[发明专利]基于图像处理技术的半连续铸造铝硅合金微观组织分析方法

摘要

本发明公开了一种基于图像处理技术的半连续铸造铝硅合金微观组织分析方法，具有如下步骤：S1、针对半连续铸造铝硅合金组织进行评估；S2、针对半连续铸造铝硅合金图像中的缺陷进行检测与去除；S3、基于K‑means聚类和形态学方法对微观组织进行分割及分析。经实验对比结果证明，基于K‑means聚类和形态学方法对金相组织进行分割及分析的方法可以准确分割半连续铸造铝硅合金图像中大部分微观组织，同时能够准确统计修正后的铁相图像和修正后的硅相图像中微观组织、包括小颗粒微观组织的面积信息，以及统计微观组织面积分布区间。

主权项

1.一种基于图像处理技术的半连续铸造铝硅合金微观组织分析方法，其特征在于具有如下步骤：S1、针对半连续铸造铝硅合金组织进行评估：将裁剪成224×224的半连续铸造铝硅合金图像划分为包含“合格”微观组织的图像和包含“不合格”微观组织的图像，对包含“合格”微观组织的图像标注为“合格”，对包含“不合格”微观组织的图像标注为“不合格”；对标注后的图像采用数据扩增的方法增加其数量，扩增后的图像集按照一定比例随机抽取图像作为训练集和测试集；将训练集作为V‑MOB网络模型的输入，V‑MOB网络模型对训练集中的图像的微观组织进行二分类，评估训练集中的图像的微观组织是否“合格”，将包含“合格”微观组织的图像提取出来；S2、针对半连续铸造铝硅合金图像中的缺陷进行检测与去除：将步骤S1中提取出来的包含“合格”微观组织的图像使用LabelImg图像标注软件对图像中的缺陷进行人工标注，将人工标注后的图像分别旋转90°、180°、270°以及将人工标注后的图像的亮度和对比度分别调整为0.8倍和1.2倍后和人工标注后的图像组成数据集；运用深度学习目标检测网络Faster‑RCNN来检测数据集中图像的缺陷，若图像经过检测存在缺陷，则利用阈值分割的方法将缺陷去除；调整去除缺陷后的图像的背景灰度，使背景与待分割的微观组织的对比度增大；S3、基于K‑means聚类和形态学方法对微观组织进行分割及分析：基于K‑means聚类法对步骤S2得到的调整背景灰度后的图像的微观组织中硅相和铁相进行分割，得到硅相图像和铁相图像；采用Canny算子边缘检测方法和形态学方法对硅相图像和铁相图像进行后处理：采用Canny算子边缘检测的方法将铁相图像的二值图像边缘进行检测，提取铁相微观组织的边缘，采用形态学闭运算填充提取的铁相微观组织的边缘图像，填充边缘图像细小空洞；采用减法运算将铁相图像的二值图像减去填充后的边缘图像，得到修正后的铁相图像；采用加运算在硅相图像的二值图像上填充边缘图像，得到修正后的硅相图像；利用基于区域生长的八连通区域统计方法将修正后的铁相图像和修正后的硅相图像中的微观组织颗粒的像素面积进行统计，并绘制微观组织面积分布和面积占比统计表。