[发明专利]一种试样断口自动识别及剪切面积百分比计算方法

权利要求书

1.一种试样断口自动识别及剪切面积百分比计算方法，其特征在于，包括以下步骤：

S1：通过图像传感器采集试样断口图像，并将断口图像进行预处理；

S2：将预处理后的图像输入预先训练好的网络模型中进行断口特征识别和特殊区域标记，输出带有边界框、类别信息和标记有特殊区域的断口图像；

S3：根据输出的图像，计算边界框内特殊区域的像素点个数，计算出特殊区域的面积，得出剪切面积百分比。

2.根据权利要求1所述的一种试样断口自动识别及剪切面积百分比计算方法，其特征在于，所述图像传感器为CCD图像传感器。

3.根据权利要求1所述的一种试样断口自动识别及剪切面积百分比计算方法，其特征在于，所述图像预处理为将所采集的断口图像形状处理为正方形。

4.根据权利要求3所述的一种试样断口自动识别及剪切面积百分比计算方法，其特征在于，所述断口图像处理为正方形的方法为：根据图像传感器采集的断口图像，确定断口图像的长边和短边，并将确定好的长边作为正方形的边长，用填充物对称填充图像的短边至正方形边长的尺寸。

5.根据权利要求4所述的一种试样断口自动识别及剪切面积百分比计算方法，其特征在于，所述填充物为灰色像素点。

6.根据权利要求1所述的一种试样断口自动识别及剪切面积百分比计算方法，其特征在于，所述断口特征为试样断口图像中的脆性特征。

7.根据权利要求6所述的一种试样断口自动识别及剪切面积百分比计算方法，其特征在于，所述特殊区域为断口图像中的脆性区域。

8.根据权利要求1所述的一种试样断口自动识别及剪切面积百分比计算方法，其特征在于，所述S2中网络模型训练过程为：

S2.1：将预处理后的断口图像输入网络模型中的主干特征提取网络中，进行试样断口特征识别，利用主干特征提取网络中的残差神经网络对图像进行特征提取，获得特征图，不断压缩提取到的特征图的长和宽，再利用主干特征提取网络中的FPN特征金字塔结构对提取到的特征图进行上采样，使特征图重新变大，并与用残差神经网络对图像进行特征提取后得到的特征图进行组合，通过特征图的不断组合，获得多个有效特征图，完成试样断口特征识别；

S2.2：将获得的多个有效特征图输入到区域建议网络中，对有效特征图进行多次卷积，获得建议区域；

S2.3：在兴趣区域对齐层中，利用获得的建议区域分别对各建议区域所对应的有效特征图进行截取，将截取后的有效特征图调整大小，获得局部特征图；

S2.4：获取到局部特征图之后，网络模型通过全连接层和卷积层对局部特征图进行处理；

S2.5：全连接层中，对兴趣区域对齐层中获得的局部特征图进行两次全连接操作，然后再分别全连接到边框回归和目标分类模块中进行边界预测和类别预测，得到断口图像的边界框信息和类别信息；

S2.6：通过卷积层对局部特征图的卷积和反卷积，对局部特征图进行标记，完成对图像中特殊区域的标记，得到断口图像的特殊区域标记信息；

S2.7：结合全连接层得到的边界框信息、类别信息和经过卷积层得到的特殊区域标记信息，综合获得带有边界框和类别信息且标记有特殊区域的断口图像。

9.根据权利要求1所述的一种试样断口自动识别及剪切面积百分比计算方法，其特征在于，所述特殊区域的面积为：脆性区域的像素点个数×脆性区域内每个像素点的面积。

10.根据权利要求1所述的一种试样断口自动识别及剪切面积百分比计算方法，其特征在于，所述S3中剪切面积百分比的计算公式为：

其中：Ac为断口中特殊区域总面积，单位为平方毫米；

A₀为原始横截面积，单位为平方毫米；

FA为剪切面积百分比。