一种有色金属弱衬度弥散晶界提取方法
本发明涉及有色金属智能检测,尤其涉及一种有色金属弱衬度弥散晶界提取方法。
背景技术:
1、有色金属是保障国家安全、支撑高端制造和能源转型的战略性资源,其凭借着高强度、耐高温、耐腐蚀等优异特性,在航空航天、能源化工、电子信息等领域发挥着重要作用。这些宏观特性本质上由微观组织结构决定,其中晶粒尺寸和晶粒度作为最核心的组织参数,与材料的强度、塑性、韧性等特性息息相关。因此,实现对有色金属晶界的准确提取,不仅为晶粒尺寸和晶粒度的精准量化提供技术基础,也为优化现有材料性能、设计新型高性能合金奠定数据基础。
2、目前的有色金属晶界提取方法包括人工描绘法、基于数字图像处理的方法以及基于深度学习的语义分割方法。人工描绘法虽然具有较高的主观可控性,但存在效率低、重复性差、对操作者经验依赖强等问题,难以满足大批量图像分析需求。数字图像处理方法可在一定程度上提高处理效率,但其通常依赖人工设定参数,对光照变化、腐蚀程度和晶界衬度变化较为敏感,容易出现晶界断裂、噪声误检和过分割等问题。基于语义分割网络的晶界提取方法在特征表达能力和普适性方面优于传统方法,但在少量标注样本条件下,其训练效果受人工标注数量和标注质量影响较大。对于弱衬度弥散晶界,普通硬标签监督方式容易将模糊过渡边界强制二值化,导致模型对弱晶界响应不足,同时,单一输入尺度的网络难以同时兼顾局部细小晶界纹理和较大视野下晶粒整体结构,预测结果中仍可能存在晶界漏检、局部断裂和孤立噪声。
技术实现思路
1、本发明提供一种有色金属弱衬度弥散晶界提取方法,解决上述背景技术中提到的问题。
2、为达到上述目的,本发明的一种有色金属弱衬度弥散晶界提取方法,包括:获取有色金属金相图像及对应的人工标注真值图,将金相图像及对应的人工标注真值图分别处理为第一尺度训练数据和第二尺度训练数据;构建第一尺度生成对抗网络模型和第二尺度生成对抗网络模型,利用第一尺度训练数据对第一尺度生成对抗网络模型进行初始训练,得到第一尺度初始权重;利用第二尺度训练数据对第二尺度生成对抗网络模型进行初始训练,得到第二尺度初始权重;分别利用第一尺度初始权重和第二尺度初始权重对训练图像进行预测,对应得到第一尺度预测结果和第二尺度预测结果,将第一尺度预测结果、第二尺度预测结果与人工标注真值图按预设权重进行加权融合,生成软标签,所述软标签为连续概率值矩阵,用于表征各像素点属于晶界的置信度;基于软标签对第一尺度生成对抗网络模型和第二尺度生成对抗网络模型进行再次训练,得到更新后的第一尺度权重和第二尺度权重;将待预测的真实金相图像分别输入搭载更新后的第一尺度权重的第一尺度生成对抗网络模型和搭载更新后的第二尺度权重的第二尺度生成对抗网络模型,对应得到第一真实图像预测结果和第二真实图像预测结果,将第一真实图像预测结果和第二真实图像预测结果进行融合,得到融合预测图;对融合预测图进行后处理,输出晶界提取结果。
3、作为本发明的一种改进,将金相图像及对应的人工标注真值图分别处理为第一尺度训练数据和第二尺度训练数据包括:将金相图像及对应的人工标注真值图裁剪为第一预设尺寸,得到第一尺度训练数据;将金相图像及对应的人工标注真值图裁剪为第二预设尺寸,得到第二尺度训练数据,其中,所述第一预设尺寸小于所述第二预设尺寸。
4、作为本发明的一种改进,第一尺度生成对抗网络模型和第二尺度生成对抗网络模型均包括生成器和判别器,所述生成器采用编码—转换—解码结构,所述判别器采用局部图像块判别结构。
5、作为本发明的一种改进,所述生成器的编码—转换—解码结构依次包括下采样编码模块、残差特征转换模块和上采样解码模块。
6、作为本发明的一种改进,将第一尺度预测结果、第二尺度预测结果与人工标注真值图按预设权重进行加权融合,构建软标签包括:将第一尺度预测结果、第二尺度预测结果与人工标注真值图按照第一权重、第二权重和第三权重进行逐像素加权求和;其中,第一权重、第二权重与第三权重之和为1,且第三权重的取值大于第一权重和第二权重。
