申请/专利权人：西安交通大学

申请日：2021-08-31

公开（公告）日：2024-04-02

公开（公告）号：CN113706516B

主分类号：G06T7/00

分类号：G06T7/00;G06V10/764;G06N3/04;G06N3/006

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2021.12.14#实质审查的生效;2021.11.26#公开

摘要：本发明公开了一种金相组织识别方法、系统、设备和存储介质，采集金属材料金相图像，组成原始数据集，并划分训练集和测试集，全部样本训练下获得的第一深度学习模型用于识别多数类别的金相组织；在此基础上，使用少数类别样本对模型进行训练，根据模型的输出结果选择难识别样本。将难识别样本与少数类别样本构成新的数据集，用以训练获得第二深度学习模型，所得第二深度学习模型用于识别少数类别的金相组织。该方法通过综合使用分治、欠采样和迁移学习的方法显著提高了模型对少数类别的识别准确率。本方法易于实现，可有效提高金属材料金相组织识别与分析过程的效率和准确率。

主权项：1.一种金相组织识别方法，其特征在于，包括如下步骤：采集若干金属材料金相图像，组成原始数据集，若含有某个类别金相组织的金属材料金相图像的数量小于设定阈值，则该金属材料金相图像为少数类别样本，反之为多数类别样本；将原始数据集平均分为K个样本子集，每个样本子集均包含少数类别样本和多数类别样本；轮流将某个样本子集作为测试集，其余样本子集作为训练集，进行训练得到能够识别多数类别样本的第一深度学习模型和能够识别少数类别的第二深度学习模型；其中，K2；将待测试数据输入到第一深度学习模型中进行识别，得到待测试数据中多数类别的识别结果，将待测试数据输入到第二深度学习模型中进行识别，得到待测试数据少数类别的识别结果；将原始数据集平均分为K个样本子集，每个样本子集均包含少数类别样本和多数类别样本；轮流将某个样本子集作为测试集，其余样本子集作为训练集，进行训练得到能够识别多数类别样本的第一深度学习模型和能够识别少数类别的第二深度学习模型的具体过程如下：1将原始数据集中含有少数类别的样本集合记为数据集a，其余样本的集合记为数据集b；样本子集Ωk＝{Ck，Tk}，k＝1,2,…,K；Ck为训练集，Tk为测试集；k＝1时，对训练集C1采用深度学习模型进行训练，然后在经图像缩放和图像标准化操作后的测试集T1上进行测试，得到模型A；采用训练集C1中属于数据集a的样本，对模型A进行训练，获得模型B；2在测试集T1中选择属于数据集b的样本，使用模型B进行测试，选出错检样本；3少数类别样本共有n个子类别，依次令i＝1，2，…，n，将含第i个子类别且属于测试集T1的样本的数目记为对错检样本同为第i个子类别的样本，按照模型B对这些样本的输出值，进行降序排序，从高到低选择数目为的样本，视为难识别样本；将难识别样本集合记录为第一难识别样本集合c1；4令k＝2，3，...，K，重复步骤1至步骤3，获得第二难识别样本集合c2，...，第k难识别样本集合ck，将第一难识别样本集合c1到第k难识别样本集合ck与数据集a混合，构成数据集c；5将原始数据集划分为训练集和测试集，在训练集上训练深度学习模型，得到第一深度学习模型，在训练集Ctrain选择数据集c中的样本，对第一深度学习模型进行训练，获得第二深度学习模型。

全文数据：

权利要求：

百度查询： 西安交通大学 一种金相组织识别方法、系统、设备和存储介质

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