[发明专利]一种金属材料中显微组织全视场定量统计分布表征方法

权利要求书

1.一种金属材料中显微组织全视场定量统计分布表征方法，其特征在于，包括以下步骤：

a)建立标准特征图谱数据集：

获取整个标准金属材料试样表面的包括显微组织的图像，所述显微组织包括铁素体、珠光体和贝氏体组织；标准金属材料的制样方法包括：

打磨并抛光标准金属材料试样表面，采用机械抛光，抛光试剂采用金刚石研磨膏；对抛光后的标准金属材料试样表面进行化学腐蚀，使其表面显示清晰、完整的铁素体、珠光体和贝氏体组织，所述化学腐蚀采用的溶液为4％硝酸酒精溶液，浸蚀时间为10s-30s；采用Navigator-OPA高通量全自动扫描电镜，获取整个试样表面的包括铁素体、珠光体和贝氏体组织的特征图谱，建立标准特征图谱数据集；

b)建立基于深度学习的特征识别提取模型：

随机选取标准特征图像数据集中的图像，将珠光体、贝氏体为目标对数据集中的图像进行标记，得到含有珠光体、贝氏体形状标记框的图像，将标记后的特征图谱数据集生成目标检测样本库；建立深度学习U-Net目标检测网络，用获得的目标检测样本库训练网络得到目标检测模型；所述U-Net目标检测网络采用U-Net网络框架，其结构左侧为下采样层，由卷积层和池化层交替组合，激活函数使用ReLu，通过对输入的图像进行路径收缩，从而捕捉全局内容，右侧为上采样层，由卷积层和反卷积层交替组合，训练过程中对下采样的特征图进行路径扩张，从而精确定位图像的每个像素；

c)待测金属材料中的显微组织特征图谱的全视场自动采集：

通过Navigator-OPA高通量扫描电镜对腐蚀后的待测金属材料表面进行全视场显微组织特征图谱自动采集；

d)珠光体、贝氏体的分类识别和分割提取：

将步骤c中获得的所有待测金属材料中的显微组织特征图谱输入到步骤b建立的U-Net目标检测网络，该网络对粘连的珠光体、贝氏体组织进行像素级的分割提取，同时分类识别出粘连在一起的珠光体、贝氏体组织；经过分割提取和分类识别，得到标记了珠光体和贝氏体组织的二值图像；

e)大范围全视场显微组织的原位定量统计分布表征：

通过连通区域算法处理步骤d中获得的二值图像，得到一个完整数据集，数据集中包含每个特征珠光体、贝氏体的尺寸、面积、位置信息，选择适当的面积作为统计单元，对数据集进行统计分布表征，获得全视场上珠光体和贝氏体的统计分布情况。

2.根据权利要求1所述的金属材料中显微组织全视场定量统计分布表征方法，其特征在于，所述步骤b中，还包括对标准特征图谱数据集中含有珠光体、贝氏体的图像进行预处理，具体为翻转、平移、裁剪和缩放。

3.根据权利要求1所述的金属材料中显微组织全视场定量统计分布表征方法，其特征在于，所述步骤b中，所述目标检测样本库分为训练集和测试集，其中训练集用来进行训练得到目标检测模型，测试集用来验证模型的可靠程度。

4.根据权利要求1所述的金属材料中显微组织全视场定量统计分布表征方法，其特征在于，所述步骤c中，采用标准金属材料的制样方法中相同的处理手段对待测金属材料进行处理。

5.根据权利要求1所述的金属材料中显微组织全视场定量统计分布表征方法，其特征在于，所述步骤d中，二值图像的像素为1024*1024。