[发明专利]一种融合几何先验知识的维氏硬度图像测量方法

说明书

本发明提供了一种融合几何先验知识的维氏硬度图像测量方法，所述方法包括通过维氏硬度计在金属试块上压出压痕，并获得其图像，由人工标注压痕四个角点的坐标，形成第一图像数据集。通过所提出的裁剪图像扩充策略与第一图像训练数据集，形成第二图像数据集。通过所述第一图像数据集训练目标粗定位网络获得压痕图像的粗定位。通过所述第二图像数据集训练目标精定位网络获得所述压痕四个角点的精细坐标，同时将压痕的几何先验知识作为目标精定位网络损失函数的正则项，以提高定位精度。本发明旨在解决现有图像测量方法准确性、鲁棒性较低，极易受背景干扰的缺点，实现维氏硬度的全自动、高精度测量。

技术领域

本发明涉及材料力学性能测量领域中的维氏硬度自动测量方法，具体提供一种融合几何先验知识的维氏硬度图像测量方法。

背景技术

维氏硬度作为表征材料力学性能的重要参数，广泛用于现有材料的硬度测试与新型超硬材料的硬度预测研究中。维氏硬度试验方法是利用夹角为136°的正四棱锥金刚石压头在一定负荷作用下压入待测试件，通过测量菱形压痕的对角线长度得到对应的硬度值。目前压痕的测量方式包括人工测量与自动测量两种。人工测量采用目测方法确定压痕的四个交点，得到对角线长度，这种方法由于人工目测易疲倦，存在测量精度不稳定、效率低等缺点。早期的维氏硬度自动测量方法主要基于传统的图像处理方法。如基于图像灰度分割，霍夫变换，主动轮廓模型等，这些方法一方面在测量材质变化时需要复杂的参数调节，另一方面易受到显微组织中存在的夹杂物、裂纹等干扰，因而鲁棒性较低，难以应用。近几年，出现了基于深度学习的维氏硬度测量方法^[1-2]的研究。虽然取得了相比于传统方法更好的测量精度，但由于其单纯地利用大量数据进行训练，未利用压痕几何先验知识，因此其识别精度仍有提升空间。

[1] Tanaka Y ，Seino Y ，Hattori K . Automated Vickers hardnessmeasurement using convolutional neural networks [J]. International Journal ofAdvanced Manufacturing Technology， 2020， 109(3).

[2] Tanaka Y ，Seino Y ，Hattori K . Vickers hardness measurement byusing convolutional neural network[J]. Journal of Physics: Conference Series，2018， 1065:062001-。

发明内容

鉴于上述方法存在的一些不足，本发明提出了一种融合几何先验知识的维氏硬度图像测量方法，旨在解决现有图像测量方法准确性、鲁棒性较低，极易受背景干扰的缺点，实现维氏硬度的全自动、高精度测量。

本发明技术方案如下：

一种融合几何先验知识的维氏硬度图像测量方法，其特征在于，具体步骤如下：

步骤1）. 第一图像数据集的构建

将多种材质的金属试样放置于维氏硬度计中，在每个试样的多个位置施加大小不同的测试载荷，形成大小不同的压痕，每个压痕采集一张图像。对于采集的N张图像，由检测人员对N张图像标注其四个角点的坐标值,...,}。根据四个角点的坐标可以求出每个压痕的外接矩形，外接矩形的左上角与右下角坐标为,],...,}。其计算公式如下：

其中，min()与max()分别表示求最小与最大值，ε是一个正整数（ε取值范围优选为5~10），用以保证该外接矩形可以完全覆盖压痕。I与C共同组成第一图像数据集，用以训练目标粗定位网络。

步骤2）. 第二图像数据集的构建