基于集成学习的金相组织自动评级方法研究

发布时间：2023-03-26 18:09

　　现代社会的发展对金属材料的需求与日俱增,同时在质量方面提出了更高的要求,由此金属材料的性能检测就显得尤为重要。金属材料的晶粒度级别作为金属材料性能的一个重要指标得到了广泛研究,传统方法是将制备好的试样置于高倍金相显微镜下进行人工观测和分析,效率低且受主观人为因素的影响大。在此背景下,本文基于集成学习框架,从图像分类角度出发,实现对金相组织晶粒度的自动评级,从而提高检测效率和精度。主要研究内容和取得的成果如下:(1)以20CrMnTi、CF钢、55#钢三种金属材料为样本,完成了金相图像数据库的构建,同时对金相图像进行预处理。经过图像筛选、人工标注、统一命名、设置标签等步骤,建立了9个级别的金相图像数据库。针对每幅图像,基于MSE、PSNR、和SSIM三个评价指标,对灰度转换、滤波、锐化等预处理算法进行了分析和研究,发现高斯低通滤波和理想滤波锐化这两种预处理算法在金相图像分析上更具优势,能较好的消除噪声、锐化晶粒边缘,为后续的特征提取打下坚实的基础。(2)针对传统金相图像特征提取单一、适用面窄等问题,基于集成学习框架,建立了金相图像纹理结构的多特征集,并研究了四种特征选择方法对降低多特征维...

【文章页数】：85 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景及意义
    1.2 金相图像评级分类的国内外研究现状
    1.3 需要解决的问题
    1.4 研究内容与章节安排
第二章 金相图像数据库的构建及预处理算法研究
    2.1 引言
    2.2 金相图像数据库的构建
        2.2.1 金相图像采集
        2.2.2 建立数据库
    2.3 金相图像的灰度转换
    2.4 金相图像的滤波处理
        2.4.1 空间域滤波处理
        2.4.2 频域滤波处理
    2.5 金相图像的锐化处理
        2.5.1 拉普拉斯锐化
        2.5.2 高通滤波锐化
    2.6 本章小结
第三章 金相图像纹理特征提取与特征集构建
    3.1 引言
    3.2 纹理特征提取
        3.2.1 盒分形维数
        3.2.2 C-LBPH特征提取
        3.2.3 灰度共生矩阵特征提取
        3.2.4 基于PCA降维的SIFT特征提取
        3.2.5 特征集构建
    3.3 特征选择
        3.3.1 特征选择算法
        3.3.2 特征选择分析
    3.4 算法整体框架
    3.5 本章小结
第四章 基于同质与异质的金相图像集成分类算法
    4.1 引言
    4.2 特征维数固定的异质分类器集成
        4.2.1 分类策略
        4.2.2 实验结果与分析
    4.3 特征维数可变的同质分类器集成
        4.3.1 分类策略
        4.3.2 实验结果与分析
    4.4 分类图像错误分析
    4.5 本章小结
第五章 基于卷积神经网络的多层级集成学习金相自动评级算法研究
    5.1 引言
    5.2 卷积神经网络的结构
        5.2.1 卷积层
        5.2.2 激活层
        5.2.3 池化层
        5.2.4 全连接层
    5.3 迁移学习
    5.4 数据增强
    5.5 卷积神经网络模型结构及参数训练
        5.5.1 模型结构
        5.5.2 基于迁移学习的参数训练
        5.5.3 构建随机森林分类器
    5.6 实验与分析
        5.6.1 评价标准
        5.6.2 不同特征之间的分类对比
        5.6.3 是否使用迁移学习对分类的影响
        5.6.4 训练样本对模型的影响
    5.7 本章小结
第六章 金相评级实验对比
    6.1 引言
    6.2 金相图像的制备
    6.3 评级实验流程
    6.4 实验结果与分析
    6.5 本章小结
第七章 结论与展望
    7.1 论文总结
    7.2 论文展望
参考文献
致谢
攻读硕士学位期间的科研情况



本文编号：3771441