(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111677451.5 (22)申请日 2021.12.31 (71)申请人 中国电子产品可靠性与环境试验研 究所 （ （工业和信息化部电子第五研 究所） （中国赛宝实验室） ） 地址 511300 广东省广州市增城区朱 村街 朱村大道西78号 (72)发明人 郭小童　王弘剑　孙朝宁　李勇　 肖慧　刘加豪　杨智帆　 (74)专利代理 机构 华进联合专利商标代理有限 公司 44224 代理人 舒丁 (51)Int.Cl. G06V 20/69(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) G06V 10/26(2022.01) (54)发明名称 合金显微组织识别方法、 装置和计算机设备 (57)摘要 本申请涉及一种合金显微组织识别模型构 建以及识别方法、 装置、 计算机设备和存储介质。 所述方法包括： 获取不同应力和热处理状态的合 金显微组织图像， 通过图像分割， 将获得的γ ’相 显微组织图像集输入至预置卷积神经网络模型 进行训练， 获得合金显微组织图像的卷积神经网 络模型。 在进行应用识别时， 将获得的待测γ ’相 显微组织图像集输入至合金显微组织图像的卷 积神经网络模 型， 获得待测合金显微组织图像对 应的应力和热处理状态线性分类结果。 采用本方 法能够提高合金显微组织识别效率。 权利要求书2页 说明书14页 附图6页 CN 114332859 A 2022.04.12 CN 114332859 A 1.一种合金显微组织识别模型构建方法， 其特 征在于， 所述方法包括： 获取不同应力和热处 理状态的合金显微组织图像； 根据所述 合金显微组织图像， 通过图像分割， 获得γ ’相显微组织图像集； 将所述γ ’相显微组织图像集输入至预置卷积神经网络模型进行训练， 获得所述合金 显微组织图像的卷积神经网络模型， 其中， 训练过程包括提取所述γ ’相显微组织图像集的 特征数据， 通过线性激活函数， 对所述γ ’相显微组织图像集的特征数据进行分类， 输出所 述γ’相显微组织图像集对应的应力和热处 理状态线性分类结果。 2.根据权利要求1所述的合金显微组织识别模型构建方法， 其特征在于， 所述根据 所述 合金显微组织图像， 通过图像分割， 获得γ ’相显微组织图像集包括： 根据所述 合金显微组织图像， 通过图像分割， 获得初始γ ’相显微组织图像集； 将所述初始γ ’相显微组织图像集， 通过预处理方法， 获得γ ’相显微组织图像集， 所述 预处理方法包括去噪算法和图像归一 化。 3.根据权利要求1所述的合金显微组织识别模型构建方法， 其特征在于， 所述将所述 γ’相显微组织图像集输入至预置卷积神经网络模型进行训练， 获得所述合金显微组织图 像的卷积神经网络模型包括： 将所述γ ’相显微组织图像集输入至预置卷积神经网络模型的输入层， 在所述预置卷 积神经网络模型 的隐含层通过卷积和池化操作， 获得所述γ ’相显微组织图像集的特征数 据； 根据所述特征数据， 通过前向传播函数， 获得所述特征数据对应的应力和热处理状态 测试结果、 并将所述测试 结果发送至所述预置卷积神经网络模型的输出层； 根据所述应力和热处理状态测试结果， 在所述输出层通过反向传播， 更新所述前向传 播函数的参数， 获得 所述合金显微组织图像的卷积神经网络模型。 4.