一种基于计算机视觉和深度学习的材料图像分割识别方法技术

本发明专利技术提出了一种基于计算机视觉和深度学习的材料图像分割识别方法，构建了一套基于计算机视觉的Trip钢图像处理方法，利用计算机视觉方法对图像进行高精度分割，并结合深度学习方法对Trip钢图像进行准确的分类和识别应用于金相微观组织图像数据，利用计算机视觉方法对Trip钢图像进行分割，之后在分割后的结果上，利用深度学习进行训练，对Trip钢的微观组织结构识别，该方法同时提高了钢铁微观组织结构的分割和识别准确率，进一步提升了金相晶粒中相的统计准确率，对后续材料性能的分析起到了决定性的作用。了决定性的作用。了决定性的作用。

【技术实现步骤摘要】
一种基于计算机视觉和深度学习的材料图像分割识别方法


[0001]本专利技术涉及钢铁金相图像分析和处理
，特别涉及一种基于计算机视觉和深度学习的材料图像分割识别方法。

技术介绍

[0002]目前大多数汽车车身构件在制作过程中必须进行深冲、拉延、凸缘及翻边等成型加工，这就要求汽车车身构件的钢板同时具有高强度和高塑性。具有相变诱发塑性效应的Trip钢就可满足上述的要求。所以合理的控制Trip钢的微观组织是Trip钢制备的关键技术，其中包括控制微观组织中各相体积分数、晶粒尺寸、形貌和分布。现阶段，基于材料图像的分析大致分为两类，一类是专家知识，主要是利用专业知识，人工的划分和识别图像中信息；第二类是基于计算机的方法，自动的分析图像，并获得材料图像中相应的材料性能分析数据。在材料学领域，如何更好的利用计算机技术是现阶段研究人员的主要研究方向。
[0003]随着计算机科学的发展，图像分析技术从原来的传统方法逐渐发展到深度学习方法，研究表明，深度学习方法在图像识别技术上，已经远超于人类。但深度学习需要大量的数据，用于训练学习模型，但材料数据的采本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于计算机视觉和深度学习的材料图像分割识别方法，其特征在于，包括如下的步骤：步骤一、利用计算机视觉的二值化方法，先将Trip钢中铁素体与贝氏体或残余奥氏体进行初步的分割，之后去除分割图中的噪声点，只留下图中的铁素体，并将分割结果保存在本地；步骤二、利用计算机视觉中寻找轮廓的方法，将提取出铁素体的轮廓，利用轮廓中的信息，裁剪成N*N的图像块，贝氏体或残余奥氏体在非铁素体区域随意取像素点进行裁剪，构建训练集；步骤三、使用卷积神经网络模型CNN
‑
TCAM对训练数据进行训练，并保存训练好的网络模型及其参数，其中CNN代表卷积神经网络结构，TCAM代表Trip钢微观组织图像；步骤四、对需要识别的Trip钢微观组织图像进行像素级的采样，并将其该像素扩展至N*N的大小，放入训练好的CNN
‑
TCAM模型中，自动识别出该像素块对应的相。2.根据权利要求1所述的一种基于计算机视觉和深度学习的材料图像分割识别方法，其特征在于，所述的步骤一包含以下子步骤：步骤1
‑
1、使用灰度直方图选择合适的二值化阈值，对图像进行二值化，对铁素体和贝氏体或残余奥氏体进行初步的划分，获得初始的分割图；步骤1
‑
2、计算分割图中每块区域的面积，通过设置的阈值，将面积小于阈值的区域的像素点设置为0，即移除小面积区域；步骤1
‑
3、保存分割结...

【专利技术属性】
技术研发人员：任姿颖，韩越兴，王璐，宋宝宇，耿志宇，周天鹏，张宇，宋君，
申请(专利权)人：鞍钢集团北京研究院有限公司，
类型：发明
国别省市：