[发明专利]基于Mask RCNN实例分割的SEM图像分子筛粒径统计方法和系统

说明书

本发明公开了一种基于Mask RCNN实例分割的SEM图像分子筛粒径统计方法和系统，提升分子筛粒径统计效率。其技术方案为：获取扫描电子显微镜图像，即SEM图像，以及相应的操作文件，构建相应的SEM图像样本库；对构建的SEM图像样本库中的原始图像进行实例分割标注，构建SEM图像实例分割数据集；构建Mask RCNN实例分割模型；利用得到的SEM图像实例分割数据集对构建的Mask RCNN实例分割模型进行训练及参数调整；利用训练后的Mask RCNN实例分割模型完成对SEM图像样本的分子筛实例分割；根据得到的SEM图像分子筛实例分割的结果计算SEM图像中分子筛粒径大小，从而实现对分子筛粒径的统计。

技术领域

本发明涉及分子筛催化剂工艺改进领域，具体涉及一种基于Mask RCNN实例分割的扫描电子显微镜(Scanning Electron Microscope，SEM)图像分子筛粒径统计方法和系统。

背景技术

分子筛粒径统计在材料、化工等相关合成领域具有重要意义，是评判分子筛合成效果的重要指标。传统的分子筛粒径统计方法通过扫描电子显微镜(SEM)获取相应的图像样本后进行人工测量与统计，需要耗费较多的时间和人力成本，同时人工统计不可避免地存在误检、漏检的情况，且无法实施，不间断工作。

近年来的图像识别技术在各个领域的识别检测得到广泛应用，图像处理技术也有了充分的发展。传统的统计方法中所涉及的扫描电子显微镜(SEM)图像包含丰富的信息，结合相关的操作文件便可方便的获取SEM图像中分子筛的实际尺度信息。

因此，如何将图像识别技术应用于分子筛粒径统计方法，成为目前业界亟待解决的问题。

发明内容

以下给出一个或多个方面的简要概述以提供对这些方面的基本理解。此概述不是所有构想到的方面的详尽综览，并且既非旨在指认出所有方面的关键性或决定性要素亦非试图界定任何或所有方面的范围。其唯一的目的是要以简化形式给出一个或多个方面的一些概念以为稍后给出的更加详细的描述之序。

本发明的目的在于解决上述问题，提供了一种基于Mask RCNN实例分割的SEM图像分子筛粒径统计方法和系统，利用获取的SEM图像构建实例分割数据集，训练Mask RCNN实例分割模型实现对SEM图像中分子筛的实例分割，进而利用分割结果进行分子筛粒径的统计，提升分子筛粒径统计效率。

本发明的技术方案为：本发明揭示了一种基于Mask RCNN实例分割的SEM图像分子筛粒径统计方法，方法包括：

步骤一：获取扫描电子显微镜图像，即SEM图像，以及相应的操作文件，构建相应的SEM图像样本库；

步骤二：对步骤一构建的SEM图像样本库中的原始图像进行实例分割标注，构建SEM图像实例分割数据集；

步骤三：构建Mask RCNN实例分割模型；

步骤四：利用步骤二得到的SEM图像实例分割数据集对步骤三构建的Mask RCNN实例分割模型进行训练及参数调整；

步骤五：利用步骤四训练后的Mask RCNN实例分割模型完成对SEM图像样本的分子筛实例分割；

步骤六：根据步骤五得到的SEM图像分子筛实例分割的结果计算SEM图像中分子筛粒径大小，从而实现对分子筛粒径的统计。

根据本发明的基于Mask RCNN实例分割的SEM图像分子筛粒径统计方法的一实施例，步骤一进一步包括：

先将SEM图像以及相应的操作文件按照实验批次整理到相应文件夹下，再对整理结果做简单筛选，包括剔除图像信息缺失或操作文件信息缺失的样本；

其中SEM图像及相应的操作文件产生于对相关分子筛的扫描电子显微镜操作过程，SEM图像以灰度图像为主但不限于灰度图像，操作文件中具有相应的比例尺信息。