[发明专利]一种基于Mask R-CNN网络的C-Mn钢组织识别方法

权利要求书

1.一种基于Mask R-CNN网络的C-Mn钢组织识别方法，其特征在于，包括以下步骤：

步骤1、利用显微镜设备采集C-Mn钢微观组织图像数据，并建立C-Mn钢微观组织图像数据集；

所述C-Mn钢微观组织图像数据分为训练集图像数据、验证集图像数据和测试集图像数据；对图像数据进行二次整理，并将整理后的图像数据按照4:1:1的比例划分为训练集、验证集和测试集；

步骤2、利用数据标注工具对获取的C-Mn钢微观组织训练集图像数据和验证集图像数据进行标注，并对标注后的图像数据进行格式转换；

步骤3、在计算机平台下搭建Mask R-CNN网络模型，并利用图像数据集训练Mask R-CNN网络模型，得到模型的训练参数；

步骤4、建立基于Mask R-CNN网络的C-Mn钢组织识别方法的应用程序，设计图形用户交互界面，实现由用户选取待识别的C-Mn钢微观组织图像，自动显示图像类别分割图、相比例分数和晶粒尺寸。

2.根据权利要求1所述的一种基于Mask R-CNN网络的C-Mn钢组织识别方法，其特征在于，所述步骤3具体包括：

步骤3.1、通过大小归一化处理，将网络模型获取的图像数据都归一化为设定的大小；

步骤3.2、在深度学习框架下建立Mask R-CNN网络模型的back bone网络；

步骤3.3、训练Mask R-CNN网络模型：将步骤2中处理过的图像训练集和验证集输入到搭建完毕的Mask R-CNN网络模型中，在训练过程中，模型的结构参数不断优化，最终得到训练完毕的模型权重。

3.根据权利要求1所述的一种基于Mask R-CNN网络的C-Mn钢组织识别方法，其特征在于，步骤4中所述应用程序使用动态编译的方法对程序运行库进行打包，以实现跨平台运行。