[发明专利]一种基于深度学习的42CrMo单相金相组织分割方法及系统

权利要求书

1.一种基于深度学习的42CrMo单相金相组织分割方法，其特征在于，包括以下步骤：

步骤1)，将带有真值标签的42CrMo单相金相组织图像数据库分为训练集和测试集；

步骤2)，将U-Net模型中的卷积层增加至六块卷积层，去除U-Net模型中影像重叠策略Overlap-tile strategy，在U-Net模型中增加能够归一化每层网络的输入的归一化处理，得到改进后的U-Net模型；

步骤3)，从将上述改进之后的U-Net模型迁移至42CrMo单相金相组织图像的分割：将训练集42CrMo单相金相组织图像以及与其对应的碳化物组织轮廓作为改进后的U-Net模型的输入，对改进后的U-Net模型进行端对端训练，得到42CrMo单相金相组织图像分割模型；

步骤4)，将测试集中的42CrMo单相金相组织图像作为42CrMo单相金相组织图像分割模型的输入，得到自动分割的碳化物组织轮廓，将得到的碳化物组织轮廓与测试集中的真值比较得出相应的DICE值，然后利用42CrMo单相金相组织图像分割模型对待分割42CrMo单相金相组织图像进行分割。

2.根据权利要求1所述的一种基于深度学习的42CrMo单相金相组织分割方法，其特征在于，采集42CrMo单相金相组织的图像，对每个图像中的每个碳化物组织通过labelme方法进行人工分割与标注，形成带有真值标签的42CrMo单相金相组织图像。

3.根据权利要求2所述的一种基于深度学习的42CrMo单相金相组织分割方法，其特征在于，采用水平翻转和平移变换的方法扩充数据库中图像数量，并将扩充后的数据库中图像数量的80％划分为训练集，20％划分为测试集。

4.根据权利要求2或3所述的一种基于深度学习的42CrMo单相金相组织分割方法，其特征在于，采集拍摄的原始42CrMo单相金相组织图像，对原始42CrMo单相金相组织图像勾画出42CrMo单相金相组织图像每个碳化物组织的边缘轮廓，作为真值标签；然后对42CrMo单相金相组织图像和真值标签通过图像翻转及图像平移的方法来扩充数据集中图像的数量。

5.根据权利要求1所述的一种基于深度学习的42CrMo单相金相组织分割方法，其特征在于，增加两条路径的卷积层数。

6.根据权利要求1所述的一种基于深度学习的42CrMo单相金相组织分割方法，其特征在于，对改进后的U-Net模型进行端对端训练，采用二值交叉熵损失函数，损失函数如下：

x表示输入的样本，n表示样本的总数，y表示输出标准值，a为实际输出的值。

7.根据权利要求1所述的一种基于深度学习的42CrMo单相金相组织分割方法，其特征在于，改进后的U-Net模型最后一层输出层激活函数选用Sigmoid激活函数。

8.根据权利要求1所述的一种基于深度学习的42CrMo单相金相组织分割方法，其特征在于，步骤4具体包括以下步骤：1)、对于42CrMo单相金相组织图像碳化物组织分割模型，将测试集作为输入，得到模型自动分割的碳化物组织轮廓；

2)、将42CrMo单相金相组织图像分割模型自动分割得到的碳化物组织轮廓与人工分割得到的真值标签进行视觉对比和定量对比得到模型的DICE值。

9.一种基于深度学习的42CrMo单相金相组织分割系统，其特征在于，包括存储器、处理器以及存储在所属存储器中并可以在所述处理器上运送的计算机程序，所处处理器执行所述计算机程序时实现如权利要求1所述方法的步骤。