申请/专利权人：哈尔滨工业大学(深圳)

申请日：2021-09-16

公开（公告）日：2024-06-18

公开（公告）号：CN113792666B

主分类号：G06V20/69

分类号：G06V20/69;G06V10/26;G06V10/774;G06V10/764;G06V10/82;G06N3/0464;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2024.06.18#授权;2021.12.31#实质审查的生效;2021.12.14#公开

摘要：本发明涉及一种基于扫描电镜图像的混凝土分类方法及系统，所述方法包括：利用扫描电子显微镜对若干个混凝土样品进行图像采集，得到若干个扫描电子显微镜图像，构建原始数据集；所述原始数据集包括若干个所述扫描电子显微镜图像和与所述扫描电子显微镜图像相对应的真实类别；将原始数据集分为训练集和测试集；利用所述训练集对深度卷积网络进行训练，得到训练好的深度卷积网络；所述深度卷积网络包括特征提取网络和特征分类网络；将待测混凝土样品输入到所述训练好的深度卷积网络中，确定所述待测混凝土样品的类别。本发明的方法提高了混凝土分类的准确性和泛用性。

主权项：1.一种基于扫描电镜图像的混凝土分类方法，其特征在于，包括：利用扫描电子显微镜对若干个混凝土样品进行图像采集，得到若干个扫描电子显微镜图像，构建原始数据集；所述原始数据集包括若干个所述扫描电子显微镜图像和与所述扫描电子显微镜图像相对应的真实类别；将原始数据集分为训练集和测试集；利用所述训练集对深度卷积网络进行训练，得到训练好的深度卷积网络；所述深度卷积网络包括特征提取网络和特征分类网络；其中，所述特征提取网络包括5个依次连接的特征提取子网络；所述特征提取子网络包括依次连接的卷积层、非线性层和正则化层以及依次连接的卷积层、非线性层、正则化层和池化层；所述卷积层用于提取所述扫描电子显微镜图像的图像特征；所述非线性层用于增加所述特征提取网络的非线性；所述正则化层用于将所述图像特征的均值化为0，方差化为1；所述池化层用于减小所述图像特征的维度；所述特征分类网络包括依次连接的第一全连接层、非线性层、随机丢弃层、第二全连接层以及分类层；所述第一全连接层和所述第二全连接层堆叠，用于对所述特征提取网络输出的图像特征进行分类；所述非线性层用于增加所述特征分类网络的非线性；所述随机丢弃层用于按比例随机丢弃所述第一全连接层和所述第二全连接层中的任意参数；所述分类层用于将全连接层输出的分类结果归一化，以概率的形式输出第一预测结果；将待测混凝土样品输入到所述训练好的深度卷积网络中，确定所述待测混凝土样品的类别；通过迁移学习的应用，可以将在一类样品上训练得到的深度卷积网络应用于另一类样品，具体包括：采集两个不同成分的混凝土样品，构成两个不同的原始数据集，即第一原始数据集和第二原始数据集，将在第一原始数据集上训练好的深度卷积网络以监督学习的方式再放到第二原始数据集上进行训练。

全文数据：

权利要求：

百度查询： 哈尔滨工业大学(深圳) 一种基于扫描电镜图像的混凝土分类方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD