申请/专利权人：大连理工大学

申请日：2021-12-31

公开（公告）日：2024-03-15

公开（公告）号：CN114324361B

主分类号：G01N21/88

分类号：G01N21/88;G06V10/764;G06V10/774;G06V10/82;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.03.15#授权;2022.04.29#实质审查的生效;2022.04.12#公开

摘要：本申请提供一种金相组织劣化评级方法及装置，应用于边缘控制器，在获取金相显微镜拍摄的金相图片图像全局信息的深度特征、描述纹理的GLCM特征和基于原理的机理分类特征后，将所述金相图片输入预设评级模型图像深度学习模型和神经网络分类器的组合分类模型中进行推理计算，确定金相组织劣化评级结果。本申请利用现场的金相显微镜和边缘设备实现对金相组织劣化的快速评级，提高劣化评级准确率。

主权项：1.一种金相组织劣化评级方法，其特征在于，应用于边缘控制器，该方法包括：获取金相显微镜拍摄的金相图片，所述金相图片中包含图像全局信息的深度特征、描述纹理的GLCM特征和基于原理的机理分类特征；将所述金相图片输入预设评级模型中进行推理计算，确定金相组织劣化评级结果，所述预设评级模型为图像深度学习模型和神经网络分类器的组合分类模型，其中，所述预设评级模型的构建方法包括：获取样本数据集，所述样本数据集中包含满足预设条件的金相图片；利用计算机视觉以及图像处理技术对所述样本数据集进行预处理，得到预处理后的图像数据集；将所述图像数据集按照预设比例划分为训练集、测试集和验证集；搭建keras框架，从所述训练集和所述测试集中提取深度特征，并利用灰度共生矩阵提取GLCM纹理描述特征，以及基于分类机理提取图像机理分类特征；将所述深度特征、所述GLCM纹理描述特征以及所述图像机理分类特征融合作为神经网络分类器的输入，构建神经网络分类器；基于深度学习模型，根据所述验证集对所述深度学习模型和所述神经网络分类器进行验证，选取所述验证集上准确率满足预设条件的深度学习模型和神经网络分类器组合作为所述预设评级模型；其中，基于分类机理提取图像机理分类特征，包括：基于分类机理从所述训练集和所述测试集中的所述图像数据集中提取所述图像机理分类特征；其中，所述基于深度学习模型，根据所述验证集对所述深度学习模型和所述神经网络分类器进行验证，选取所述验证集上准确率满足预设条件的深度学习模型和神经网络分类器组合作为所述预设评级模型，包括：基于深度学习模型，根据所述验证集对所述深度学习模型和所述神经网络分类器进行验证，得到多个深度学习模型和对应神经网络分类器的组合分类模型；对于不同的组合分类模型，确定各个分类模型对应的验证集，并使用分类器进行分类，取使在所述验证集中分类准确率满足预设条件的组合分类模型作为所述预设评级模型。

全文数据：

权利要求：

百度查询： 大连理工大学 一种金相组织劣化评级方法及装置

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD