基于深度学习的固结磨料研磨垫表面形态表征

TG58; 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...

Full description

Saved in:
Bibliographic Details
Published in金刚石与磨料磨具工程 Vol. 42; no. 2; pp. 186 - 192
Main Authors 胡伟栋, 王占奎, 董彦辉, 张召, 朱永伟
Format Journal Article
LanguageChinese
Published 南京航空航天大学 机电学院, 南京 210016%河南科技学院 机电学院, 河南 新乡 453003 20.04.2022
Subjects
固结磨料研磨垫
图像处理
深度学习
目标检测
Online AccessGet full text

Cover

More Information
Summary:TG58; 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.
ISSN:1006-852X
DOI:10.13394/j.cnki.jgszz.2021.0096