本申请公开了人工智能领域中的一种多晶材料的晶粒度评级的方法和装置。该方法通过利用轮廓提取模型对晶粒图像进行处理，确定晶粒图像中的晶粒轮廓，并根据晶粒轮廓确定晶粒图像的晶粒度级别。从而，在实现较高的评级准确度的同时，可以降低确定晶粒图像中的晶粒轮廓的过程中对人工经验的依赖，提高多晶材料的晶粒度评级的效率。粒度评级的效率。粒度评级的效率。
【技术实现步骤摘要】
多晶材料的晶粒度评级的方法与装置
[0001]本申请涉及人工智能(artificial intelligence，AI)领域，并且更具体地，涉及一种多晶材料的晶粒度评级的方法与装置。
技术介绍
[0002]人工智能(artificial intelligence，AI)是计算机科学的一个分支，人工智能研究各种智能机器的设计原理与实现方法，使机器像人一样具有感知、推理与决策的功能。
[0003]计算机视觉是人工智能的一种实现方式，其应用于各个应用领域，如制造业、检验、文档分析、医疗诊断，和军事等领域，它是一门关于如何运用照相机/摄像机和计算机来获取我们所需的、被拍摄的数据与信息的学科。形象地说，就是给计算机安装上眼睛(照相机/摄像机)和大脑(算法)用来代替人眼对目标进行识别、跟踪和测量等，从而使计算机能够感知环境。总的来说，计算机视觉就是用各种成像系统(例如：照相机/摄像机)代替视觉器官获取输入信息，再由计算机来代替大脑对这些输入信息完成处理和解释。
[0004]钢铁等多晶材料出厂前需要做多项质量检测，其中，金相检测需求庞大。晶粒度检验是金相检验的一部分。晶粒度检验每年要检测的图像数量巨大。
[0005]根据晶粒图像，确定晶粒的轮廓，可以实现较为准确的晶粒度检测。但是晶粒轮廓确定的过程中，需要检验人员根据经验设定参数，因此检验结果受检验人员的主观因素影响较大，且检验效率低下。急需一种能够实现快速执行晶粒度评级，且评级过程客观，晶粒度结果准确的智能评级方案。
技术实现思路
[0006]本申请提供一种多晶材料的晶粒度评级的方法与装置，能够根据晶粒图像确定晶粒轮廓，避免对人工经验的依赖。
[0007]第一方面，提供了一种多晶材料的晶粒度评级的方法，该方法可以由电子装置执行。具体地，可以获取晶粒图像，并利用轮廓提取模型对所述晶粒图像进行处理以确定所述晶粒图像的晶粒轮廓。最后，根据所述晶粒轮廓，确定所述晶粒图像的晶粒度级别。
[0008]通过轮廓提取模型对晶粒图像的处理，确定用于晶粒度评级的晶粒轮廓，在实现较高的评级准确度的同时，能够降低晶粒度评级过程中对人工经验的依赖，提高晶粒度评级的效率。
[0009]结合第一方面，在一些可能的实现方式中，所述利用轮廓提取模型对所述晶粒图像进行处理，确定所述晶粒图像的晶粒轮廓，包括：输入所述晶粒图像至所述轮廓提取模型，其中，所述轮廓提取模型为经过预训练的人工智能AI模型；根据所述轮廓提取模型对所述晶粒图像的晶粒轮廓进行提取，获得所述晶粒图像的晶粒轮廓。
[0010]利用人工智能AI模型对晶粒图像进行晶粒轮廓的提取，降低晶粒度评级过程中对人工经验的依赖，提高晶粒度评级的效率。
[0011]结合第一方面，在一些可能的实现方式中，所述方法还包括：获取所述晶粒度图像
的标注轮廓；利用特征提取模型，提取所述标注轮廓的第一特征，并提取所述晶粒轮廓的第二特征；根据所述第一特征和所述第二特征的差异，调整所述轮廓提取模型的参数。
[0012]标注轮廓的第一特征能够反映标注轮廓的空间结构，晶粒轮廓的第二特征能够反映晶粒轮廓的空间结构。根据第一特征和第二特征的空间结构差异，调整轮廓提取模型的参数，使得轮廓提取模型输出的晶粒轮廓的空间结构更加准确，从而使得基于晶粒轮廓的晶粒度检测结果更加准确。
[0013]结合第一方面，在一些可能的实现方式中，所述标注轮廓是基于所述晶粒轮廓进行调整得到的。
[0014]可以通过人工确定轮廓提取模型输出的晶粒轮廓是否存在缺陷，并在存在缺陷的情况下对第一训练轮廓进行修改，以得到标注轮廓。降低人工标注的工作量，并且随着对轮廓提取模型的参数调整的进行，人工标注的工作量也会不断降低。
[0015]结合第一方面，在一些可能的实现方式中，所述轮廓提取模型包括编码器和解码器，所述特征提取模型包括所述编码器。
[0016]编码器可以用于对输入的晶粒图像进行特征提取，解码器用于对编码器输出的特征进行处理以得到晶粒轮廓。
[0017]将轮廓提取模型的编码器作为特征提取模型，无需对特征提取模型重新进行训练，降低训练过程的难度。
[0018]结合第一方面，在一些可能的实现方式中，所述根据所述晶粒轮廓，确定所述晶粒图像的晶粒度级别，包括：利用预设的评价机理和/或规则，根据所述晶粒轮廓，确定所述晶粒图像的晶粒度级别；或者，通过将所述晶粒轮廓与标准评级图进行比较，确定所述晶粒图像的晶粒度级别。
