料中，常温状态下的奥氏体组织已经完成相变。当奥氏体在淬火和回火条件下马氏体首先会在奥氏体晶界边缘形核生长，在马氏体生长的过程中原奥氏体晶界将会很难分辨，使得原奥氏体晶界的辨别需要专业人员进行分辨。不同材料在完成奥氏体向马氏体转变过程中，形态各不相同。马氏体在一定程度上体现了不同的取向与纹理。深度学习在某些特定的图像识别上具有独特的优势，其模型能有效从原始输入超高维度数据中学习高级特征，以及具备较高抗噪、复杂函数表达及泛化能力。而现有的深度学习与材料微观组织结构图像结合的研究较本文档来自技高网...

【技术保护点】
1.一种基于U-net网络马氏体金相中原奥氏体晶界图像识别方法，其特征在于：包括以下步骤：/nS1、图像预处理：在马氏体金相中原奥氏体晶界图像中，采用Seg-Net网络对马氏体取向的特征进行提取从而达到对原奥氏体晶界的识别；通过系统中裁剪放缩命令将进行图像识别过程的较大的初始图像数据裁剪放缩为若干数量小尺寸图像数据，以实现较小计算资源下的图像识别过程；/nS2、图像数据增强增广：将S1预处理后图像数据其中在U-net网络中只用每一个卷积层的有效部分，通过Overlap-tile策略输入任意大小的图像获得无缝分割的图像，再进行数据增强几何操作变换算法及随机弹性变形数据增强算法，实现对图像数据采用...

【技术特征摘要】
1.一种基于U-net网络马氏体金相中原奥氏体晶界图像识别方法，其特征在于：包括以下步骤：
S1、图像预处理：在马氏体金相中原奥氏体晶界图像中，采用Seg-Net网络对马氏体取向的特征进行提取从而达到对原奥氏体晶界的识别；通过系统中裁剪放缩命令将进行图像识别过程的较大的初始图像数据裁剪放缩为若干数量小尺寸图像数据，以实现较小计算资源下的图像识别过程；
S2、图像数据增强增广：将S1预处理后图像数据其中在U-net网络中只用每一个卷积层的有效部分，通过Overlap-tile策略输入任意大小的图像获得无缝分割的图像，再进行数据增强几何操作变换算法及随机弹性变形数据增强算法，实现对图像数据采用色彩抖动、尺寸变换、翻转变换、平移变换、噪声扰动及随机弹性变形中的至少一种图像数据增强，主要数据增广方式为随机弹性变形；
S3、深度学习训练：将S2完成了数据增强增广后的图像数据在U-net网络中进行深度学习训练，再将图像还原为原始尺寸，输出识别的结果，完成晶界图像的识别。


2.根据权利要求1所述的一种基于U-net网络马氏体金相中原奥氏体晶界识别方法，其特征在于：所述U-net网络结构包括上采样和下采样两部分，其中上采样方式采用反卷积方法，2*2的反卷积，融合、常规的两次3*3卷积、RELU激活层，将卷积过程看作矩阵的点乘形式；下采样方式采用常规的3*3卷积、RELU激活层以及2*2的最大池化层。


3.根据权利要求1或2所述的一种基于U-net网络马氏体金相中原奥氏体晶界识别方法，其特征在于：所述U-net网络为改进的U-net深度学习...

【专利技术属性】
技术研发人员：杨莉，苏航，黄健康，雷万庆，樊丁，史伟，于永旺，李金梅，王斌，徐旭，齐文宽，李志霞，李岗，张浪，
申请(专利权)人：兰州兰石检测技术有限公司，中国钢研科技集团有限公司，
类型：发明
国别省市：甘肃;62