[發明專利]一種DD6單晶高溫合金共晶缺陷檢測和分割方法

在審

• 申請號: 202110058769.9
• 申請日: 2021-01-16
• 公開（公告）號: CN112767345A
• 公開（公告）日: 2021-05-07
• 發明（設計）人: 嚴海蓉;齊帥
• 申請（專利權）人: 北京工業大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06N3/04;G06N3/08
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 沈波

1.一種DD6單晶高溫合金共晶缺陷檢測和分割方法，其特征在于：該方法包括如下步驟：

步驟1：DD6單晶高溫合金顯微圖像的采集和共晶缺陷輪廓的人工標注，通過標注工具獲取DD6單晶高溫合金共晶缺陷的類別標簽、缺陷輪廓的坐標和缺陷外接矩形框的左上角坐標以及長寬值；

步驟2：若采集到DD6單晶高溫合金顯微圖像的樣本數為n，按照3:1的比例將其分為m張訓練集和p張測試集。對m張訓練集每一張都做如下操作：統計這張圖像中所有共晶缺陷的外接矩形框的長寬信息Sizes,即由多對長寬值組成的列表；提取出DD6單晶高溫合金顯微圖像中共晶缺陷輪廓內部的所有像素的灰度值；若圖像中共晶缺陷區域的像素個數為c,每個像素的灰度值記為x_i(i＝1，2，...，c),則計算圖像中共晶缺陷灰度值的均值μ和標準差σ；

步驟3：將m張訓練集中的每一張圖像中的共晶缺陷區域用非缺陷區域的像素填充，采用鏡像對稱填充的方式，得到m張不包含共晶缺陷的背景圖片；

步驟4：偽樣本中偽背景的生成。首先將背景圖片沿水平方向切割為上下兩部分，切割位置在(0，h)區間上隨機選取，然后將上下兩部分各自沿垂直方向切割為左右兩部分，切割位置都在(0,w)區間上隨機選取，以0.5的概率交換左右兩部分，最后以0.5的概率交換上下兩部分。在經過隨機切割和交換的背景圖片基礎上生成噪聲缺陷。噪聲缺陷的生成是從背景圖像左上角開始生成，從上到下，從左到右，每個噪聲缺陷外接矩形框大小的選擇、缺陷之間間隔的選擇、矩形框內缺陷輪廓的生成和噪聲缺陷內部灰度值的生成。

步驟5：偽樣本中偽缺陷的生成。在步驟4生成的帶有噪聲缺陷的偽背景基礎上生成一些仿照真實共晶缺陷的偽缺陷。

步驟6：以步驟4和步驟5為基礎，訓練集中的每一張圖片都能夠生成對應的q張不同的偽圖像，這樣就一共生成了m*q張偽圖像。

步驟7：建立基于深度學習的實例分割模型，模型整體框架采用MaskRCNN,包括特征提取部分backbone,候選區域提取部分RPN，檢測分支和分割分支。Backbone采用帶有Split-attention機制的ResNeSt+FPN,RPN采用cascade結構。

步驟8：以偽樣本為訓練集訓練實例分割模型。

步驟9：將用偽樣本訓練得到的模型參數加載到模型當中，在此基礎上用真實樣本作為訓練集訓練實例分割模型。

步驟10：將待檢測的DD6單晶高溫合金顯微圖像輸入到模型當中，檢測出圖像中共晶缺陷的個數、位置和大小。

2.根據權利要求1所述的一種DD6單晶高溫合金共晶缺陷檢測和分割方法，其特征在于：步驟4中，噪聲缺陷外接矩形框長寬大小隨機從Sizes中選取，然后在這一對長寬值基礎上隨機的加減一定的值作為最終的長寬值，這樣可保證足夠的隨機性。缺陷之間的間隔大小隨機選擇，用來控制噪聲缺陷的個數和密度。

3.根據權利要求1所述的一種DD6單晶高溫合金共晶缺陷檢測和分割方法，其特征在于：步驟4中，噪聲缺陷輪廓的生成采用如下方式：隨機從矩形框的上下左右邊界各選一個點P_up，P_left，P_down，P_right，保證四個點坐標都不相同，然后從P_up坐標處開始，先以一條隨機曲線路徑移動到P_left，再移動到P_down,然后移動到P_right,最后再移動回P_up，這樣整個移動路徑就構成在這個矩形框內隨機閉合曲線，也就是此次生成缺陷的輪廓。

4.根據權利要求1所述的一種DD6單晶高溫合金共晶缺陷檢測和分割方法，其特征在于：步驟4中，噪聲缺陷內部灰度值的填充采用如下方式：隨機選取不同于μ和方差σ的兩個值μ_noi和標準差σ_noi，以這兩個值對應的高斯函數生成噪聲缺陷的灰度值，噪聲缺陷。

5.根據權利要求1所述的一種DD6單晶高溫合金共晶缺陷檢測和分割方法，其特征在于：步驟5的偽缺陷的生成和步驟4有兩點不同：一是為了解決正負樣本不均衡的問題，一張圖片中所有生成的偽缺陷的面積要和非偽缺陷區域的面積相當，通過調節偽缺陷外接矩形框大小和偽缺陷之間的間隔來控制；二是偽缺陷輪廓內部灰度值的填充選用的高斯函數對應的均值和標準差為步驟2中求取的對應真實樣本的μ和σ。