基于轻量型U-net的钢材金相图像晶界分割方法

• 作者: 王森 国蓉 胡海军 许勇 张钰 李秀峰
• 来源期刊: 计算机测量与控制
• 学科: 工学
• 关键词: 金相图像 晶界分割 浅层特征信息 轻量型 U-net
• 年，卷（期）: 2023,（3）
• 所属期刊栏目: 设计与应用
• 页码范围: 300-305,312
• 页数: 7页
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2023.03.044

摘要

在金相组织的晶粒度自动化评估工作中，对晶粒边界识别的精准与否直接影响着金相组织晶粒度等级的评估准确度；针对钢材金相图像中晶粒边界密集程度高、边缘复杂且晶粒边界识别准确性低的问题，提出一种基于轻量型U-net卷积神经网络的金相图像晶界分割方法，该轻量型网络模型将浅层特征层用跳跃连接的方式拼接在上采样过程中，使网络学习到更多的有效特征信息；减少了网络层数并在特征提取过程中添加了一次卷积过程，减少了网络参数量并提高了对晶界的预测速度和准确率；实验结果表明，该方法在117张金相图像测试集上像素准确率达到93.91%、特异度为96.73%、灵敏度为81.6%;与传统U-net网络相比，像素准确率提高了0.2%,网络参数量相对减少了61.5%;本方法对金相晶界分割具有有效性和优越性。