基于残差网络的高温合金微观组织图像分割方法

摘要：

材料微观组织图像分析是材料研究的重要环节,其分析方法的精准性和快速性对新材料的设计、研制和现有材料的优化、寿命评价都非常重要.因此,如何建立更快速更精准的微观组织分割方法成为微观组织图像分析和性能评价的关键.针对传统的微观组织图像分割技术对于高温合金材料分析精度不高等问题,通过对卷积神经网络结构进行优化,提出了一种基于Res_Unet网络的微观组织图像分割方法.实验验证结果表明,本文的方法不仅解决了深度学习在材料组织图像小样本数据上的实现问题,还显著提高了材料微观组织图像的分割精度.

关键词：深度学习、高温合金、小样本、图像分割

所属期刊栏目：20

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家重点研发计划;国家高技术研究发展计划

在线出版日期：2020-04-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：246-251