买专利,只认龙图腾
首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

【发明公布】一种DD6单晶高温合金共晶缺陷检测和分割方法_北京工业大学_202110058769.9 

申请/专利权人:北京工业大学

申请日:2021-01-16

公开(公告)日:2021-05-07

公开(公告)号:CN112767345A

主分类号:G06T7/00(20170101)

分类号:G06T7/00(20170101);G06T7/11(20170101);G06N3/04(20060101);G06N3/08(20060101)

优先权:

专利状态码:在审-实质审查的生效

法律状态:2021.05.25#实质审查的生效;2021.05.07#公开

摘要:本发明公开了一种DD6单晶高温合金共晶缺陷检测和分割方法,DD6单晶高温合金显微图像的采集和共晶缺陷轮廓的人工标注,通过标注工具获取DD6单晶高温合金共晶缺陷的类别标签、缺陷轮廓的坐标和缺陷外接矩形框的左上角坐标以及长宽值;计算图像中共晶缺陷灰度值的均值和标准差,得到不包含共晶缺陷的背景图片;将待检测的DD6单晶高温合金显微图像输入到模型当中,检测出图像中共晶缺陷的个数、位置和大小。本发明节省人工检测DD6单晶高温合金共晶缺陷的时间,提升工作效率。这种方法相比不使用伪样本最终在真实样本组成的测试集上表现更好。

主权项:1.一种DD6单晶高温合金共晶缺陷检测和分割方法,其特征在于:该方法包括如下步骤:步骤1:DD6单晶高温合金显微图像的采集和共晶缺陷轮廓的人工标注,通过标注工具获取DD6单晶高温合金共晶缺陷的类别标签、缺陷轮廓的坐标和缺陷外接矩形框的左上角坐标以及长宽值;步骤2:若采集到DD6单晶高温合金显微图像的样本数为n,按照3:1的比例将其分为m张训练集和p张测试集。对m张训练集每一张都做如下操作:统计这张图像中所有共晶缺陷的外接矩形框的长宽信息Sizes,即由多对长宽值组成的列表;提取出DD6单晶高温合金显微图像中共晶缺陷轮廓内部的所有像素的灰度值;若图像中共晶缺陷区域的像素个数为c,每个像素的灰度值记为xii=1,2,...,c,则计算图像中共晶缺陷灰度值的均值μ和标准差σ;步骤3:将m张训练集中的每一张图像中的共晶缺陷区域用非缺陷区域的像素填充,采用镜像对称填充的方式,得到m张不包含共晶缺陷的背景图片;步骤4:伪样本中伪背景的生成。首先将背景图片沿水平方向切割为上下两部分,切割位置在0,h区间上随机选取,然后将上下两部分各自沿垂直方向切割为左右两部分,切割位置都在0,w区间上随机选取,以0.5的概率交换左右两部分,最后以0.5的概率交换上下两部分。在经过随机切割和交换的背景图片基础上生成噪声缺陷。噪声缺陷的生成是从背景图像左上角开始生成,从上到下,从左到右,每个噪声缺陷外接矩形框大小的选择、缺陷之间间隔的选择、矩形框内缺陷轮廓的生成和噪声缺陷内部灰度值的生成。步骤5:伪样本中伪缺陷的生成。在步骤4生成的带有噪声缺陷的伪背景基础上生成一些仿照真实共晶缺陷的伪缺陷。步骤6:以步骤4和步骤5为基础,训练集中的每一张图片都能够生成对应的q张不同的伪图像,这样就一共生成了m*q张伪图像。步骤7:建立基于深度学习的实例分割模型,模型整体框架采用MaskRCNN,包括特征提取部分backbone,候选区域提取部分RPN,检测分支和分割分支。Backbone采用带有Split-attention机制的ResNeSt+FPN,RPN采用cascade结构。步骤8:以伪样本为训练集训练实例分割模型。步骤9:将用伪样本训练得到的模型参数加载到模型当中,在此基础上用真实样本作为训练集训练实例分割模型。步骤10:将待检测的DD6单晶高温合金显微图像输入到模型当中,检测出图像中共晶缺陷的个数、位置和大小。

全文数据:

权利要求:

百度查询: 北京工业大学 一种DD6单晶高温合金共晶缺陷检测和分割方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。