根据权利要求3所述的合金显微组织识别模型构建方法， 其特征在于， 所述将所述 γ’相显微组织图像集输入至预置卷积神经网络模型 的输入层， 在所述预置卷积神经网络 模型的隐含层通过 卷积和池化操作， 获得 所述γ’相显微组织图像集的特 征数据包括： 将所述γ ’相显微组织图像集输入至所述预置卷积神经网络模型的输入层， 通过激活 函数， 获得激活后的图像集、 并将所述激活后的图像集传递给所述预置卷积神经网络模型 的隐含层； 根据所述激活后的图像集， 在所述隐含层通过 卷积核和激活函数， 获得 特征向量； 根据所述特征向量， 通过激活函数和池化操作， 获得池化后的特征向量、 并将所述池化 操作计数值累加； 将所述池化后的特征向量经过激活函数激活后， 更新所述激活后的图像集， 返回所述 根据所述激活后的图像集， 在所述隐含层通过 卷积核和激活函数， 获得 特征向量的步骤； 若所述池化操作计数值累计大于预设计数值， 则根据所述池化后的特征向量， 获得所 述γ’相显微组织图像集的特 征数据。 5.根据权利要求3所述的合金显微组织识别模型构建方法， 其特征在于， 所述根据 所述 应力和热 处理状态测试结果， 在所述输出层通过反向传播， 更新所述前向传播函数的参数， 获得所述合金显微组织图像的卷积神经网络模型包括： 根据所述γ’相显微组织图像集， 获得所述γ ’相显微组织图像集对应的初始应力和热权　利　要　求　书 1/2 页 2 CN 114332859 A 2处理状态数据； 根据所述应力和热处理状态测试结果和所述初始应力和热处理状态数据， 获得损失函 数； 若损失函数大于预设阈值， 则所述输出层通过反向传播和计算梯度， 更新所述前向传 播函数的参数； 若损失函数小于或者等于所述预设阈值， 则在所述输出层通过线性激活函数， 对所述 γ’相显微组织图像集的特征数据进行分类， 输出所述合金显微组织图像对应的应力和热 处理状态线性分类结果、 并构建合金显微组织图像的卷积神经网络模型。 6.一种合金显微组织识别方法， 其特 征在于， 所述方法包括： 获得待测合金显微组织图像； 根据所述待测合金显微组织图像， 通过所述图像分割， 获得待测γ ’相显微组织图像 集； 将所述待测γ ’相显微组织图像集输入至合金显微组织图像的卷积神经网络模型， 获 得所述待测合金显微组织图像对应的应力和热处理状态线性分类结果； 其中， 所述合金显 微组织图像的卷积神经网络模型采用如权利要求 1‑5任意一项 所述的合金显微组织识别模 型构建方法训练得到 。 7.一种合金显微组织识别模型构建装置， 其特 征在于， 所述装置包括： 图像数据获取模块， 用于获取不同应力和热处 理状态的合金显微组织图像； 图像分割模块， 用于根据所述合金显微组织图像， 通过图像分割， 获得γ ’相显微组织 图像集； 模型训练模块， 用于将所述γ ’相显微组织图像集输入至预置卷积神经网络模型进行 训练， 获得所述合金显微组织图像的卷积神经网络模型， 其中， 训练过程包括提取所述γ ’ 相显微组织图像集的特征数据， 通过线性激活函数， 对所述γ ’相显微组织图像集的特征数 据进行分类， 输出 所述γ’相显微组织图像集对应的应力和热处 理状态线性分类结果。 8.一种合金显微组织识别装置， 其特 征在于， 所述装置包括： 待测图像数据获取模块， 用于获得待测合金显微组织图像； 待测图像分割模块， 用于根据 所述待测合金显微组织图像， 通过所述图像分割， 获得待 测γ’相显微组织图像集； 分类结果获取模块， 用于将所述待测γ ’相显微组织图像集输入至合金显微组织图像 的卷积神经网络模型， 获得所述待测合金显微组织图像对应的应力和热处理状态线性分类 结果； 其中， 所述合金显微组织图像的卷积神经网络模型采用如权利要求 1‑5任意一项 所述 的合金显微组织识别模型构建方法训练得到 。 9.一种计算机设备， 包括存储器和处理器， 所述存储器存储有计算机程序， 其特征在 于， 所述处理器执行所述计算机程序时实现权利要求 1至5中任一项 所述的合金显微组织识 别模型构建方法或权利要求6所述的合金显微组织识别方法的步骤。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序 被处理器执行时实现权利要求1至5中任一项所述的合金显微组织识别模型构建方法或权 利要求6所述的合金显微组织识别方法的步骤。权　利　要　求　书 2/2 页 3 CN 114332859 A 3