7、作为本发明的一种改进,第一尺度生成对抗网络模型和第二尺度生成对抗网络模型在初始训练和再次训练过程中,模型损失函数的计算式为:,其中表示对抗损失,表示l1重建损失,为重建损失权重系数。
8、作为本发明的一种改进,所述后处理包括:对所述融合预测图依次进行二值化、膨胀填隙、形态学骨架化,得到晶界骨架图;基于骨架约束对所述晶界骨架图进行孤立区域去除、断点连接以及孪晶合并处理,输出晶界提取结果。
9、作为本发明的一种改进,基于骨架约束对晶界骨架图进行断点连接包括:提取晶界骨架图中断点邻域内的骨架像素点;对骨架像素点进行主成分分析,得到骨架的主方向向量;基于主方向向量,采用bresenham直线算法在断点之间进行连线,以连接断点。
10、作为本发明的一种改进,基于骨架约束对初始骨架图进行孪晶合并处理包括:识别初始骨架图中由晶界至少部分环绕且面积小于预设面积阈值的孤立区域,将其标记为潜在孪晶区域;计算潜在孪晶区域与相邻晶粒的质心距离;若质心距离小于预设距离阈值,则将潜在孪晶区域合并至对应的相邻晶粒中。
11、相对于现有技术,本申请一种有色金属弱衬度弥散晶界提取方法具有如下优点:
12、1、提升了对弱衬度弥散晶界的识别完整性和连续性。通过构建第一尺度和第二尺度双生成对抗网络,分别提取局部纹理细节与全局结构信息,在预测阶段将两个尺度的预测结果进行融合,使最终预测图同时具备细节敏感和全局连贯的特性,有效解决了单一尺度预测中晶界识别不连续、局部漏检的问题;
13、2、利用软标签蒸馏有效克服硬标签强制二值化导致的弱晶界漏检。本发明将双尺度预测结果与人工真值图加权融合,构建连续概率值矩阵作为软标签,并利用该软标签对模型进行再次训练。该方式使模型学习到模糊边界区域的不确定性信息,在处理弱衬度晶界时能够给出平滑的置信度响应而非突变情形,显著提升了对弱晶界的捕获,降低漏检率;
14、3、提出了完整的骨架约束后处理。通过膨胀填隙和基于pca主方向约束的断点连接,确保断裂处沿晶界自然走向连接;通过连通域分析去除孤立噪声区域,通过质心距离判断将细小孪晶区域归并至相邻主晶粒。经上述后处理后,最终输出的晶界骨架图光滑、连续,可直接用于后续晶粒度定量分析。
1.一种有色金属弱衬度弥散晶界提取方法,其特征在于,包括:
2.根据权利要求1所述的一种有色金属弱衬度弥散晶界提取方法,其特征在于,将金相图像及对应的人工标注真值图分别处理为第一尺度训练数据和第二尺度训练数据包括:
3.根据权利要求1所述的一种有色金属弱衬度弥散晶界提取方法,其特征在于,第一尺度生成对抗网络模型和第二尺度生成对抗网络模型均包括生成器和判别器,所述生成器采用编码—转换—解码结构,所述判别器采用局部图像块判别结构。
4.根据权利要求3所述的一种有色金属弱衬度弥散晶界提取方法,其特征在于,所述生成器的编码—转换—解码结构依次包括下采样编码模块、残差特征转换模块和上采样解码模块。
5.根据权利要求1所述的一种有色金属弱衬度弥散晶界提取方法,其特征在于,将第一尺度预测结果、第二尺度预测结果与人工标注真值图按预设权重进行加权融合,构建软标签包括:
6.根据权利要求1所述的一种有色金属弱衬度弥散晶界提取方法,其特征在于,第一尺度生成对抗网络模型和第二尺度生成对抗网络模型在初始训练和再次训练过程中,模型损失函数的计算式为:,其中表示对抗损失,表示l1重建损失,为重建损失权重系数。
7.根据权利要求1所述的一种有色金属弱衬度弥散晶界提取方法,其特征在于,所述后处理包括:
8.根据权利要求7所述的一种有色金属弱衬度弥散晶界提取方法,其特征在于,基于骨架约束对晶界骨架图进行断点连接包括:
9.根据权利要求8所述的一种有色金属弱衬度弥散晶界提取方法,其特征在于,基于骨架约束对初始骨架图进行孪晶合并处理包括:
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com