[发明专利]半连续铸造铝硅合金微观组织评估方法在审
申请号: | 201811488821.9 | 申请日: | 2018-12-06 |
公开(公告)号: | CN109741298A | 公开(公告)日: | 2019-05-10 |
发明(设计)人: | 陈大力;张世月;刘士新;张鹏远;刘芳 | 申请(专利权)人: | 东北大学 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06T7/10 |
代理公司: | 大连东方专利代理有限责任公司 21212 | 代理人: | 姜玉蓉;李洪福 |
地址: | 110819 辽宁*** | 国省代码: | 辽宁;21 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 词汇表 构建 铝硅合金 微观组织 无监督 半连续铸造 金相组织 视觉单词 主题模型 共晶硅 图像 评估 人类视觉特性 无监督学习 机器学习 连续铸造 求解过程 图像处理 主导因素 隐含 词汇 抽象 概率 发现 学习 | ||
1.半连续铸造铝硅合金微观组织评估方法,其特征在于,至少包括以下步骤:
S1:通过图像处理构建金相词汇表;所述构建金相词汇表至少要提取共晶硅长度视觉单词,并将所述共晶硅长度视觉单词抽象为金相词汇;
S2:基于LDA主题模型无监督训练;所述基于LDA主题模型无监督训练至少还包含:LDA模型的构建和参数求解过程。
2.根据权利要求1所述的半连续铸造铝硅合金微观组织评估方法,其特征还在于:
所述提取共晶硅长度视觉单词至少还包含以下步骤:
S111:去除图像边缘,并将所述图像进行灰度化处理;
S112:通过对比限制自适应直方图均衡化CLAHE处理;将所述CLAHE处理后的图像,通过线性滤波处理:
S113:将所述CLAHE处理后的图像,通过k-means无监督聚类分为3类,取其中像素值最高的一类,对所述像素值最高的图像进行形态学闭操作,分割出α-AL枝晶;
S114:通过减法的方法在线性滤波结果图中去除α-AL枝晶边缘;在线性滤波的图中,减去所述步骤S123分割出α-AL枝晶图;
S115:通过具有相同标准二阶中心矩的椭圆长轴长度≈共晶硅长度,连接组件标签和区域近似长度度量方法,计算共晶硅近似长度;
S116:通过长度的计算方式获取共晶硅长度视觉单词;
所述长度的计算方式:以处理后图片前景像素个数为基准进行量化,将一张图片中共晶硅长度按降幂排序为一向量,选取降幂排序后向量的前Nj维作为共晶硅长度视觉单词;
S117:将所述共晶硅长度视觉单词抽象为金相词汇表。
3.根据权利要求1或2所述的半连续铸造铝硅合金微观组织评估方法,其特征还在于:
根据用户自定义的长度范围,为长度视觉单词排序;使用wj,i表示排序后的第j张图像中的第i个长度单词。
4.根据权利要求1所述的半连续铸造铝硅合金微观组织评估方法,其特征还在于:
所述LDA模型的构建过程为:
S211:从狄利克雷分布β中采样生成主题k的视觉词分布其中,k∈[1,K];
S212:从狄利克雷分布α中采样生成图像j的主题分布θj,其中,j∈[1,J];
S213:从主题的多项式分布中采样生成第j张图像中第i个词的主题zj,,其中,i∈[1,Nj];
S214:从视觉词的多项式分布中采样生成最终的单词wj,i;
其中,α,β为狄利克雷分布先验参数,K表示主题总数,J表示图像总数,
表示主题k的视觉词分布,θj表示图像j的主题分布,Nj表示每张图像中包含的视觉单词的个数,zj,表示第j张图像中第i个视觉词的主题,wj,i表示观测到的视觉词。
5.根据权利要求1所述的半连续铸造铝硅合金微观组织评估方法,其特征还在于:
所述LDA模型参数求解过程为:
S221:利用吉布斯采样方法,得主题z的采样公式,所述采样公式为:
其中,表示不统计当前采样的数据,表示排除当前单词的主题分布,v表示当前词且wj,i=v,αk表示主题先验的第k个主题出现的先验概率,βv表示单词先验的第v个单词出现的先验概率;
S222:在S221步采样收敛后,根据所述图像中的所述视觉单词的主题分布来计算和
S223:显示中主题概率的降序排列的前d个视觉单词。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于东北大学,未经东北大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811488821.9/1.html,转载请声明来源钻瓜专利网。