[发明专利]用于分割钢微观组织相的装置和方法

说明书

本发明提供一种用于分割钢微观组织相的装置和方法。该装置包括：存储装置，被配置为存储机器学习算法；以及处理装置，利用机器学习算法来分割微观组织相。处理装置被配置为接收标签数据，通过利用标签数据作为机器学习模型的学习数据来学习机器学习模型，并且通过利用学习的机器学习模型来分割钢微观组织图像的相。

相关申请的交叉引用

本申请要求于2020年6月30日提交的申请号为10-2020-0080423的韩国专利申请的优先权，该韩国专利申请的全部内容为了所有目的通过该引用并入本文。

技术领域

本发明涉及一种用于分割(segment)钢微观组织相的装置和方法。

背景技术

为了降低通过热冲压方法制造的组件的成本负担，第三代钢的应用呈增长趋势。第三代钢利用相变诱导塑性(TRIP)现象来克服作为现有钢的缺点的低可成型性。为了利用TRIP现象，钢具有包括铁素体、贝氏体、马氏体和奥氏体的多相微观组织。由于材料的微观组织与可成型性和碰撞性能密切相关，因此需要精确地分割相并定量分析相。

因此，现有技术使用电子背散射衍射(Electron Back Scatter Diffraction，EBSD)相分割技术。这种相分割技术生成EBSD测量区域的特定数据作为直方图和一维光谱数据，并分割每个相的区间。诸如EBSD的判别相分割方法在多种多相钢，特别是第三代超高张力钢(Advanced High Strength Steel，AHSS)的相定量分析中表现出优异的效率，但具有以下两个问题。首先，用户必须从微观组织图像和分布图直接判断相判别(phasediscriminant)的参考值，其次，所提供的相判别没有足够的相对比。

包括在本发明的该背景技术部分中的信息仅用于增强对本发明的一般背景的理解，并且不能被视为对该信息构成本领域技术人员已知的现有技术的承认或任何形式的暗示。

发明内容

本发明的各个方面旨在提供一种用于分割钢微观组织相的装置和方法，利用机器学习来分割钢微观组织相。

本发明构思要解决的技术问题不限于上述问题，并且本发明的各个示例性实施例所属领域的技术人员将从以下描述中清楚地理解本文中未提及的任何其它技术问题。

根据本发明的各个方面，一种用于分割钢微观组织相的装置可以包括：存储装置，被配置为存储机器学习算法；以及处理装置，利用机器学习算法来分割微观组织相。处理装置可以接收标签数据，可以通过利用标签数据作为机器学习模型的学习数据来学习机器学习模型，并且可以通过利用学习的机器学习模型来分割钢微观组织图像的相。

标签数据可以是通过判别相分割算法分割的每个相的单独晶粒图像。

判别相分割算法可以执行图像质量(IQ)和核平均取向差(Kernel AverageMisorientation，KAM)的卷积计算。

标签数据可以包括关于待分割的晶粒的信息和晶粒的周围信息。

可以遮蔽晶粒的周围信息以与关于晶粒的信息区分。

可以归一化标签数据的IQ值以消除相阴影差异。

处理装置可以随机执行标签数据的左右和上下反转(reverse and inversereflection)并可以将反转的数据用作学习数据。

处理装置可以以预定角度旋转标签数据并可以将旋转的标签数据用作学习数据。

根据本发明的各个方面，一种用于分割钢微观组织相的方法可以包括：获取标签数据；通过利用标签数据作为学习数据来学习机器学习模型；以及利用学习的机器学习模型来分割钢微观组织图像的相。

获取标签数据可以包括：获取利用判别相分割算法分割的每个相的单独晶粒图像。