马氏体和珠光体多形态金相组织识别标注方法与流程

1.本发明属于钢铁金相技术领域，具体涉及一种马氏体和珠光体多形态金相组织识别标注方法。


背景技术：

2.取向硅钢作为钢铁材料中一种重要功能性材料，有着不可替代的作用。为不断改善硅钢性能，金相组织检测作为一项基础和重要的检测手段，在生产和科研中应用十分频繁和广泛。
3.在金相检测及分析过程中，金相组织的具体形态和分布大小极为重要，目前在识别计算金相组织形态大小时，主要方式为人为手动处理，效率低下、准确性差，当金相检测量大时，这些问题更为突出。为了更准确的分析组织图片，需要结合计算机技术对金相照片批量分析处理。


技术实现要素：

4.本发明的目的在于，提供一种马氏体和珠光体多形态金相组织识别标注方法，解决钢铁金相马氏体、珠光体组织照片人工识别处理效率低、准确性差的问题，通过对金相组织照片处理，识别出马氏体和珠光体区域，并自动标注保存，自动计算马氏体、珠光体百分比，高效准确，标准统一，完全避免人为标注的不确定性，适合于钢铁金相马氏体、珠光体混合组织照片处理计算。
5.为了达到上述目的，本发明采用如下技术方案：
6.本发明提供一种钢铁金相马氏体和珠光体多形态金相组织照片自动识别标注方法，包含以下步骤：
7.1、获得金相照片
8.按标准制备金相试样，通过金相显微镜获得金相照片。
9.2、照片预处理
10.获取原始照片保存为图形变量o，使用area_center获取图形变量o的面积，判断图形变量o的颜色通道，若照片不是gray灰度图，将其转化为灰度图。
11.3、灰度图检测
12.检测灰度图中目标区域，获得初始目标检测结果，初始目标检测结果用于检测灰度图中是否存在马氏体和珠光体，并过滤晶界，分别提取灰度图中马氏体和珠光体的大致范围区域，将其存为图形变量a和图形变量b。
13.4、在图形变量a中内针对性的识别马氏体
14.提取图形变量a的灰度直方图，查找直方图的两个最大峰值，取这两个最大峰值的平均值为最大灰度值maxgray，取0为最小灰度值，查找图形变量a中处于最大灰度值和最小灰度值范围中的全部区域范围，以此为图形的定义域缩小原始图形变量o将其另存为图形变量a1，图形变量a1即为马氏体区域，变换图形变量a1的颜色为“green”，即将三维数据的
非控制部分替换为(0，255，0)，存为图形变量a2。
15.5、在图形变量b中内针对性的识别珠光体
16.提取图形变量b的灰度直方图，取255为最大灰度值，取上述的最大灰度值maxgray为最小灰度值，查找图形变量b中处于最大灰度值和最小灰度值范围中的全部区域，以此为图形的定义域缩小原始图形变量o将其另存为图形变量b1，图形变量b1即为珠光体区域，变换图形变量b1的颜色为“red”，即将三维数据的非控制部分替换为(255，0，0)，存为图形变量b2。
17.6、照片标注
18.将图形变量a2和图形变量b2一一叠加到原始照片图形变量o中，最终获得识别标注完成的金相照片。
19.其中，检测灰度图中的目标区域包括：对灰度图进行识别，获得分类结果，分类结果用于判断灰度图中是否存在马氏体和珠光体，并识别出马氏体和珠光体的大致范围。在分类结果识别出马氏体和珠光体的大致范围时，能够排除晶界的干扰，只识别马氏体和珠光体。
20.对灰度图进行识别，获得分类结果包括：采用训练后的目标检测模型对灰度图进行识别分类，获得分类结果。
21.目标检测模型的训练过程包括：
22.使用标注工具手动标注灰度图样本中的马氏体和珠光体，建立样本数据集，使用样本数据集训练获得初始的目标检测模型；利用初始的目标检测模型对各个灰度图样本进行识别分类，与预先标注的各灰度图样本识别分类结果进行比较，计算初始目标检测模型的识别准确性；若识别准确性小于预设识别阈值，则使用初始的目标检测模型识别并标注新的灰度图样本，手动筛选识别、标注准确的灰度图样本，将其增加至样本数据集中，进行二次训练，计算目标检测模型的识别准确性，重复此步骤直到识别准确性大于或等于识别阈值。在马氏体和珠光体大致区域范围内针对性的识别马氏体和珠光体，避免了相似特征值的晶界对识别结果可能产生的影响。
