锆合金高温氧化显微组织图片识别方法、系统、存储介质与流程

技术特征：
1.一种锆合金高温氧化显微组织图片识别方法，其特征在于，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。2.根据权利要求1所述的一种锆合金高温氧化显微组织图片识别方法，其特征在于，所述深度学习模型采用cnn架构的卷积神经网络模型。3.根据权利要求2所述的一种锆合金高温氧化显微组织图片识别方法，其特征在于，所述s201中识别预测金相图片氧化膜区域的方法为：定义卷积神经网络参数θ＝{θ1，θ2，θ3…
θ
n
}；在进行识别训练过程中，利用以下迭代公式更新所述卷积神经网络参数：其中θ
j
代表θ
j
:的迭代，代表一阶导数，l
b
代表分割损失函数，所述分割损失函数l
b
用于预测输入到深度学习模型中的待识别的金相图片分割的金相边界与识别训练的金相图片分割的金相边界的重合程度；然后对训练好的卷积神经网络的最后一层进行softmax概率预测，进而预测所得到的预测金相图片的各像素点分类，softmax概率预测值最大的区域即为氧化膜区域；其中x
i
代表预测的预测金相图片各像素点x属于i类的值，各个预测金相图片的所有像素点分类的softmax概率预测值之和为1。4.根据权利要求3所述的一种锆合金高温氧化显微组织图片识别方法，其特征在于，所述分割的金相边界包括分割的α相、β相、氧化膜区域边界；所述分割损失函数l
b
的计算过程为：定义金相边界分割过程中的精确率召回率
其中b(x)＝x-minpool(x)；代表金相图片的真实标签，y
pr
代表分割得到的金相图片的预测值，minpool表示最小池化，代表金相图片各相的真实边界，代表金相图片各相的预测边界，sum代表求运算的矩阵和；根据所述精确率p和召回率r计算分割边界的调和平均分数得金相图片的边界损失函数将边界损失函数与交叉熵函数l
c
进行加法运算，即得分割损失函数l
b
，其中：调和平均分数边界损失函数分割损失函数ω
b
，ω
c
分别代表边界损失函数和交叉熵函数l
c
的超参数。5.根据权利要求4所述的一种锆合金高温氧化显微组织图片识别方法，其特征在于，所述ω
b
为0.5，所述ω
c
为1.0。6.根据权利要求3所述的一种锆合金高温氧化显微组织图片识别方法，其特征在于，所述s201中计算氧化膜厚度的计算方法为：将识别到的氧化膜区域内的像素点提取，并定义氧化膜像素点集合为{(x1,y1),(x2,y2),
…
(x
n
,y
n
)}，使用n根线与像素点集合相交，计算与各根线相交的像素点数量之和n，氧化膜厚度其中，所述氧化膜像素点集合中的(x
n
，y
n
)代表预测金相图片中各个像素点的坐标，各根线为沿空间坐标轴x平行的线，各根线的坐标方程集合为{x＝x1，x＝x2，
…
x＝x
n
}。7.根据权利要求1所述的一种锆合金高温氧化显微组织图片识别方法，其特征在于，所述深度学习过程包括：将经扩增得到的金相图片输入到在深度学习模型的imagenet数据集上预训练好的resnet101网络中，提取各金相图片的特征向量；将各金相图片的特征向量输入至特征注意力模块fpa中，获得不同尺寸的金相图片的特征信息，将这些特征信息与经卷积处理的原始特征向量融合，记为向量a1；将resnet101网络上的三个不同阶段的特征向量通过全局注意力上采样模块gau处理，得到b1、b2、b3向量；将b1、b2、b3向量分别与向量a1先乘后加运算，再进行上采样处理，得到预测的金相图片。8.根据权利要求1所述的一种锆合金高温氧化显微组织图片识别方法，其特征在于，所述s105中，对于寻找到的每个闭合轮廓内的像素点计数；计算每个闭合轮廓同轴度，将同轴度小于设定阈值threshold的闭合轮廓标记为α相，同轴度大于等于设定阈值threshold的闭合轮廓标记为β相，分别将同属于α相或β相的每个闭合轮廓的像素点数量相加，即得α相或β相的面积，并将各α相或β相的闭合轮廓标注不同
的颜色。9.一种锆合金高温氧化显微组织图片识别系统，其特征在于包括：图片获取模块，用于获取待识别的金相图片；图片处理模块，通信连接所述图片获取模块，用于对待识别的金相图片进行灰度化处理、非局部均值去噪、自适应阈值分割，以得到二值图像，同时通过形态学建模、连通域分析去噪对二值图像进行降噪处理，对降噪处理的二值图像采用分水岭算法进行相分割，对分割后的二值图像的闭合轮廓进行颜色标注，形成输出图像，并对各闭合轮廓内的像素点计数得到α相或β相的面积、α相、β相的面积占比；图像扩增模块，通信连接所述图片获取模块，用于将获取的待识别的金相图片进行扩增；深度学习模块：通信连接所述图像扩增模块、图像处理模块，用于将得到的扩增图片输入到已完成金相图片识别训练的深度学习模型中预测运算，得到预测金相图片，并识别预测金相图片中的氧化膜区域，计算氧化膜厚度，并用于将得到的预测金相图片对应到图像处理模块得到的输出图像；图像输出模块，通信连接所述图像处理模块、深度学习模块，用于输出图像以及各相面积值、面积占比值、氧化膜厚度。10.一种计算机可读存储介质，其特征在于，所述存储介质上存储有锆合金的高温氧化显微组织图片识别程序指令，所述程序指令可被一个或多个处理器执行，以实现如权利要求1～8任一项所述的一种锆合金高温氧化显微组织图片识别方法的步骤。

技术总结
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。温氧化对材料性能的影响有重要的意义。温氧化对材料性能的影响有重要的意义。


技术研发人员：赵琬倩 彭小明 廖志海 高毅 贺喆南 黄赟浩 赵毅
受保护的技术使用者：中国核动力研究设计院
技术研发日：2021.12.13
技术公布日：2022/3/3