[发明专利]一种碳纤维复合材料数据集的深度学习分割方法

权利要求书

1.一种碳纤维复合材料数据集的深度学习分割方法，其特征在于，包括以下步骤：

步骤1、采用人工标注方法对随机选取的复材XCT检测图像进行手工分割，构建原始数据集；

步骤2、基于所述原始数据集进行参数化统计分析，并进行参数化随机建模，扩充数据集，构建混合数据集；

步骤3、基于所述混合数据集，构建Swin-Tranformer语义分割网络；

步骤4、基于所述Swin-Tranformer语义分割网络，生成CFRP完整语义分割图像作为最终结果。

2.根据权利要求1所述的碳纤维复合材料数据集的深度学习分割方法，其特征在于，所述步骤1具体包括：

步骤1.1、经XCT断层扫描，获得复合材料XCT图像；

步骤1.2、裁剪去除所述复合材料XCT图像外层的空气部分，每隔10帧取出一张图片；

步骤1.3、对所有取出的图片进行手工筛选并标注，获得原始数据集。

3.根据权利要求2所述的碳纤维复合材料数据集的深度学习分割方法，其特征在于，所述原始数据集中主要包括四类，分别为经纱、纬纱、树脂基以及孔隙。

4.根据权利要求3所述的碳纤维复合材料数据集的深度学习分割方法，其特征在于，所述步骤2具体包括：

步骤2.1、基于原始数据集细观结构特征，进行参数化统计分析；

步骤2.2、基于参数化统计分析的结果，通过参数化随机建模的方式对数据集进行扩充，生成合成数据集；

步骤2.3、将所述合成数据集与所述原始数据集组成混合数据集。

5.根据权利要求4所述的碳纤维复合材料数据集的深度学习分割方法，其特征在于，所述步骤2.1具体包括：

步骤2.1.1、采集形状参数；

步骤2.1.2、对采集的形状参数进行分布拟合；

步骤2.1.3、对分布拟合的形状参数进行统计分析；

其中所述统计分析包括：轮廓类似于矩形的经纱几何参数统计分析和轮廓类似于椭圆的纬纱几何参数统计分析。

6.根据权利要求5所述的碳纤维复合材料数据集的深度学习分割方法，其特征在于，所述步骤2.2具体包括：

步骤2.2.1、根据经纱参数化统计分析生成经纱随机模型；

步骤2.2.2、根据纬纱参数化统计分析生成纬纱随机模型；

步骤2.2.3、基于所述经纱随机模型与所述纬纱随机模型，生成人工合成标签图像；

步骤2.2.4、基于所述人工合成标签图像，生成与真实细观结构相同的碳纤维复合材料图像，将所述与真实细观结构相同的碳纤维复合材料图像作为合成数据集。

7.根据权利要求6所述的碳纤维复合材料数据集的深度学习分割方法，其特征在于，所述步骤2.2.4具体包括：

步骤2.2.4.1、改动Pix2PixHD网络的生成部分，使所述生成部分同时训练两个不同尺度下的生成器模型，并将所述两个不同尺度下的生成器模型的特征进行融合；

步骤2.2.4.2、基于特征融合后的生成器模型，生成与真实细观结构相同的碳纤维复合材料图像。

8.根据权利要求1所述的碳纤维复合材料数据集的深度学习分割方法，其特征在于，所述步骤3具体包括：

步骤3.1将所述混合数据集通过Swin-Tranformer网络进行处理得到四个尺度的特征向量图；

步骤3.2将四个尺度的特征向量图输入到UPerNet网络中进行处理得到类别预测向量，基于类别预测向量，构建Swin-Tranformer语义分割网络。