基于深度学习的铝合金微米级第二相定量统计表征方法

摘要

本发明公开了一种基于深度学习的铝合金微米级第二相定量统计表征方法，包括：获取标准试样的特征数据库，利用基于深度学习的图像分割网络U‑Net对特征数据库进行训练，得到U‑Net分割模型，选择最优精度对应参数建立U‑Net目标模型；将待测铝合金图像进行裁剪后输入到U‑Net目标模型中，通过连通区域算法获得第二相的尺寸、面积、位置信息，结合数学统计方法对数据集进行统计分布表征，将测试图像中的位置信息还原到待测铝合金表面，获得全视场定量统计分布情况及可视化结果。本发明基于深度学习图像分割算法，对铝合金微米级第二相进行自动识别、提取，对提取后的特征进行定位和统计，具有视场大、信息全、准确可靠的特点。