[发明专利]基于图像处理技术的半连续铸造铝硅合金微观组织分析方法

说明书

本发明公开了一种基于图像处理技术的半连续铸造铝硅合金微观组织分析方法，具有如下步骤：S1、针对半连续铸造铝硅合金组织进行评估；S2、针对半连续铸造铝硅合金图像中的缺陷进行检测与去除；S3、基于K‑means聚类和形态学方法对微观组织进行分割及分析。经实验对比结果证明，基于K‑means聚类和形态学方法对金相组织进行分割及分析的方法可以准确分割半连续铸造铝硅合金图像中大部分微观组织，同时能够准确统计修正后的铁相图像和修正后的硅相图像中微观组织、包括小颗粒微观组织的面积信息，以及统计微观组织面积分布区间。

技术领域

本发明以半连续铸造铝硅合金图像为对象，结合图像处理、机器学习以及深度学习先进理论，对金相图像分析方法进行深入研究，提出了对半连续铸造Al-12.7Si-0.7Mg合金图像微观组织的准确分割及分析的方法。

背景技术

在材料工业中，金属合金的微观组织结构以及分布决定了合金的化学特性，这些化学特性可以决定合金的性能，从而影响合金的使用价值。因此，对合金微观组织进行评估以及分析十分必要，金相分析技术目的在于确定金属合金微观组织的成分、性能和工艺之间存在的联系，这种分析方法可以在揭示这种联系的内在本质的同时，使金属合金材料在生产过程中的检验和操控更准确便捷。

传统金相分析技术主要由研究人员基于经验进行人工观测，由于不同人员评价标准不同，故金相分析结果易受到人为因素影响，且传统金相分析速度慢、分析效率和准确率低、可重现性不高。即使在凭借显微镜的情况下，研究人员也不能达到分析标准完全一致，且在待测金相图像数量较大的情况下，金相图像分析结果易出现疏漏。

随着数字图像处理技术的发展，金相图像得到有效的图像处理效果。基于图像处理技术的金相分析方法主要分为两个方向，分别为基于阈值分割的金相分析方法以及基于形态学方法的金相分析方法。基于阈值分割方法的金相图像分析方法在图像分割阶段存在的问题主要是在很多情况下不同金相图像中待分割的组织和背景图像灰度分布区间不同，当待分割对象类别较多时，不同分割对象灰度分布区间也存在交叉的情况下，无法选取一个分割效果准确的固定阈值来分割图像。而针对基于形态学方法的金相分析方法而言，由于合金本身的微观组织比较复杂并且没有规律，有时金相图像中会存在缺陷，或者由于金相图片拍摄光照以及噪声问题，一些微观组织的轮廓灰度会产生变化，导致丢失或者模糊不清，基于形态学方法的金相分析方法也不能达到十分准确的效果。

随着近年来人工智能和计算机能力的发展，机器学习和深度学习方法也被逐渐用来解决金相图像分析问题。金相分析技术在不断地更新进步，逐渐取代了人工，目前基于深度学习和机器学习方法针对金相分析相关研究较少。

发明内容

根据上述提出的技术问题，而提供一种基于图像处理技术的半连续铸造铝硅合金微观组织分析方法。本发明提出一种基于改进分类网络、目标检测网络、聚类和图像处理技术的集成方法，该方法能够对半连续铸造铝硅合金图像微观组织进行准确分析。本发明采用的技术手段如下：

一种基于图像处理技术的半连续铸造铝硅合金微观组织分析方法，具有如下步骤：

S1、针对半连续铸造铝硅合金组织进行评估：

将裁剪成224×224的半连续铸造铝硅合金图像划分为包含“合格”微观组织的图像和包含“不合格”微观组织的图像，对包含“合格”微观组织的图像标注为“合格”，对包含“不合格”微观组织的图像标注为“不合格”；

对标注后的图像采用数据扩增的方法增加其数量(标注完成后由于原图像数量较少，模型容易产生过拟合现象，因此，需要扩增)，扩增后的图像集按照一定比例随机抽取图像作为训练集和测试集；

将训练集作为V-MOB网络模型的输入，V-MOB网络模型对训练集中的图像的微观组织进行二分类，评估训练集中的图像的微观组织是否“合格”，将包含“合格”微观组织的图像提取出来；