一种基于增量学习的镍基高温合金中晶界提取方法及系统技术方案

本发明专利技术公开了一种基于增量学习的镍基高温合金中晶界提取方法及系统，包括：获取被检测目标的晶粒图像；对晶粒图像进行预处理，得到晶粒图像中晶界特征值，晶界特征识别机器学习网络模型设置依据特征值，通过基础分割网络模型参数集合得到晶界识别判断结果，若用户调整晶界识别判断结果，将调整后的晶界识别结果作为最终识别结果输出，并对晶粒图像识别机器学习模型进行优化更新；本发明专利技术通过机器学习进行晶粒图像中晶界的识别，利用多任务、多标签的增量学习方法，并根据最终识别结果与新增任务进行增量优化，持续更新迭代机器学习模型，提高算法模型的精度与泛化能力，有效提高了晶界识别的准确性，克服了以往晶界识别算法精度低、效果差的缺陷。效果差的缺陷。效果差的缺陷。

【技术实现步骤摘要】
一种基于增量学习的镍基高温合金中晶界提取方法及系统


[0001]本专利技术涉及图像处理
，具体而言，涉及一种基于增量学习的镍基高温合金中晶界提取方法及系统。

技术介绍

[0002]镍基高温合金具有优良的成分兼容性、良好的组织稳定性、抗氧化和抗腐蚀性能，被广泛用于航空发动机和地面燃气轮机的涡轮叶片等关键的热端部件。在显微镜下，可以观察到镍基高温合金是由许多细小的晶粒组成，晶粒的大小影响着金属的拉伸强度、韧性以及耐久度等常规力学性能。晶粒图像分析是检测材料性能的主要技术手段。因此，为了方便测量晶粒大小，准确而有效地提取晶界非常重要。现有的晶界提取技术中采用的Canny、Sobel和Kirsch等边缘检测算子虽然能够有效定位到晶粒边缘，但是容易受到诸多因素的干扰。
[0003]近年来，随着以深度学习为代表的机器学习技术发展迅速，在材料科学领域，为材料学的研究提供了新的手段和技术，有效弥补了传统材料研究手段不足。目前，深度学习已经在钢铁缺陷检测、夹杂物检测、晶界检测等材料微观组织结构图像识别中得到了应用，并取得了不错的成绩。现有的通过深度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于增量学习的镍基高温合金中晶界提取方法，其特征在于，包括以下步骤：采集镍基高温合金的晶粒图像，获得晶粒图像数据集；对所述晶粒图像数据集中的晶粒图像进行去噪、增强处理后，获得所述处理后的晶粒图像集；对所述晶粒图像集中的每个晶粒图像中的晶界进行标注，获得每个晶粒图像各自对应的晶界标注图像；对所述晶粒图像进行数据扩增，构建训练样本数据集；基于语义分割模型，通过所述样本数据集进行机器学习训练，构建用于晶界识别的识别模型；基于所述识别模型，采集所述镍基高温合金的未识别的晶粒图像，并进行晶界识别，获得所述镍基高温合金的晶界图像。2.根据权利要求1所述一种基于增量学习的镍基高温合金中晶界提取方法，其特征在于：在采集晶粒图像的过程中，将金相显微镜或电镜所采集晶粒图像用于所述晶粒图像晶界的识别。3.根据权利要求2所述一种基于增量学习的镍基高温合金中晶界提取方法，其特征在于：在对晶粒图像进行去噪、增强处理的过程中，通过滤波、亮度、对比度调节，去除噪声，增强晶粒的边缘，获得处理后的样本数据集；对所述晶粒图像集中的每个晶粒图像中的晶界进行标注，获得每个晶粒图像各自对应的晶界标注图像；将每个晶粒图像及其对应的晶界标注图像作为样本数据，获得晶粒图像样本数据集。4.根据权利要求3所述一种基于增量学习的镍基高温合金中晶界提取方法，其特征在于：在构建数据集的过程中，将经去噪、增强处理后的所述晶粒图像，切分为大小相同的小尺寸样本，再通过旋转、镜像、添加噪声、色彩抖动进行数据增强后，构建待训练的样本数据集。5.根...

【专利技术属性】
技术研发人员：石慧，余兴，朱一妃，沈学静，贾云海，王海舟，赵雷，卢毓华，
申请(专利权)人：钢研纳克检测技术股份有限公司，
类型：发明
国别省市：