公开(公告)号：CN113706516B

公开(公告)日：2024-04-02

申请号：CN202111017094.X

申请日：2021-08-31

Applicant: 西安交通大学

Inventor： 胡海军 ,  申志远 ,  李秀峰 ,  谢国山 ,  韩志远 ,  张钰 ,  康晓鹏 ,  甄宏展 ,  李涌泉 ,  胡振龙 ,  肖尧钱 ,  龚雪茹

IPC: G06T7/00 ,  G06V10/764 ,  G06N3/04 ,  G06N3/006

Abstract: 本发明公开了一种金相组织识别方法、系统、设备和存储介质，采集金属材料金相图像，组成原始数据集，并划分训练集和测试集，全部样本训练下获得的第一深度学习模型用于识别多数类别的金相组织；在此基础上，使用少数类别样本对模型进行训练，根据模型的输出结果选择难识别样本。将难识别样本与少数类别样本构成新的数据集，用以训练获得第二深度学习模型，所得第二深度学习模型用于识别少数类别的金相组织。该方法通过综合使用分治、欠采样和迁移学习的方法显著提高了模型对少数类别的识别准确率。本方法易于实现，可有效提高金属材料金相组织识别与分析过程的效率和准确率。

公开(公告)号：CN113837269A

公开(公告)日：2021-12-24

申请号：CN202111111864.7

申请日：2021-09-23

Applicant: 中国特种设备检测研究院 ,  西安交通大学

Inventor： 李秀峰 ,  谢国山 ,  康晓鹏 ,  韩志远 ,  甄宏展 ,  胡海军 ,  张钰 ,  龚雪茹 ,  李涌泉 ,  胡振龙 ,  肖尧钱 ,  黄子仪 ,  申志远

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 基于双线性卷积神经网络的金相组织识别方法，包括如下步骤：(1)采集金相图片构成数据集；(2)将数据集划分训练集和测试集，使用训练集数据训练两个不同的卷积神经分类网络，并使用测试集数据测试网络；(3)在两个训练好的卷积神经分类网络基础上建立双线性卷积神经网络；(4)使用训练集数据训练双线性卷积神经网络；(5)使用双线性卷积神经网络识别金相组织；本发明首次将双线性模型运用到金相组织识别任务中，该模型能够提取到更加丰富的特征信息，与单一的卷积神经网络模型相比，提高了金相组织的识别准确率。

公开(公告)号：CN113706516A

公开(公告)日：2021-11-26

申请号：CN202111017094.X

申请日：2021-08-31

Applicant: 西安交通大学

Inventor： 胡海军 ,  申志远 ,  李秀峰 ,  谢国山 ,  韩志远 ,  张钰 ,  康晓鹏 ,  甄宏展 ,  李涌泉 ,  胡振龙 ,  肖尧钱 ,  龚雪茹

IPC: G06T7/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种金相组织识别方法、系统、设备和存储介质，采集金属材料金相图像，组成原始数据集，并划分训练集和测试集，全部样本训练下获得的第一深度学习模型用于识别多数类别的金相组织；在此基础上，使用少数类别样本对模型进行训练，根据模型的输出结果选择难识别样本。将难识别样本与少数类别样本构成新的数据集，用以训练获得第二深度学习模型，所得第二深度学习模型用于识别少数类别的金相组织。该方法通过综合使用分治、欠采样和迁移学习的方法显著提高了模型对少数类别的识别准确率。本方法易于实现，可有效提高金属材料金相组织识别与分析过程的效率和准确率。