[发明专利]一种非金属夹杂全视场定量统计分布表征方法

权利要求书

1.一种非金属夹杂全视场定量统计分布表征方法，其特征在于，包括以下步骤：

S1)将标准金属材料试样表面用砂纸打磨，然后利用抛光机抛成镜面，对磨抛后的标准金属材料试样利用配制的电解液进行表面电解侵蚀，使得非金属夹杂物充分暴露，通过金相显微镜或扫描电镜获取非金属夹杂物形貌，得到由非金属夹杂、划痕和外来干扰图像构成的图像数据库；

S2)基于图像数据库，随机选取几个图像，对非金属夹杂进行标记，得到含有非金属夹杂形状标记框的图像，建立非金属夹杂特征图谱；基于非金属夹杂特征图谱建立目标检测模型；

S3)对待测金属材料进行打磨抛光以及电解侵蚀，通过Navigator-OPA高通量扫描电镜对经过处理的待测金属材料表面进行全视场非金属夹杂特征数据的自动采集；

S4)将步骤S3中获得的所有待测金属材料中的非金属夹杂特征数据输入到步骤S2建立的目标检测模型中，该模型首先对非金属夹杂进行识别，将划痕和外来干扰作为背景，然后对非金属夹杂进行精确到像素级别的分割和提取，得到标记了非金属夹杂的二值图像；

S5)对步骤S4中获得的二值图像进行非金属夹杂的统计分布分析，获取大范围全视场上的非金属夹杂的面积、数量、夹杂间距信息，将所有信息反映到全视场中，获得全视场上原位非金属夹杂的定量统计分布数据。

2.根据权利要求1所述的非金属夹杂全视场定量统计分布表征方法，其特征在于，所述步骤S2中，基于非金属夹杂特征图谱建立目标检测模型，具体包括：

采用人工标记的方法，选取分非金属夹杂特征图谱中20％-30％的视场，标记不同类别非金属夹杂的位置信息，将标记后的非金属夹杂特征图谱作为目标检测样本；基于深度学习目标检测算法，将目标检测样本输入到U-Net目标检测网络中，得到建立目标检测模型。

3.根据权利要求2所述的非金属夹杂全视场定量统计分布表征方法，其特征在于，所述基于深度学习目标检测算法，将目标检测样本输入到U-Net目标检测网络中，得到建立目标检测模型，具体包括：U-Net目标检测网络对输入的目标检测样本进行4000-40000次迭代训练，得到目标检测模型。

4.根据权利要求2所述的非金属夹杂全视场定量统计分布表征方法，其特征在于，所述步骤S2中，将所述目标检测样本分为测试样本和训练样本，以所述训练样本为基础建立目标检测模型，利用所述测试样本对目标检测模型进行测试校验。

5.根据权利要求2所述的非金属夹杂全视场定量统计分布表征方法，其特征在于，所述步骤S2中，U-Net目标检测网络选自U-Net网络框架，网络框架包括9个block，block之间通过4个max-pooling层与4个transposed convolution连接；block内部包括卷积层、ReLu激活函数、Dropout层，分别起到从浅层特征中提取深层特征、处理非线性问题、避免过拟合现象的作用，其中训练过程中Loss函数使用交叉熵，反向传播过程中优化函数使用Adam。

6.根据权利要求1所述的非金属夹杂全视场定量统计分布表征方法，其特征在于，所述步骤S3中，所述对待测金属材料进行打磨抛光以及电解侵蚀，具体包括：将待测金属材料表面用砂纸打磨，然后利用抛光机抛成镜面，对磨抛后的标准金属材料试样利用配制的电解液进行表面电解侵蚀。

7.根据权利要求1所述的非金属夹杂全视场定量统计分布表征方法，其特征在于，所述步骤S4中，每个视场识别提取过程耗时0.102s，准确度达到99.2％。