[0019]预设的评价机理和/或规则，例如可以是国家标准、企业标准等。利用预设的评价机理和/或规则进行晶粒度级别的确定，可以进一步降低晶粒度级别检测过程中对人工经验的依赖。通过对所述晶粒轮廓与标准评级图的比较，也是一种有效的用于确定晶粒度级别的方式。
[0020]结合第一方面，在一些可能的实现方式中，所述方法包括：获取训练晶粒图像和训练晶粒图像的标记轮廓；将所述训练晶粒图像输入初始轮廓提取模型，以得到所述训练晶粒图像的训练轮廓；根据所述标记轮廓和所述训练轮廓的差异，调整所述初始轮廓提取模型的参数，以得到所述轮廓提取模型。
[0021]第二方面，提供一种多晶材料的晶粒度评级装置，该多晶材料的晶粒度评级装置可以是电子设备。该多晶材料的晶粒度评级装置包括获取模块和处理模块。获取模块用于获取晶粒图像，所述晶粒图像用于表示所述多晶材料的晶粒分布。处理模块用于利用轮廓提取模型对所述晶粒图像进行处理，以确定所述晶粒图像的晶粒轮廓。处理模块还用于，根据所述晶粒轮廓，确定所述晶粒图像的晶粒度级别。
[0022]结合第二方面，在一些可能的实现方式中，所述处理模块还用于，输入所述晶粒图像至所述轮廓提取模型，其中，所述轮廓提取模型为经过预训练的人工智能AI模型。所述处理模块还用于，根据所述轮廓提取模型对所述晶粒图像的晶粒轮廓进行提取，获得所述晶粒图像的晶粒轮廓。
[0023]结合第二方面，在一些可能的实现方式中，获取模块还用于，获取所述晶粒度图像
的标注轮廓。处理模块还用于，利用特征提取模型，提取所述标注轮廓的第一特征，并提取所述晶粒轮廓的第二特征。处理模块还用于，根据所述第一特征和所述第二特征的差异，调整所述轮廓提取模型的参数。
[0024]结合第二方面，在一些可能的实现方式中，所述标注轮廓是基于所述晶粒轮廓进行调整得到的。
[0025]结合第二方面，在一些可能的实现方式中，所述轮廓提取模型包括编码器和解码器，所述特征提取模型包括所述编码器。
[0026]结合第二方面，在一些可能的实现方式中，所述处理模块还用于，利用预设的评价机理和/或规则，根据所述晶粒轮廓，确定所述晶粒图像的晶粒度级别；或者，通过将所述晶粒轮廓与标准评级图进行比较，确定所述晶粒图像的晶粒度级别。
[0027]结合第二方面，在一些可能的实现方式中，获取模块还用于，获取训练晶粒图像和训练晶粒图像的标记轮廓。处理模块还用于，将所述训练晶粒图像输入初始轮廓提取模型，以得到所述训练晶粒图像的训练轮本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种多晶材料的晶粒度评级的方法，其特征在于，所述方法包括：获取晶粒图像，所述晶粒图像用于表示所述多晶材料的晶粒分布；利用轮廓提取模型对所述晶粒图像进行处理，确定所述晶粒图像的晶粒轮廓；根据所述晶粒轮廓，确定所述晶粒图像的晶粒度级别。2.根据权利要求1所述的方法，其特征在于，所述利用轮廓提取模型对所述晶粒图像进行处理，确定所述晶粒图像的晶粒轮廓，包括：输入所述晶粒图像至所述轮廓提取模型，其中，所述轮廓提取模型为经过预训练的人工智能AI模型；根据所述轮廓提取模型对所述晶粒图像的晶粒轮廓进行提取，获得所述晶粒图像的晶粒轮廓。3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：获取所述晶粒度图像的标注轮廓；利用特征提取模型，提取所述标注轮廓的第一特征，并提取所述晶粒轮廓的第二特征；根据所述第一特征和所述第二特征的差异，调整所述轮廓提取模型的参数。4.根据权利要求3所述的方法，其特征在于，所述标注轮廓是基于所述晶粒轮廓进行调整得到的。5.根据权利要求3或4所述的方法，其特征在于，所述轮廓提取模型包括编码器和解码器，所述特征提取模型包括所述编码器。6.根据权利要求1-5任一项所述的方法，其特征在于，所述根据所述晶粒轮廓，确定所述晶粒图像的晶粒度级别，包括：利用预设的评价机理和/或规则，根据所述晶粒轮廓，确定所述晶粒图像的晶粒度级别；或者，通过将所述晶粒轮廓与标准评级图进行比较，确定所述晶粒图像的晶粒度级别。7.一种多晶材料的晶粒度评级装置，其特征在于，包括：获取模块和处理模块；所述获取模块用于，获取晶粒图像，所述晶粒图像用于表示所述多晶材料的晶粒分布；所述处理模块用于，利用轮廓提取模型对所述晶粒图像进...
【专利技术属性】
技术研发人员：黄丽思，景泉，李城梁，朱绪绅，
申请(专利权)人：华为云计算技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。