-
公开(公告)号：CN112396618B
公开(公告)日：2022-02-18
申请号：CN202011262628.0
申请日：2020-11-12
Applicant: 北京科技大学
Abstract: 本发明公开了一种基于图像处理的晶界提取及晶粒度测量方法，包括：在检测晶界时，采取分段模糊处理的方式，对金相组织的边缘进行晶界检测；在使用极限腐蚀分割晶粒时，采取4邻域和8邻域逐层交替腐蚀的方式，在每一层腐蚀完成后，计算剩余晶粒的连通面积，使面积较小的晶粒不参与下一次的腐蚀，保留小的晶粒，从而提高检测精度；最后对晶界进行细化剪枝处理，得到清晰的闭合晶界。根据标准方法，对微观组织进行自动分析。本发明可以从金相图像中准确提取晶界，并有效提高晶粒度测量的效率及精度。
-
公开(公告)号：CN112396618A
公开(公告)日：2021-02-23
申请号：CN202011262628.0
申请日：2020-11-12
Applicant: 北京科技大学
Abstract: 本发明公开了一种基于图像处理的晶界提取及晶粒度测量方法，包括：在检测晶界时，采取分段模糊处理的方式，对金相组织的边缘进行晶界检测；在使用极限腐蚀分割晶粒时，采取4邻域和8邻域逐层交替腐蚀的方式，在每一层腐蚀完成后，计算剩余晶粒的连通面积，使面积较小的晶粒不参与下一次的腐蚀，保留小的晶粒，从而提高检测精度；最后对晶界进行细化剪枝处理，得到清晰的闭合晶界。根据标准方法，对微观组织进行自动分析。本发明可以从金相图像中准确提取晶界，并有效提高晶粒度测量的效率及精度。
-
公开(公告)号：CN114612456B
公开(公告)日：2023-01-10
申请号：CN202210278396.0
申请日：2022-03-21
Applicant: 北京科技大学
Abstract: 本发明涉及一种基于深度学习的钢坯自动语义分割识别方法，包括以下步骤：步骤S1、数据集准备，获得不同运动状态以及不同形态的钢坯图像，进行预处理和标注，建立原始数据集；步骤S2、构建语义分割网络模型；步骤S3、训练步骤S2中的语义分割网络模型；步骤S4、测试步骤，将待测图像输入到训练所得的语义分割网络模型，得到分割结果。本发明分割网络的骨干网络使用了轻量型网络，同时应用了非对称卷积和空洞卷积，在保持训练精度和推理速度的同时，获得了更大的感受野；其次通过多尺度特征提取和融合，加强了各级特征图之间的信息交互，提高模型的分割性能；最后在解码部分应用密集上采样策略，避免上采样时的信息丢失，进一步提高模型的分割精度。
-
公开(公告)号：CN114612456A
公开(公告)日：2022-06-10
申请号：CN202210278396.0
申请日：2022-03-21
Applicant: 北京科技大学
IPC: G06T7/00 , G06T7/11 , G06V10/26 , G06V10/44 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于深度学习的钢坯自动语义分割识别方法，包括以下步骤：步骤S1、数据集准备，获得不同运动状态以及不同形态的钢坯图像，进行预处理和标注，建立原始数据集；步骤S2、构建语义分割网络模型；步骤S3、训练步骤S2中的语义分割网络模型；步骤S4、测试步骤，将待测图像输入到训练所得的语义分割网络模型，得到分割结果。本发明分割网络的骨干网络使用了轻量型网络，同时应用了非对称卷积和空洞卷积，在保持训练精度和推理速度的同时，获得了更大的感受野；其次通过多尺度特征提取和融合，加强了各级特征图之间的信息交互，提高模型的分割性能；最后在解码部分应用密集上采样策略，避免上采样时的信息丢失，进一步提高模型的分割精度。
-
-
-
Search Results
4
records
(took 0.022 seconds)
