一種基于深度學(xué)習(xí)的鋼中非金屬夾雜物的智能識(shí)別和評(píng)級(jí)方法
基本信息
| 申請(qǐng)?zhí)?/td> | CN202210613572.1 | 申請(qǐng)日 | - |
| 公開（公告）號(hào) | CN114694144A | 公開（公告）日 | 2022-07-01 |
| 申請(qǐng)公布號(hào) | CN114694144A | 申請(qǐng)公布日 | 2022-07-01 |
| 分類號(hào) | G06V20/69（2022.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I | 分類 | 計(jì)算；推算；計(jì)數(shù); |
| 發(fā)明人 | 朱曉林;姚正軍;叢偉;姚強(qiáng);李紹園;張平則 | 申請(qǐng)（專利權(quán)）人 | 南京航空航天大學(xué) |
| 代理機(jī)構(gòu) | 南京天華專利代理有限責(zé)任公司 | 代理人 | - |
| 地址 | 210000江蘇省南京市秦淮區(qū)御道街29號(hào) | ||
| 法律狀態(tài) | - | ||
摘要
| 摘要 | 本發(fā)明公開了一種基于深度學(xué)習(xí)的鋼中非金屬夾雜物的智能識(shí)別和評(píng)級(jí)方法，該方法針對(duì)金相分析中非金屬夾雜物人工評(píng)級(jí)工作強(qiáng)度大、精度低，而傳統(tǒng)灰度閾值分割和特征提取方式局限性大、普適性低的問(wèn)題，引入了深度神經(jīng)網(wǎng)絡(luò)算法。方法首先收集人工標(biāo)注的非金屬夾雜物顯微圖像及其標(biāo)記作為訓(xùn)練樣本，然后搭建語(yǔ)義分割深度神經(jīng)網(wǎng)絡(luò)模型、構(gòu)造優(yōu)化損失函數(shù)，并基于梯度下降方法對(duì)模型訓(xùn)練，從而實(shí)現(xiàn)端到端地圖像特征自動(dòng)提取和非金屬夾雜物的分類和邊界提取，最后對(duì)提取的夾雜物邊界進(jìn)行長(zhǎng)度、寬度計(jì)算，獲得夾雜物的評(píng)級(jí)預(yù)測(cè)。本發(fā)明使用深度學(xué)習(xí)算法，實(shí)現(xiàn)鋼中非金屬夾雜物的智能識(shí)別和評(píng)級(jí)，極大提高了鋼鐵產(chǎn)品檢測(cè)精度和效率，降低了檢測(cè)成本。 |
