金相碳化物检测方法、装置及终端设备与流程

本技术属于金相检测，尤其涉及金相碳化物检测方法、装置及终端设备。

背景技术：

1、金相检验主要是通过采用定量金相学原理，运用二维金相试样磨面或薄膜的金相显微组织的测量和计算来确定合金组织的三维空间形貌，从而建立合金成分、组织和性能间的定量关系。

2、金相的碳化物检测是检测市场的细分领域，在传统金相检测中仍使用人工检测，通过人眼观察随机取样市场对碳化物进行分级判定，过于依赖检测员的专业知识和工作状态，检测过程中取样的偶然性、人眼误差的不准确性和检测效率，使得检测结果波动性较大。

3、随着人工智能的发展，我国检测行业也将迎来智能化，市面上也有通过u-net神经网络进行判级的检测方法，但是由于检测品种不同、显微镜倍率不同等实际原因，此方法的适用性较差，不易对结果进行量化判断。

技术实现思路

1、本技术实施例提供了金相碳化物检测方法、装置及终端设备，提供了一种适用性高的检测方法，提高了金相碳化物检测的准确性和检测效率。

2、本技术是通过如下技术方案实现的：

3、第一方面，本技术实施例提供了一种金相碳化物检测方法，包括：

4、获取待检测图像；

5、对所述待检测图像做平滑和滤波处理，得到待检测图像的可疑区域；

6、对所述待检测图像的可疑区域进行碳化物检测，得到多个等级判别；

7、对多个所述等级判别进行融合，得到碳化物判级。

8、结合第一方面，在一些可能的实现方式中，所述对所述待检测图像做平滑和滤波处理，得到待检测图像的可疑区域，具体包括：

9、对所述待检测图像进行灰度化处理和二值化处理，得到第一图像；

10、通过高斯滤波对所述第一图像进行平滑和滤波处理，得到第二图像；

11、基于所述第二图像，计算所述第二图像中碳化物的连通区域；

12、基于所述第二图像中碳化物的连通区域，得到所述连通区域的边缘；

13、基于所述连通区域的边缘，得到所述待检测图像的可疑区域。

14、结合第一方面，在一些可能的实现方式中，所述对所述待检测图像的可疑区域进行碳化物检测，得到多个等级判别，具体包括：

15、对所述待检测图像的可疑区域进行放大，得到可疑区域图像；

16、通过yolov8算法对所述可疑区域图像进行碳化物判级，得到第一等级判别；

17、通过视觉算法对所述可疑区域图像进行碳化物判级，得到第二等级判别；

18、对多个所述等级判别进行融合，得到碳化物判级，具体包括：

19、通过d-s理论对第一等级判别和所述第二等级判别进行融合，得到所述碳化物判级。

20、结合第一方面，在一些可能的实现方式中，所通过yolov8算法对所述可疑区域图像进行碳化物判级，得到第一等级判别，具体包括：

21、基于所述yolov8算法中的位置损失函数，计算所述可疑区域图像的位置损失；

22、基于所述位置损失对所述可疑区域图像进行切割，得到碳化物区域；

23、基于所述yolov8算法中的sigmoid损失函数和所述碳化物区域，计算所述碳化物区域的碳化物类别损失；

24、基于所述碳化物类别损失，得到所述第一等级判别。

25、结合第一方面，在一些可能的实现方式中，所述通过d-s理论对第一等级判别和所述第二等级判别进行融合，得到所述碳化物判级，具体包括：

26、通过yolov8算法对所述可疑区域图像进行碳化物判级，得到多个所述第一等级判别；

27、基于多个所述第一等级判别，得到含有碳化物判级的第一等级判别；

28、对所述含有碳化物判级的第一等级判别，得到多个碳化物区域；

29、将属于同一碳化物的多个碳化物区域进行拼接并重新剪切，得到第一检测图像；

30、通过yolov8算法对所述第一检测图像进行碳化物判级，得到第三等级判别；

31、通过d-s理论对第一等级判别、所述第三等级判别和所述第二等级判别进行融合，得到所述碳化物判级。

32、结合第一方面，在一些可能的实现方式中，所述通过d-s理论对第一等级判别、所述第三等级判别和所述第二等级判别进行融合，得到所述碳化物判级，具体包括：

33、判断多个所述第一等级判别和所述第三等级判别中碳化物判级的最高值，将所述碳化物判级的最高值对应的所述第一等级判别或者所述第三等级判别作为神经网络判别；

34、基于所述d-s理论的dempster合成规则，对所述神经网络判别和所述第二等级判别进行融合，得到所述碳化物判级。

35、结合第一方面，在一些可能的实现方式中，所述通过视觉算法对所述可疑区域图像进行碳化物判级，得到第二等级判别，具体包括：

36、对所述可疑区域图像进行灰度化处理和二值化处理，得到第三图像；

37、通过所述高斯滤波对所述第三图像进行平滑和滤波处理，得到第四图像；

38、基于所述第四图像，得到所述可疑区域图像中的碳化物连通区域；

39、基于所述碳化物连通区域，得到碳化物的密度和碳化物的长度；

40、基于所述碳化物的密度、所述碳化物的长度和碳化物判级标准，得到所述第二等级判别。

41、第二方面，本技术实施例提供了一种金相碳化物检测装置，包括：

42、获取模块，用于获取待检测图像；

43、滤波模块，对所述待检测图像做平滑和滤波处理，得到待检测图像的可疑区域；

44、判别模块，用于对所述待检测图像的可疑区域进行碳化物检测，得到多个等级判别；

45、融合模块，用于对多个所述等级判别进行融合，得到碳化物判级。

46、第三方面，本技术实施例提供了一种终端设备，包括：处理器和存储器，该存储器用于存储计算机程序，所述处理器执行所述计算机程序时实现如第一方面任一项所述的金相碳化物检测方法。

47、第四方面，本技术实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面任一项所述的金相碳化物检测方法。

48、第五方面，本技术实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面中任一项所述的金相碳化物检测方法。

49、可以理解的是，上述第二方面至第七方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。

50、本技术实施例与现有技术相比存在的有益效果是：

51、本发明实施方式公开了一种金相碳化物检测方法，包括：首先获取待检测图像；然后对所述待检测图像做平滑和滤波处理，得到待检测图像的可疑区域；接着对所述待检测图像的可疑区域进行碳化物检测，得到多个等级判别；最后对多个所述等级判别进行融合，得到碳化物判级。本发明实施方式通过图像分析，确定金相碳化物的可疑区域，并针对可疑区域获取高倍图像，并基于高倍图像进行评级，因此评级结果准确可靠，提高了检测效率。

52、本发明实施方式在评级方面除采用传统评级算法，还引进了深度学习方法进行评级，最后综合两者的评级结果做出判级结果，综合评级结果更准确、更可靠。

53、本发明实施方式为自动化智能检测技术，减少了检测的人力成本，降低了对检测人员的水平要求，消除了技术人员的主观影响，为大规模高效检测奠定了基础；

54、使用传统视觉算法与深度学习算法并行，使用d-s证据理论相融合的检测方法，能够保留两种算法的优点，如传统算法对信息的量化能力、深度学习算法的适应性等，更可以提高检测的准确度。

55、改进了yolov8算法，使用了sophia优化器，提升了算法的运行效率，减少了算法的检测时间，提高了整体的检测效率。

56、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本说明书。