[发明专利]锆合金高温氧化显微组织图片识别方法、系统、存储介质

说明书

本发明公开了一种锆合金高温氧化显微组织图片识别方法、系统、存储介质，包括获取待识别的金相图片；处理得到二值图像；形态学建模、连通域分析去噪；进行氧化膜、比例尺、α相、β相分割；颜色区分α相、β相、氧化膜区域、比例尺，形成输出图像，计算各相面积及面积占比；将待识别的金相图片进行深度学习获得预测金相图片，识别预测金相图片的氧化膜区域、计算氧化膜厚度；将得到的预测金相图片对应到输出图像；输出结果。将图像处理技术与深度学习技术结合，提高图片识别的准确性，具有良好的再现性；且将图片输入到识别系统中即可快速并迅速地获得输出结果，对认识锆合金的氧化规律和高温氧化对材料性能的影响有重要的意义。

技术领域

本发明涉及图像识别计算领域，具体涉及一种锆合金高温氧化显微组织图片识别方法、系统、存储介质。

背景技术

核能是一种清洁高效能源，发展核能是当前我国坚定不移的能源发展战略方针。核燃料元件是核反应堆的屏障核心部件，对反应堆安全性和可靠性有极其重要的影响，包壳是核反应堆的第一道安全。锆合金由于具有低的热中子吸收截面、良好的耐腐蚀性能以及适中的力学性能，是当前水冷核反应堆唯一采用的燃料元件包壳材料，而研究锆合金的氧化规律和高温氧化对锆合金材料性能的影响可以为以锆合金作为燃料元件包壳设计以及反应堆在假想LCOA下的安全评价提供指导和参考依据。

在研究锆合金的氧化规律和高温氧化对锆合金材料性能的影响过程中，需要研究者准确分析锆合金在不同氧化气氛、氧化温度、氧化时间下，氧化组织中α相、β相所占比例，并完成氧化膜厚度测量。现有的操作方式为：研究者制备样品后，将样品的待分析面朝向显微镜物镜放置的载物台上，采集并保持待分析的金相照片；然后将待分析的金相图片与专用的数据库中的图片一一比对进行识别，并进行α相、β相面积计算和占比计算，然后输出进行了各相标记的图片及计算结果供研究者分析。此过程不但耗费时间，还会因为人为因素导致图片识别误差，进而导致输出的图片与实际的图片符合度较差，且计算结果也不准确。

发明内容

本发明所要解决的技术问题是现有的锆合金高温氧化显微组织的图片识别过程耗时，且输出结果不准确，影响研究者研究，不能为以锆合金作为燃料元件包壳设计以及反应堆在假想LCOA下的安全评价提供准确的指导和参考依据。目的在于提供一种锆合金高温氧化显微组织图片识别方法、系统、存储介质，以解决以上问题。

本发明通过下述技术方案实现：

本发明的第一个目的是提供一种锆合金高温氧化显微组织图片识别方法，包括

S101：获取待识别的金相图片；

S102：对获得的金相图片依次进行灰度化处理、非局部均值去噪、自适应阈值分割，得到二值图像；

S103：对二值图像进行形态学建模、连通域分析去噪；

S104：将经过连通域分析去噪的图像通过分水岭算法进行α相、β相、氧化膜区域分割；

S105：寻找分割后得到的二值图像的闭合轮廓，颜色区分各个闭合轮廓为α相、β相、氧化膜区域、比例尺，形成输出图像，并计算各α相、β相的面积及α相、β相的面积占比；

S201：将待识别的金相图片扩增后输入到预先完成金相图片识别训练的深度学习模型中预测运算，得到预测的金相图片，并识别预测金相图片的氧化膜区域，计算氧化膜厚度；

S202：将得到的预测金相图片对应到S105中的输出图像；

S301：输出图像、α相与β相的面积值及面积占比值、氧化膜的厚度。

可选地，所述深度学习模型采用CNN架构的卷积神经网络模型。

可选地，所述S201中识别预测金相图片氧化膜区域的方法为：