[發(fā)明專(zhuān)利]一種基于全卷積神經(jīng)網(wǎng)絡(luò)的自動(dòng)壓痕測(cè)量方法有效
| 申請(qǐng)?zhí)枺?/td> | 202110252383.1 | 申請(qǐng)日: | 2021-03-08 |
| 公開(kāi)(公告)號(hào): | CN112991287B | 公開(kāi)(公告)日: | 2022-09-16 |
| 發(fā)明(設(shè)計(jì))人: | 李澤賢;舒鎮(zhèn)洋;李云燕;唐璇;劉嘉誠(chéng);盧佳佳 | 申請(qǐng)(專(zhuān)利權(quán))人: | 湘潭大學(xué) |
| 主分類(lèi)號(hào): | G06T7/00 | 分類(lèi)號(hào): | G06T7/00;G06T7/11;G06T7/136;G06T7/62;G06V10/28;G06V10/46;G06V10/764;G06V10/82;G06N3/04;G06N3/08;G06T3/40;G06T5/00;G06T5/40;G06T5/50 |
| 代理公司: | 湖南天地人律師事務(wù)所 43221 | 代理人: | 楊萍 |
| 地址: | 411105 湖*** | 國(guó)省代碼: | 湖南;43 |
| 權(quán)利要求書(shū): | 查看更多 | 說(shuō)明書(shū): | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 基于 卷積 神經(jīng)網(wǎng)絡(luò) 自動(dòng) 壓痕 測(cè)量方法 | ||
本發(fā)明公開(kāi)了一種基于全卷積神經(jīng)網(wǎng)絡(luò)的自動(dòng)壓痕測(cè)量方法,包括以下步驟:步驟一:對(duì)壓痕圖像進(jìn)行預(yù)處理,得到其二值圖像;步驟二:在二值圖像中尋找最大連通域,確定最大連通域的外接框;對(duì)該外接框進(jìn)行拓展,裁剪下二值圖像上拓展后的外接框區(qū)域;步驟三:將裁剪后的圖像輸入訓(xùn)練好的全卷積神經(jīng)網(wǎng)絡(luò),輸出二值化的壓痕像素遮罩圖片,由此得到輸入圖片上精確的壓痕形狀與位置信息。本發(fā)明魯棒性高,能提取出壓痕具體形狀。
技術(shù)領(lǐng)域
本發(fā)明涉及一種硬度壓痕測(cè)量方法,尤其涉及一種基于全卷積神經(jīng)網(wǎng)絡(luò)的自動(dòng)壓痕測(cè)量方法。
背景技術(shù)
在布氏、維氏硬度試驗(yàn)中,為了檢測(cè)被測(cè)材料的硬度,需要按照國(guó)標(biāo)使用對(duì)應(yīng)的壓頭,施加指定壓力在被測(cè)材料表面,而后通過(guò)測(cè)量壓痕的對(duì)角線長(zhǎng)度,計(jì)算出被測(cè)材料的硬度。在大部分測(cè)量中,被測(cè)材料的表面壓痕對(duì)角線長(zhǎng)度單位以微米計(jì)算。由人工通過(guò)顯微鏡調(diào)整刻度板以對(duì)齊壓痕邊緣的方法,較為復(fù)雜且難以消除測(cè)量誤差。同時(shí)在多次對(duì)同一硬度材料測(cè)量的過(guò)程中,往往容易產(chǎn)生因人工長(zhǎng)度測(cè)量調(diào)整的偏差而導(dǎo)致獲得不同的硬度數(shù)值結(jié)果,導(dǎo)致較高的重復(fù)性誤差。為此,引入自動(dòng)化算法進(jìn)行壓痕圖像測(cè)量是一種極大提升測(cè)量精度、解放勞動(dòng)力的方法。但現(xiàn)有的自動(dòng)壓痕運(yùn)算方法往往使用的是數(shù)學(xué)或圖像解析方法,這種方式對(duì)于一些較為復(fù)雜的壓痕表面往往難以發(fā)揮作用。在一些邊緣、尖角處因材料自身特性等原因而產(chǎn)生形變的壓痕圖像上,往往會(huì)產(chǎn)生較大誤差,算法的魯棒性較差。同時(shí),現(xiàn)有的技術(shù)方法對(duì)于壓痕圖像僅能獲取壓痕對(duì)角線長(zhǎng)度數(shù)據(jù),無(wú)法提取圖像中壓痕的具體形狀,不便于后期對(duì)材料破裂、塌陷情況進(jìn)行分析。因此,有必要設(shè)計(jì)一種使用更加方便,擁有更高魯棒性,能提取壓痕具體形狀的壓痕測(cè)量方法。
發(fā)明內(nèi)容
本發(fā)明所解決的技術(shù)問(wèn)題是,針對(duì)現(xiàn)有技術(shù)的不足,提供一種基于全卷積神經(jīng)網(wǎng)絡(luò)的自動(dòng)壓痕測(cè)量方法,魯棒性高,能提取出壓痕具體形狀。
為了實(shí)現(xiàn)上述目的,本發(fā)明采用如下技術(shù)方案:
一種基于全卷積神經(jīng)網(wǎng)絡(luò)的自動(dòng)壓痕測(cè)量方法,其特征在于,包括以下步驟:
步驟一:對(duì)壓痕圖像進(jìn)行預(yù)處理,得到其二值圖像;
步驟二:壓痕圖像裁剪:在二值圖像中尋找最大連通域,確定最大連通域的外接框(作為裁剪的參考);以該外接框作為裁剪的參考,對(duì)該外接框進(jìn)行拓展,裁剪下二值圖像上拓展后的外接框區(qū)域;
