公开(公告)号：CN114862757A

公开(公告)日：2022-08-05

申请号：CN202210315958.4

申请日：2022-03-28

Applicant: 东北大学

Inventor： 谢植 ,  王玉晗 ,  孟红记 ,  何庆

IPC: G06T7/00 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明一种基于位置信息特征的金属凝固组织裂纹缺陷识别方法，属于图像处理技术领域，包括以下步骤：采集金属凝固组织裂纹缺陷图像；标注出图像上不同裂纹缺陷，调整图像尺寸，构建数据集，将数据集分为训练集和测试集；构建用来提取缺陷特征信息的深度学习模型；通过金属凝固组织裂纹缺陷训练集训练深度学习模型，得到训练好的深度学习模型；将测试集里的数据输入到训练好的深度学习模型中，得到金属凝固组织裂纹预测结果，本方法采用的深度学习是利用卷积提取图像高维特征，对包含不同种类的金属凝固组织裂纹缺陷训练样本进行学习训练，使网络记住不同类别缺陷的特征并具备识别未见过的缺陷图像的能力，同时提高识别效率实现了自动化识别方法。

公开(公告)号：CN118212504A

公开(公告)日：2024-06-18

申请号：CN202410628942.8

申请日：2024-05-21

Applicant: 东北大学

Inventor： 谢植 ,  王玉晗 ,  何庆

IPC: G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06V20/69 ,  G06V10/26 ,  G06V10/774

Abstract: 本发明属于低倍组织识别技术领域，涉及一种基于deepLabV2深度学习的低倍组织识别方法与系统，该方法包括：获取低倍组织图像；对低倍组织图像进行不同凝固组织标注；根据凝固原理切割低倍组织图像，得到数据集；将数据集划分为训练集和测试集；基于DeepLabV2网络构建深度学习网络模型；设置网络模型初始参数，并基于训练集对深度学习网络模型进行训练；基于测试集对训练好的深度学习网络模型进行测试，在深度学习网络模型的识别准确率满足预设要求的情况下，得到最终深度学习网络模型；基于最终深度学习网络模型对待识别图像中的低倍组织进行识别，并在原始图像上显示识别结果。其有益效果是，实现了连铸坯质量的自动化评估，提高了检测效率、降低了识别误差。

公开(公告)号：CN118212504B

公开(公告)日：2024-07-12

申请号：CN202410628942.8

申请日：2024-05-21

Applicant: 东北大学

Inventor： 谢植 ,  王玉晗 ,  何庆

IPC: G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06V20/69 ,  G06V10/26 ,  G06V10/774

Abstract: 本发明属于低倍组织识别技术领域，涉及一种基于deepLabV2深度学习的低倍组织识别方法与系统，该方法包括：获取低倍组织图像；对低倍组织图像进行不同凝固组织标注；根据凝固原理切割低倍组织图像，得到数据集；将数据集划分为训练集和测试集；基于DeepLabV2网络构建深度学习网络模型；设置网络模型初始参数，并基于训练集对深度学习网络模型进行训练；基于测试集对训练好的深度学习网络模型进行测试，在深度学习网络模型的识别准确率满足预设要求的情况下，得到最终深度学习网络模型；基于最终深度学习网络模型对待识别图像中的低倍组织进行识别，并在原始图像上显示识别结果。其有益效果是，实现了连铸坯质量的自动化评估，提高了检测效率、降低了识别误差。

公开(公告)号：CN114782473A

公开(公告)日：2022-07-22

申请号：CN202210307510.8

申请日：2022-03-25

Applicant: 东北大学

Inventor： 谢植 ,  王玉晗 ,  孟红记 ,  何庆

IPC: G06T7/13 ,  G06T7/00 ,  G06T7/12 ,  G06T5/00

Abstract: 本发明一种基于像素关系的金相组织晶界提取方法，属于图像处理技术领域，该方法包括以下步骤：获取待提取晶界的金相图像；对金相图像进行预处理，得到预处理后的金相图像；对预处理后的金相图像根据灰度值分为晶界部分和晶粒部分，对晶界部分进行骨架化处理，将其细化到单个像素宽度；提取预处理后的图像中的碳化物轮廓；对碳化物轮廓与骨架化后的图像进行合并，获得合并后的图像；对合并后的图像进行恢复和重建，得到重建后的晶界；对重建后的晶界根据邻域数量拆分成端点、交叉点和线段点三部分；根据拆分后晶界的像素关系提取出每个晶粒的晶界，本发明克服了通用晶界提取方法中提取伪晶界的问题，具有通用性和适用性。