[发明专利]一种金相组织识别方法、系统、设备和存储介质

权利要求书

1.一种金相组织识别方法，其特征在于，包括如下步骤：

采集若干金属材料金相图像，组成原始数据集，若含有某个类别金相组织的金属材料金相图像的数量小于设定阈值，则该金属材料金相图像为少数类别样本，反之为多数类别样本；

将原始数据集平均分为K个样本子集，每个样本子集均包含少数类别样本和多数类别样本；轮流将某个样本子集作为测试集，其余样本子集作为训练集，进行训练得到能够识别多数类别样本的第一深度学习模型和能够识别少数类别的第二深度学习模型；其中，K2；

将待测试数据输入到第一深度学习模型中进行识别，得到待测试数据中多数类别的识别结果，将待测试数据输入到第二深度学习模型中进行识别，得到待测试数据少数类别的识别结果。

2.根据权利要求1所述的一种金相组织识别方法，其特征在于，阈值通过以下过程确定：在原始数据集所含金相组织的全部类别中存在某类别，使得含有该类别金相组织的图像数量m不小于含其他任意一个类别金相组织的图像数量，m的十分之一为阈值。

3.根据权利要求1所述的一种金相组织识别方法，其特征在于，采用K折交叉验证法将原始数据集平均分为K个样本子集。

4.根据权利要求1所述的一种金相组织识别方法，其特征在于，将原始数据集平均分为K个样本子集，每个样本子集均包含少数类别样本和多数类别样本；轮流将某个样本子集作为测试集，其余样本子集作为训练集，进行训练得到能够识别多数类别样本的第一深度学习模型和能够识别少数类别的第二深度学习模型的具体过程如下：

1)将原始数据集中含有少数类别的样本集合记为数据集a，其余样本的集合记为数据集b；样本子集Ω_k＝{C_k，T_k}，k＝1,2,…,K；C_k为训练集，T_k为测试集；

k＝1时，对训练集C₁采用深度学习模型进行训练，然后在经图像缩放和图像标准化操作后的测试集T₁上进行测试，得到模型A；

采用训练集C₁中属于数据集a的样本，对模型A进行训练，获得模型B；

2)在测试集T₁中选择属于数据集b的样本，使用模型B进行测试，选出错检样本；

3)少数类别样本共有n个子类别，依次令i＝1，2，…，n，将含第i个子类别且属于测试集T₁的样本的数目记为对错检样本同为第i个子类别的样本，按照模型B对这些样本的输出值，进行降序排序，从高到低选择数目为的样本，视为难识别样本；将难识别样本集合记录为第一难识别样本集合c₁；

4)令k＝2，3，...，K，重复步骤1)至步骤3)，获得第二难识别样本集合c₂，...，第k难识别样本集合c_k，将第一难识别样本集合c₁到第k难识别样本集合c_k与数据集a混合，构成数据集c；

5)将原始数据集划分为训练集和测试集，在训练集上训练深度学习模型，得到第一深度学习模型，在训练集C_train选择数据集c中的样本，对第一深度学习模型进行训练，获得第二深度学习模型。

5.根据权利要求4所述的一种金相组织识别方法，其特征在于，对训练集C₁采用深度学习模型进行训练前，对训练集C₁进行数据增强操作。

6.根据权利要求5所述的一种金相组织识别方法，其特征在于，对训练集C₁进行数据增强操作的具体过程为：对训练集C₁进行图像缩放、翻转、模糊、亮度和对比度调整、随机裁剪、随机网格洗牌和图像标准化操作。

7.根据权利要求5所述的一种金相组织识别方法，其特征在于，使用迁移学习的方式对模型A进行训练，获得模型B；采用迁移学习的方式对第一深度学习模型进行训练，获得第二深度学习模型。