【技术实现步骤摘要】
本专利技术涉及分类识别，具体涉及一种基于神经网络的材料金相照片数字化方法、设备和介质。
技术介绍
1、材料的性能由其微观组织决定。通常对微观组织照片的识别与统计由实验人员来进行。但由于人具有主观性且效率有限，难以实现对大规模图谱数据集的识别与统计。
2、卷积神经网络是近年来计算机视觉与人工智能领域最新的方法论突破，其衍生算法已经在人脸识别、自动驾驶等图像识别领域已有成熟的应用。将卷积神经网络方法应用于材料金相图谱识别领域，可实现对待识别照片的快速、智能、可定量化的识别与统计。该方法的主要应用场景之一，便是利用卷积神经网络对不同组织形态的材料金相照片进行分类。现有技术方案在对材料金相照片进行分类识别时的技术路线如图1所示。输入待识别照片后经过卷积层、池化层、relu层等进行特征提取后，由全连接层进行特征的汇总与转换，最终由softmax层处理后，输出分类结果。
3、但是现有对材料组织金相照片分类方法只能输出固定的分类。用于分类的卷积神经网络架构决定了网络最终输出只能为预先设定的若干类别。由于材料组织种类复杂，在初始...
【技术保护点】
1.一种基于神经网络的材料金相照片数字化方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，使用材料金相照片对卷积神经网络模型进行训练的具体过程：
3.如权利要求2所述的方法，其特征在于，所述预处理过程具体为：灰度图像转换：如果输入图像为RGB图像，则转换为灰度图像；如果输入图像为灰度图像，则跳过操作；图像裁剪：将经过灰度转换的金相照片平铺裁剪为固定长宽的小尺寸图像，其尺寸与卷积神经网络输入尺寸一致。
4.如权利要求2或3所述的方法，其特征在于，训练模型选择带动量梯度下降法求解器，使用交叉熵函数作为损失函数，批次数量为...
【技术特征摘要】
1.一种基于神经网络的材料金相照片数字化方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，使用材料金相照片对卷积神经网络模型进行训练的具体过程：
3.如权利要求2所述的方法，其特征在于，所述预处理过程具体为：灰度图像转换：如果输入图像为rgb图像，则转换为灰度图像；如果输入图像为灰度图像，则跳过操作；图像裁剪：将经过灰度转换的金相照片平铺裁剪为固定长宽的小尺寸图像，其尺寸与卷积神经网络输入尺寸一致。
4.如权利要求2或3所述的方法，其特征在于，训练模型选择带动量梯度下降法求解器，使用交叉熵...
【专利技术属性】
技术研发人员：苏航，王炫东，李南，杨丽，刘和平，侯雅青，孙旭，杨佳惠，贺笃鹏，
申请(专利权)人：中国钢研科技集团有限公司，
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。