一种基于显微成像的合金粉末夹杂物的识别方法技术

本发明专利技术涉及基于显微成像的合金粉末夹杂物的识别方法，通过对杂质尺度分析、人工标注二次微调、随机数据融合以及数据切分等过程，最终得到丰富的训练数据；利用现阶段人工神经网络进行自动学习夹杂物与合金粉末各自特征，从而快速、准确识别夹杂物。与传统的合金粉夹杂物检测方法相比，这种基于人工神经网络的方法可以最大限度的减少人工工作量、加快合金粉末纯度检测，便于实验检测人员进行实时检测。便于实验检测人员进行实时检测。便于实验检测人员进行实时检测。

【技术实现步骤摘要】
一种基于显微成像的合金粉末夹杂物的识别方法


[0001]本专利技术涉及计算机视觉(CV)中目标检测方法，针对光学徕卡显微镜采集的带有夹杂物的合金粉末彩色图像，该方法可以通过将夹杂物信息(称为“前景”或杂质)与其他信息(称为“背景”)分离，使数据量扩充到原数据量的20倍以上。在保留原始数据特征的同时，添加更为丰富的人造数据，从而解决数据采集、标注成本高的问题。同时，该目标检测方法采用像素级别U
‑
Net[1]检测模型与区域框级别YoLO
‑
V3[2]检测模型，一定程度上解决了小目标检测困难的问题。在实际应用过程中，采集显微成像数据的同时，本文专利技术的检测方法能够实时判断合金粉末纯度，提高生产效率。

技术介绍

[0002]合金粉中夹杂物的来源与其制造过程有着紧密联系，在不同的制备方法和流程中合金粉杂质的含量也明显不同；在实际情况中，即使是同一制备流程，由于受生产材料、粉末类型等因素的影响，夹杂物的类型也存在着显著的差异；此外，在实际的检测应用中，还要考虑到检测的可行性、成本等因素，这些因素都为合金粉杂质的检测和本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于显微成像的合金粉末夹杂物的识别方法，包括数据预处理阶段、深度学习模型训练阶段以及检测识别阶段；所述数据预处理阶段包括：步骤1
‑
1：利用显微镜采集带有夹杂物的合金粉末图像，包含40倍、80倍、和/或120倍多尺度多幅彩色图像；步骤1
‑
2：对采集的图像数据标注夹杂物边界，利用KNN Matting算法对标注的夹杂物边界进行微调，以标注出夹杂物，并保留夹杂物对应的梯度变化矩阵，再根据标注的夹杂物将采集的图像分为“前景”图像和“背景”图像，其中所述“前景”图像指标注出的夹杂物图像，所述“背景”图像是采集的图像中去除“前景”图像得到的结果，包括合金粉末图像与用于铺设合金粉末的载体图像；步骤1
‑
3：对“前景”图像按其中的夹杂物尺寸分为第一类“前景”图像、第二类“前景”图像与第三类“前景”图像，其中在“前景”图像中，第一类“前景”图像的夹杂物的尺寸最小，第三类“前景”图像对应的夹杂物的尺寸最大，第二类“前景”图像的夹杂物尺寸介于第一类“前景”图像与第三类“前景”图像的夹杂物的尺寸中间；步骤1
‑
4：对“背景”数据集，去除数据集中“奇异点”数据，其中“奇异点”数据指在深度学习模型训练阶段将造成模型训练发生域偏移的“背景”图像；步骤1
‑
5：对“...

【专利技术属性】
技术研发人员：王海辉，武丹，罗学军，王学超，
申请(专利权)人：中国航发北京航空材料研究院，
类型：发明
国别省市：