[發明專利]一種基于深度學習的氦泡分割計數方法

在審

• 申請號: 202010386872.1
• 申請日: 2020-05-09
• 公開（公告）號: CN111709908A
• 公開（公告）日: 2020-09-25
• 發明（設計）人: 孫九愛;吳忠航;張地大;朱天寶;林俊;劉仁多
• 申請（專利權）人: 上海健康醫學院
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/10
• 代理公司: 上?？剖⒅R產權代理有限公司 31225
• 代理人: 王懷瑜

本發明涉及一種基于深度學習的氦泡分割計數方法，通過獲取包含氦泡的單張圖像，采用深度學習的全卷積神經網絡，將圖像分割為氦泡區域和非氦泡區域，并實現氦泡自動計數。與現有技術相比，本發明提高了合金氦泡的識別準確率和計數效率，可降低人工識別產生的人為計數誤差，大幅節省分析人員工作時間。同時，該方法能夠處理形態各異的不同演化時期的氦泡圖像，并能克服成像過程中光照條件不均勻和尺度不一致等問題，實現更加可靠的氦泡識別和計數分析。該方法還可以根據用戶的特定需求對所獲取的TEM圖像進行氦泡形態和尺寸等進行統計分析，極大提升了透射電鏡在材料輻照性能方面的研究能力。

技術領域

本發明涉及一種圖像識別方法，尤其是涉及一種基于深度學習的氦泡分割計數方法。

背景技術

鎳基合金因為其優異的耐熔鹽腐蝕性及良好的高溫力學性能成為熔鹽堆結構材料的潛力候選者，而該材料在熔鹽堆內受到中子和其它射線的輻照會發生高溫氦脆現象，這是影響其在堆內服役性能的主要問題之一。這種高溫氦脆主要是由于輻照產生的氦在合金晶界處聚集形成氦泡，晶界處氦泡的不斷演變長大導致材料極其容易發生晶間斷裂。例如在熔鹽堆運行的高溫條件下，慢中子與鎳基合金中的10B發生(n,α)反應，快中子與合金中的Ni、Fe等核素發生(n,α)反應,都會使合金材料在產生材料缺陷的同時產生He。這些He原子在應力作用下，遷移到晶界并聚集形成空洞或氦泡，引起材料晶間斷裂致使其延展性大大降低。

氦脆行為嚴重影響金屬的抗拉性能、蠕變性能以及縮短材料的疲勞壽命。因此在材料制備過程中需要準確了解氦泡在材料中的形成與生長演化機制，評估高溫輻照后氦泡的演化對材料硬化程度的貢獻。而研究氦泡的生長演化及其對材料輻照硬化的貢獻都需要統計氦泡的形態、尺寸、及密度分布。因此，對氦泡進行準確統計是對材料輻照硬化研究結果定量化中重要的一環。目前，鎳基材料在高溫輻照后的氦脆現象，通常采用透射電子顯微鏡(TEM)換焦觀測法進行識別和確認：當TEM處于“欠焦”狀態下，氦泡在獲取的數字圖像中顯示為白色斑點，當TEM處于“過焦”條件下，氦泡在圖像中的同樣位置顯示為黑色斑點。

目前，TEM數字圖片中氦泡的識別和計數，普遍采用的方法是使用Nano Measurer或IPP軟件，將數字圖像導入軟件，進行人工手動標記和軟件自動標注。人工手動標記方法需要標注人員具備一定的先驗知識，能夠根據TEM的過欠焦影像特性辨別氦泡及氦泡的重疊，不同的標注人員標注產生的結果往往都不一樣，因此人工手動標記存在很大的主觀性和不一致性，且人工標注和統計非常耗時，不適合大規模的氦泡識別和數據統計分析。雖然已有的軟件自動標注方法利用圖像處理技術分析TEM圖像，通過劃分氦泡與非氦泡區域氦泡的個數及其尺寸的自動計算，提高了氦泡計數的效率，但實際中氦泡與非氦泡區域的差異性很小，且圖像中非氦泡區域象素的背景灰度值分布不均，因此基于傳統圖像處理技術的氦泡與非氦泡區域的識別劃分很困難，導致使用者往往更加愿意采用人工標注的方法進行氦泡的計數和分析。

發明內容

本發明的目的就是為了克服上述現有技術存在的缺陷而提供一種不受成像條件限制，能對不同尺度TEM圖像進行的基于深度學習的氦泡分割計數方法。

本發明的目的可以通過以下技術方案來實現：

一種基于深度學習的氦泡分割計數方法，包括：獲取包含氦泡的單張圖像，采用深度學習的全卷積神經網絡，將圖像分割為氦泡區域和非氦泡區域，并實現氦泡自動計數。

進一步的，所述的全卷積神經網絡包括卷積層、池化層和反卷積層，訓練樣本包括原始圖像和分割標注圖像，所述的分割標注圖像將原始圖像分為氦泡區域和非氦泡區域。

進一步的，所述的卷積層采用尺寸大小為n×n像素的卷積核與原始圖像中的局部數據進行加權求和運算，直到卷積完所有的輸入數據。

進一步的，所述的n為奇數，奇數大小的卷積核(矩陣)是對稱的，方便設計各種算法，在處理圖像時能夠對等的遍歷所有像素。