[发明专利]一种基于深度学习的金相评级分类方法

权利要求书

1.一种基于深度学习的金相评级分类方法，其特征在于：包括如下步骤：

S1、拍摄不同金属产品的金相图像；

S2、标注金相图像上不同的金属成分；

S3、使用标注数据和图片训练Unet分割网络；

S4、将金相图片输入到Unet分割网络，输出为金相图片上检测出的所有金属成分的mask掩膜图像，根据掩膜计算出所有金属成分的特征参数，最后计算出金相图片的等级。

2.根据权利要求1所述的一种基于深度学习的金相评级分类方法，其特征在于：所述步骤S1中将标注好的图片分为训练集、验证集、测试集；训练集用于训练模型，验证集用于评估模型，并找到最优模型，测试集用于在最优模型上进行最后测试验证。

3.根据权利要求1或2所述的一种基于深度学习的金相评级分类方法，其特征在于：所述步骤S2中的金属成分包括铁素体、奥氏体、镍合金中至少一种。

4.根据权利要求1所述的一种基于深度学习的金相评级分类方法，其特征在于：所述步骤S4中金属成分的特征参数包括平均面积、平均长度、个数。

5.根据权利要求1或2所述的一种基于深度学习的金相评级分类方法，其特征在于：所述步骤S4中采用直线截点法和单圆截点法中至少一种计算出金相图片的等级。

6.根据权利要求1所述的一种基于深度学习的金相评级分类方法，其特征在于：还包括步骤S5、操作人员通过掩膜图像和金属成分的特征参数网络的输出是否正确；如果正确，将图片放到训练集中，如果错误，将图片错误集，表示模型推断出错的图片。

7.根据权利要求6所述的一种基于深度学习的金相评级分类方法，其特征在于：还包括步骤S6、将错误集中的数据进行标注，并且提高错误集中数据的权重，放到Unet分割网络中进行训练，更新该网络。