步驟三:將裁剪后的圖像輸入訓(xùn)練好的全卷積神經(jīng)網(wǎng)絡(luò),輸出二值化的壓痕像素遮罩圖片(壓痕像素點(diǎn)和非壓痕像素點(diǎn)分別顯示為白色和黑色),由此得到輸入圖片上精確的壓痕形狀與位置信息。
更進(jìn)一步,所述步驟一中的對(duì)壓痕圖像進(jìn)行預(yù)處理包括對(duì)壓痕圖像進(jìn)行全圖直方圖均衡、濾波和二值化處理;
更進(jìn)一步,所述步驟二中對(duì)外接框進(jìn)行拓展采用如下方法:
設(shè)外接框的長(zhǎng)與寬為(w,h),壓痕圖像的長(zhǎng)與寬為(wi,hi),通過(guò)如下公式計(jì)算得到拓展后的外接框的長(zhǎng)與寬(we,he):
其中,p為比例系數(shù),p≥1;p的取值為經(jīng)驗(yàn)值,可以根據(jù)實(shí)際壓痕大小進(jìn)行調(diào)整,以盡可能減少?gòu)?fù)雜背景的干擾。
進(jìn)一步地,所述步驟三中全卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過(guò)程如下:采集多種壓痕圖片,人工將壓痕圖片上的像素點(diǎn)分類(lèi)為壓痕像素點(diǎn)和非壓痕像素點(diǎn);使用采集到的壓痕圖片及其上像素點(diǎn)分類(lèi)標(biāo)簽數(shù)據(jù),對(duì)全卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,得到優(yōu)化后的全卷積神經(jīng)網(wǎng)絡(luò)即訓(xùn)練好的全卷積神經(jīng)網(wǎng)絡(luò)。
該專(zhuān)利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專(zhuān)利權(quán)人授權(quán)。該專(zhuān)利全部權(quán)利屬于湘潭大學(xué),未經(jīng)湘潭大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購(gòu)買(mǎi)此專(zhuān)利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202110252383.1/2.html,轉(zhuǎn)載請(qǐng)聲明來(lái)源鉆瓜專(zhuān)利網(wǎng)。
- 卷積運(yùn)算處理方法及相關(guān)產(chǎn)品
- 一種卷積神經(jīng)網(wǎng)絡(luò)的計(jì)算方法及系統(tǒng)
- 卷積運(yùn)算方法及系統(tǒng)
- 卷積運(yùn)算方法、裝置及系統(tǒng)
- 深度神經(jīng)網(wǎng)絡(luò)裁剪方法、裝置及電子設(shè)備
- 基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理方法和圖像處理裝置
- 卷積神經(jīng)網(wǎng)絡(luò)及基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理方法
- 一種圖像處理方法、裝置以及計(jì)算機(jī)存儲(chǔ)介質(zhì)
- 用于卷積神經(jīng)網(wǎng)絡(luò)的卷積運(yùn)算裝置
- 基于FPGA實(shí)現(xiàn)圖像識(shí)別的方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)
- 硬件神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換方法、計(jì)算裝置、軟硬件協(xié)作系統(tǒng)
- 生成較大神經(jīng)網(wǎng)絡(luò)
- 神經(jīng)網(wǎng)絡(luò)的生成方法、生成裝置和電子設(shè)備
- 一種舌診方法、裝置、計(jì)算設(shè)備及計(jì)算機(jī)存儲(chǔ)介質(zhì)
- 學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
- 脈沖神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換方法及相關(guān)轉(zhuǎn)換芯片
- 圖像處理方法、裝置、可讀存儲(chǔ)介質(zhì)和計(jì)算機(jī)設(shè)備
- 一種適應(yīng)目標(biāo)數(shù)據(jù)集的網(wǎng)絡(luò)模型微調(diào)方法、系統(tǒng)、終端和存儲(chǔ)介質(zhì)
- 用于重構(gòu)人工神經(jīng)網(wǎng)絡(luò)的處理器及其操作方法、電氣設(shè)備
- 一種圖像神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的優(yōu)化方法及裝置





