申请/专利权人：中信戴卡股份有限公司;北京适创科技有限公司

申请日：2024-01-05

公开（公告）日：2024-03-22

公开（公告）号：CN117542048B

主分类号：G06V20/69

分类号：G06V20/69;G06V10/42;G06V10/44;G06V10/80;G06V10/52;G06V10/82;G06N3/0464;G06N3/0455;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2024.03.01#实质审查的生效;2024.02.09#公开

摘要：本发明涉及数据处理技术领域，尤其涉及一种亚共晶铝硅合金显微组织特征、缺陷特征的自动识别方法，包括：深度学习训练数据的收集和预处理；深度学习模型建立；深度学习模型训练；将亚共晶铝硅合金显微组织的图像输入至完成训练的深度学习模型中，并对深度学习模型分割出的识别目标进行数字化表征与统计；根据识别目标的形状因子与预设形状因子的差值的绝对值对完成训练的深度学习模型是否符合预设标准进行判定；确定针对完成训练的深度学习模型不符合预设标准的处理方式；判定完成针对深度学习模型的训练，或，使用调节后的训练参数重新对深度学习模型进行训练。有效提高了对亚共晶铝硅合金显微组织的目标的识别效率。

主权项：1.一种亚共晶铝硅合金显微组织特征、缺陷特征的自动识别方法，其特征在于，包括：深度学习训练数据的收集和预处理，从实际生产中获取若干亚共晶铝硅合金显微组织的图像，并对各图像中的目标进行标记，目标为硅颗粒、铁相、氧化皮夹杂和孔洞缺陷，其中，孔洞缺陷包括气孔、气缩孔和缩松；对各图像进行数据增强，并进行归一化处理；深度学习模型建立，建立Res-Unet网络，Res-Unet网络包括：编码器、跳跃连接，金字塔池化模块和解码器，编码器用以对输入的图像进行编码压缩；跳跃连接用以对下采样和对应的上采样中的特征图沿通道维度拼接；金字塔池化模块用以对特征图进行不同步长的最大池化或平均池化，并与初始特征图拼接，以捕获局部和全局上下文信息；解码器包括残差层和上采样层，用以恢复图像的分辨率；深度学习模型训练；将亚共晶铝硅合金显微组织的图像输入至完成训练的深度学习模型中，并对深度学习模型分割出的识别目标进行数字化表征与统计；根据识别目标的形状因子与预设形状因子的差值的绝对值对完成训练的深度学习模型是否符合预设标准进行判定；在初步判定完成训练的深度学习模型不符合预设标准时，根据获取的针对亚共晶铝硅合金显微组织图像的识别目标的长径比与预设长径比的差值的绝对值对完成训练的深度学习模型是否符合预设标准进行二次判定，并在二次判定完成训练的深度学习模型不符合预设标准时根据识别目标的长径比确定针对完成训练的深度学习模型不符合预设标准的处理方式；在判定完成训练的深度学习模型符合预设标准时，判定完成针对深度学习模型的训练，或，在完成确定针对完成训练的深度学习模型不符合预设标准的处理方式的确定时，使用调节后的训练参数重新对深度学习模型进行训练。

全文数据：

权利要求：

百度查询： 中信戴卡股份有限公司;北京适创科技有限公司 一种亚共晶铝硅合金显微组织特征、缺陷特征的自动识别方法

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。

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