[发明专利]一种不同材料金相组织自动分类评级的方法

说明书

本发明提供了一种不同材料金相组织自动分类评级的方法，包括如下步骤：首先建立三种不同材料(20CrMnTi，CF钢和55号钢)不同倍数下晶粒级数的数据库。读入一幅大小为M×N的金相组织图像F，其中：M、N为正整数。对读入的金相组织图像金相材料F进行识别，采用卷积神经网络的方法对材料的种类进行识别。然后对数据库进行粗分类和细分类，用数据增强和迁移学习的方法对识别的材料进行晶粒度等级的评级。本发明首次将卷积神经网络的算法和迁移学习的算法运用到金相图像的识别与评级之中，能够实现了不同材料金相组织自动识别与评级，还大大提高了其准确性与效率。

技术领域

本发明涉及不同材料(20CrMnTi，CF钢和55号钢)微观晶粒组织的金相定量智能分析领域，特别涉及一种不同材料的金相组织自动分类与评级的方法。

背景技术

金相分析是对金属进行研究和性能测试的重要手段。为了获取金相图像，需对目标金属进行截取、磨制、抛光、浸蚀，接着，将制备好的金属试样放到金相显微镜下。在金相显微镜下观察，主要检测金属材料的组成成分和材料是否存在缺陷，其主要指标有是否有杂物、晶粒度的级别数、脱碳层的深度、晶界是否腐蚀等。其中晶粒度的级数是最基本，也是非常重要的一个指标。晶粒是在金属冶炼过程中，由液态冷却凝固过程中形成的，形成后的晶粒大小对金属材料的性能有着很大的影响。晶粒按照面积大小可分为1～8级。晶粒面积越小，级别越大，其金属材料的强度和硬度就越高，并且塑性和韧性也越好。检测晶粒度级别数的传统方法是专业金相检测人员通过金相显微镜观察金相图片，并与国家制定的标准系列评级图进行比较。这种方法不仅非常耗时耗力，而且评级的准确率非常依赖金相检测人员的专业素质、精度低、可重复性差。

近年来，已经有不少人开始研究通过计算机识别图像的方法来对金相图像进行分析和评级，但是有一定局限性，原因是这些研究大多通过人工来设定单一的特征提取器从而对某种限定的金相图像进行评级，这样往往导致花费时间较长，适用范围窄，评级稳定性低。随着信息技术的发展，现代的数据量越来越多，单一的特征已经很难完全的代表数据的规律了。

发明内容

针对现有技术中存在不足，本发明提供了一种不同材料(20CrMnTi，CF钢和55号钢)金相组织自动分类与评级的方法，能够更加充分利用现有的金相数据库来让计算机自主学习特征从而实现了不同材料金相组织自动分类与评级，大大提高了准确性，达到了真正意义上的智能化。

本发明是通过以下技术手段实现上述技术目的的，主要分为两个步骤，第一自动识别不同材料，第二根据识别的材料然后自动评级。

一种不同材料金相组织自动分类评级方法，包括如下步骤：

S1:建立三种不同材料20CrMnTi，CF钢和55号钢不同倍数下晶粒级数的数据库；

S2：读入一幅大小为M×N的金相组织图像F，其中：M、N为正整数；

S3：对读入的金相组织图像金相材料F进行识别，包括如下步骤：

S3.1：设计一个卷积神经网络模型，针对不同金相材料金相识别；

S4：对材料进行识别后下面进行级数的评级，包括如下步骤：

S4.1：首先运用层次化的分类将相同材料先进行粗分类与细分类；

S4.2：用迁移学习的方法对层次化后的金相图片进行评级。

进一步，所述步骤S3.1中的卷积神经网络模型，具体步骤为：

S3.1.1：在图片正式送到卷积核进行分类前，采用去均值与归一化，即将输入的数据各个维度都中心化到0和将幅度归一化到相同的范围；