【技术实现步骤摘要】
一种金相智能识别方法、装置及介质
[0001]本申请涉及金相检测
,尤其是涉及一种金相智能识别方法
、
装置及介质
。
技术介绍
[0002]金相是指金属或合金的各种成分在合金内部的物理或化学状态,金相组织反应金属金相的具体形态
。
[0003]目前金相智能识别系统多采用单任务深度学习方法,主要只对金相组织进行分类识别,或单独对某一属性如硬度或强度进行预测,无法同时获取金相图像分类识别与多个属性预测的信息,因此无法实现对材料全面
、
准确的理解与判断
。
技术实现思路
[0004]本申请提供了一种金相智能识别方法
、
装置及介质,能够同时实现对金相图像的分类识别与属性的预测,以对材料进行全面
、
准确的理解与判断
。
[0005]为了实现上述目的,本专利技术采用了如下技术方案:
[0006]第一方面,本专利技术提供一种金相智能识别方法,所述方法包括:
[0007]采集金相图像和所述图像对应的分类数据
、
属性数据,得到原始金相图像数据集;
[0008]利用原始金相图像数据集训练初始金相识别模型,得到预训练的金相识别模型,所述初始金相识别模型是将预训练的深度
CNN
模型最后一层去掉,并采用迁移学习方法添加分类模型和回归模型;
[0009]将待识别的金相图像输入到预训练的金相识别模型中,得到待识别的金相图像的金相分类信息和属 ...
【技术保护点】
【技术特征摘要】
1.
一种金相智能识别方法,其特征在于,所述方法包括:采集金相图像和所述图像对应的分类数据
、
属性数据,得到原始金相图像数据集;利用原始金相图像数据集训练初始金相识别模型,得到预训练的金相识别模型,所述初始金相识别模型是将预训练的深度
CNN
模型最后一层去掉,并采用迁移学习方法添加分类模型和回归模型;将待识别的金相图像输入到预训练的金相识别模型中,得到待识别的金相图像的金相分类信息和属性信息
。2.
根据权利要求1所述的金相智能识别方法,其特征在于,在所述采集金相图像和所述图像对应的分类数据
、
属性数据之后,得到原始金相图像数据集之前,对采集的金相图像进行归一化处理
,
以及对所采集的金相图像对应的属性数据进行标准化处理
。3.
根据权利要求1所述的金相智能识别方法,其特征在于,所述利用原始金相图像数据集训练初始金相识别模型,得到预训练的金相识别模型,包括:将采集的金相图像输入初始金相识别模型,得到的所述采集金相图像的分类结果
、
关键属性预测结果;根据分类结果计算损失函数
、
关键属性预测结果的损失函数以及总损失函数确定分类结果损失
、
关键属性预测结果损失以及总损失;其中,所述分类结果计算损失函数为
:
其中,
y
i
为图像的真实类别的
One
‑
Hot
编码,为所述分类模型预测的类别概率,
L
cls
为交叉熵损失;所述关键属性预测结果的损失函数为:其中,
Y
i
为图像真实属性值,为所述回归模型预测的属性值,
L
reg
为均方误差;所述总损失函数为:
L
total
=
L
cls
+L
reg
;其中,
L
total
为总损...
【专利技术属性】
技术研发人员:卢振宇,林珠,谭旭南,
申请(专利权)人:广州珠江天然气发电有限公司,
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。