23.将图形变量a2和图形变量b2一一叠加到原始照片图形变量o中，在原始照片中以绿色标注马氏体，红色标注珠光体，最终获得识别标注完成的金相照片。
24.本发明与现有技术相比，具有以下优点及有益效果：
25.本发明通过对金相组织照片处理，识别出马氏体和珠光体区域，并自动标注保存，自动计算马氏体、珠光体百分比，高效、准确，标准统一，完全避免人为标注的不确定性，适合于钢铁金相马氏体、珠光体混合组织照片处理计算。
附图说明
26.图1为待识别的原始金相照片；
27.图2为进行照片预处理后获得的灰度图；
28.图3为使用目标检测模型获取的马氏体和珠光体大致区域示意图；
29.图4为针对性识别后获取的马氏体和珠光体部分示意图；
30.图5为最终识别标注完成的金相照片；
31.图6为识别标注完成的金相照片马氏体、珠光体占比数据图。
具体实施方式
32.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
33.本发明涉及钢铁金相图片自动化处理领域，具体涉及一种马氏体和珠光体多形态金相组织图片自动识别标注方法。
34.本发明实施例的马氏体和珠光体多形态金相组织识别标注方法，包括以下步骤：
35.如图1所示，获取原始照片保存为图形变量o，使用area_center获取图形变量o的面积o_area。判断图形变量o的颜色通道，若照片不是gray灰度图，将其转化为灰度图，如图2所示。
36.如图3所示，使用目标检测模型检测灰度图中目标区域，获得初始目标检测结果，初始目标检测结果用于检测灰度图中是否存在马氏体和珠光体，并过滤晶界，分别提取灰度图中马氏体和珠光体的大致范围区域，将其存为图形变量a和图形变量b。
37.如图4所示，提取图形变量a的灰度直方图，查找直方图的两个最大峰值，取这两个最大峰值的平均值为最大灰度值maxgray，取0为最小灰度值，使用threshold查找图形变量a中处于最大灰度值和最小灰度值范围中的全部区域，获取该范围的面积a_area，并以此区域为图形的定义域，使用reduce_domain根据定义域缩小原始图形变量o将其另存为图形变量a1，图形变量a1即为马氏体区域，变换图形变量a1的颜色为“red”，即将三维数据的非控制部分替换为(255，0，0)，存为图形变量a2。
38.提取图形变量b的灰度直方图，取255为最大灰度值，取上述的最大灰度值maxgray为最小灰度值，使用threshold查找图形变量b中处于最大灰度值和最小灰度值范围中的全部区域，获取该范围的面积b_area，并以此区域为图形的定义域，使用reduce_domain根据定义域缩小原始图形变量o将其另存为图形变量b1，图形变量b1即为珠光体区域，变换图形变量b1的颜色为“green”，即将三维数据的非控制部分替换为(0，255，0)，存为图形变量b2。
39.如图5所示，将图形变量a2和图形变量b2一一叠加到原始照片图形变量o中，最终获得识别标注完成的金相照片。如图6所示，自动抓取a_area/o_area，b_area/o_area保存至excel中从而获得金相照片中马氏体和珠光体的百分比。
40.本发明实施后效果如表1所示。
41.表1实施效果比较表
[0042][0043]
本发明通过对金相照片计算处理，统一标准，准确识别马氏体和珠光体区域，自动输出马氏体、珠光体占比，极大的缩短了金相照片处理时间，提高了金相照片检测分析的准确性。
[0044]
本领域的技术人员容易理解，以上仅为本发明的较佳实施例而已，并不用以限制
本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。