[发明专利]一种基于全卷积神经网络的自动压痕测量方法

说明书

本发明公开了一种基于全卷积神经网络的自动压痕测量方法，包括以下步骤：步骤一：对压痕图像进行预处理，得到其二值图像；步骤二：在二值图像中寻找最大连通域，确定最大连通域的外接框；对该外接框进行拓展，裁剪下二值图像上拓展后的外接框区域；步骤三：将裁剪后的图像输入训练好的全卷积神经网络，输出二值化的压痕像素遮罩图片，由此得到输入图片上精确的压痕形状与位置信息。本发明鲁棒性高，能提取出压痕具体形状。

技术领域

本发明涉及一种硬度压痕测量方法，尤其涉及一种基于全卷积神经网络的自动压痕测量方法。

背景技术

在布氏、维氏硬度试验中，为了检测被测材料的硬度，需要按照国标使用对应的压头，施加指定压力在被测材料表面，而后通过测量压痕的对角线长度，计算出被测材料的硬度。在大部分测量中，被测材料的表面压痕对角线长度单位以微米计算。由人工通过显微镜调整刻度板以对齐压痕边缘的方法，较为复杂且难以消除测量误差。同时在多次对同一硬度材料测量的过程中，往往容易产生因人工长度测量调整的偏差而导致获得不同的硬度数值结果，导致较高的重复性误差。为此，引入自动化算法进行压痕图像测量是一种极大提升测量精度、解放劳动力的方法。但现有的自动压痕运算方法往往使用的是数学或图像解析方法，这种方式对于一些较为复杂的压痕表面往往难以发挥作用。在一些边缘、尖角处因材料自身特性等原因而产生形变的压痕图像上，往往会产生较大误差，算法的鲁棒性较差。同时，现有的技术方法对于压痕图像仅能获取压痕对角线长度数据，无法提取图像中压痕的具体形状，不便于后期对材料破裂、塌陷情况进行分析。因此，有必要设计一种使用更加方便，拥有更高鲁棒性，能提取压痕具体形状的压痕测量方法。

发明内容

本发明所解决的技术问题是，针对现有技术的不足，提供一种基于全卷积神经网络的自动压痕测量方法，鲁棒性高，能提取出压痕具体形状。

为了实现上述目的，本发明采用如下技术方案：

一种基于全卷积神经网络的自动压痕测量方法，其特征在于，包括以下步骤：

步骤一：对压痕图像进行预处理，得到其二值图像；

步骤二：压痕图像裁剪：在二值图像中寻找最大连通域，确定最大连通域的外接框(作为裁剪的参考)；以该外接框作为裁剪的参考，对该外接框进行拓展，裁剪下二值图像上拓展后的外接框区域；

步骤三：将裁剪后的图像输入训练好的全卷积神经网络，输出二值化的压痕像素遮罩图片(压痕像素点和非压痕像素点分别显示为白色和黑色)，由此得到输入图片上精确的压痕形状与位置信息。

更进一步，所述步骤一中的对压痕图像进行预处理包括对压痕图像进行全图直方图均衡、滤波和二值化处理；

更进一步，所述步骤二中对外接框进行拓展采用如下方法：

设外接框的长与宽为(w,h)，压痕图像的长与宽为(w_i,h_i)，通过如下公式计算得到拓展后的外接框的长与宽(w_e,h_e)：

其中，p为比例系数，p≥1；p的取值为经验值，可以根据实际压痕大小进行调整，以尽可能减少复杂背景的干扰。

进一步地，所述步骤三中全卷积神经网络的训练过程如下：采集多种压痕图片，人工将压痕图片上的像素点分类为压痕像素点和非压痕像素点；使用采集到的压痕图片及其上像素点分类标签数据，对全卷积神经网络进行训练，得到优化后的全卷积神经网络即训练好的全卷积神经网络。