[發明專利]一種基于深度學習的金相評級分類方法

在審

• 申請號: 202110552710.5
• 申請日: 2021-05-20
• 公開（公告）號: CN113159230A
• 公開（公告）日: 2021-07-23
• 發明（設計）人: 張琦;鄭軍
• 申請（專利權）人: 聚時科技（上海）有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06T7/11;G06Q10/06
• 代理公司: 湖北天領艾匹律師事務所 42252
• 代理人: 王能德

1.一種基于深度學習的金相評級分類方法，其特征在于：包括如下步驟：

S1、拍攝不同金屬產品的金相圖像；

S2、標注金相圖像上不同的金屬成分；

S3、使用標注數據和圖片訓練Unet分割網絡；

S4、將金相圖片輸入到Unet分割網絡，輸出為金相圖片上檢測出的所有金屬成分的mask掩膜圖像，根據掩膜計算出所有金屬成分的特征參數，最后計算出金相圖片的等級。

2.根據權利要求1所述的一種基于深度學習的金相評級分類方法，其特征在于：所述步驟S1中將標注好的圖片分為訓練集、驗證集、測試集；訓練集用于訓練模型，驗證集用于評估模型，并找到最優模型，測試集用于在最優模型上進行最后測試驗證。

3.根據權利要求1或2所述的一種基于深度學習的金相評級分類方法，其特征在于：所述步驟S2中的金屬成分包括鐵素體、奧氏體、鎳合金中至少一種。

4.根據權利要求1所述的一種基于深度學習的金相評級分類方法，其特征在于：所述步驟S4中金屬成分的特征參數包括平均面積、平均長度、個數。

5.根據權利要求1或2所述的一種基于深度學習的金相評級分類方法，其特征在于：所述步驟S4中采用直線截點法和單圓截點法中至少一種計算出金相圖片的等級。

6.根據權利要求1所述的一種基于深度學習的金相評級分類方法，其特征在于：還包括步驟S5、操作人員通過掩膜圖像和金屬成分的特征參數網絡的輸出是否正確；如果正確，將圖片放到訓練集中，如果錯誤，將圖片錯誤集，表示模型推斷出錯的圖片。

7.根據權利要求6所述的一種基于深度學習的金相評級分類方法，其特征在于：還包括步驟S6、將錯誤集中的數據進行標注，并且提高錯誤集中數據的權重，放到Unet分割網絡中進行訓練，更新該網絡。