基于深度学习的固结磨料研磨垫表面形态表征

被引：8

作者：

胡伟栋 ^{[1
]}

王占奎 ^{[2
]}

董彦辉 ^{[1
]}

张召 ^{[2
]}

朱永伟 ^{[1
]}

机构：

[1] 南京航空航天大学机电学院

[2] 河南科技学院机电学院

来源：

金刚石与磨料磨具工程 | 2022年 / 42卷 / 02期

关键词：

固结磨料研磨垫; 深度学习; 目标检测; 图像处理;

D O I：

10.13394/j.cnki.jgszz.2021.0096

中图分类号：

TG73 [磨料]; TP18 [人工智能理论];

学科分类号：

080201 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

固结磨料研磨垫的表面形态与其加工性能有着密切关系，为更好地了解固结磨料研磨垫表面形态，尤其是研磨垫中的金刚石、孔隙、金刚石脱落坑等的分布特征，提出一种基于深度学习的固结磨料研磨垫表面形态分析方法。首先，利用徕卡DVM6数字显微镜及其配套软件获取固结磨料研磨垫表面图像；然后，采用python3+OpenCV对图像进行预处理，并利用标注软件Labelme对图像进行标注，用于后续的训练和测试；最后，运用深度学习框架Tensorflow搭建Mask R-CNN模型。结果表明：Mask R-CNN模型能对单一固结磨料垫表面图像中的多目标进行有效分割与识别，其主要评价指标平均准确率达到78.9%，达到了图像识别的主流水平。

引用

页码：186 / 192

页数：7

共 17 条

[1] 改进的基于Mask R-CNN的碳纤维图像分割方法 [J].