【技術實現步驟摘要】
本申請涉及高分子材料領域，尤其涉及一種基于無監督學習的復合材料纖維信息提取方法、裝置和介質。
技術介紹
1、纖維長度及長度分布對高分子基復合材料的影響至關重要。纖維材料在復合材料內部的分布規律直接影響到材料體系的力學性能以及外觀表現。纖維材料的長度測量核心包括圖像采集以及測量。人工測量需要對纖維進行一一手動識別，步驟非常繁瑣且處理樣本量有限且帶有人為主觀判斷，缺乏統計意義。盡管現有的計算機輔助統計方法在數據分析和處理方面提供了幫助，但它們通常缺乏全自動化。
技術實現思路
1、本申請實施例的主要目的在于提供一種基于無監督學習的復合材料纖維信息提取方法、裝置和介質。
2、一方面，本專利技術實施例提供一種基于無監督學習的復合材料纖維信息提取方法，所述方法包括：
3、采集復合材料纖維圖像；
4、將所述復合材料纖維圖像進行無監督學習算法處理，得到第一圖像；
5、將所述第一圖像進行標準化圖像顏色，得到第二圖像；
6、將所述第二圖像進行輪廓識別，得到輪廓信息；
7、將所述輪廓信息進行篩選處理，得到纖維信息。
8、進一步地，所述采集復合材料纖維圖像，包括：
9、調整顯微鏡參數，所述參數包括倍率、焦距、光圈大小、曝光時間；
10、通過所述顯微鏡拍攝標尺校準，得到所述復合材料纖維圖像；
11、將所述復合材料纖維圖像進行預處理。
12、進一步地，所述將所述復合材料纖維圖像進
13、對所述復合材料纖維圖像進行去噪、平滑化、增強對比度處理；
14、將所述復合材料纖維圖像刪去色彩信息，得到灰度圖片。
15、進一步地，所述將所述復合材料纖維圖像進行無監督學習算法處理，得到第一圖像，包括：
16、對所述復合材料纖維圖像轉換成像素值的向量形式；
17、設置所述復合材料纖維圖像中的每個像素包含顏色信息或灰度值；
18、對所述復合材料纖維圖像進行歸一化處理；
19、將歸一化后的所述復合材料纖維圖像輸入到k均值無監督學習算法中，設置聚類數量為2，得到所述第一圖像。
20、進一步地，所述將所述第一圖像進行標準化圖像顏色，得到第二圖像，包括：
21、將所述第一圖像的亮度分量、色彩分量進行標準化，得到所述第二圖像。
22、進一步地，所述將所述第二圖像進行輪廓識別，得到輪廓信息，包括：
23、根據所述第二圖像的灰度值，使用邊緣檢測算法將所述第二圖像進行計算，得到纖維邊緣信息；
24、根據所述纖維邊緣信息，使用輪廓檢測算法，得到輪廓信息。
25、進一步地，所述將所述輪廓信息進行篩選處理，得到纖維信息，包括：
26、對所述復合材料纖維圖像進行特征提取，得到特征信息；所述特征信息包括顏色信息、紋理信息；
27、通過所述輪廓信息的纖維輪廓像素數目或物理尺寸單位，計算得到纖維的長度信息；
28、通過纖維輪廓的寬度分布或直徑估計，得到纖維的寬度信息；
29、計算纖維輪廓的方向或主軸方向，獲取纖維的角度信息；
30、利用纖維輪廓的形狀特征，得到纖維的形狀信息；
31、根據纖維在所述第二圖像中的分布情況，計算得到纖維的密度或分布密度。
32、進一步地，所述將所述輪廓信息進行篩選處理，得到纖維信息，包括：
33、計算纖維的數均長度、重均長度、立方均長度以及分布寬度。
34、另一方面，本專利技術實施例還提供了一種基于無監督學習的復合材料纖維信息提取裝置，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執行所述計算機程序時實現如前面所述的基于無監督學習的復合材料纖維信息提取方法。
35、另一方面，本專利技術實施例還提供了一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲有計算機可執行指令，所述計算機可執行指令用于使計算機執行如前面所述的基于無監督學習的復合材料纖維信息提取方法。
36、本申請實施例至少包括以下有益效果：本申請提供一種基于無監督學習的復合材料纖維信息提取方法、裝置和介質，該方案采集復合材料纖維圖像；將所述復合材料纖維圖像進行無監督學習算法處理，得到第一圖像；將所述第一圖像進行標準化圖像顏色，得到第二圖像；將所述第二圖像進行輪廓識別，得到輪廓信息；將所述輪廓信息進行篩選處理，得到纖維信息。本專利技術能夠使得圖像處理不需要在人工調整下較好地進行，使得測量計算過程自動化、集成化程度大幅度提高，在較短時間內處理速度與數據量相較傳統方法均有較大提升。
本文檔來自技高網...【技術保護點】
1.基于無監督學習的復合材料纖維信息提取方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，所述采集復合材料纖維圖像，包括：
3.根據權利要求2所述的方法，其特征在于，所述將所述復合材料纖維圖像進行預處理，包括：
4.根據權利要求1所述的方法，其特征在于，所述將所述復合材料纖維圖像進行無監督學習算法處理，得到第一圖像，包括：
5.根據權利要求1所述的方法，其特征在于，所述將所述第一圖像進行標準化圖像顏色，得到第二圖像，包括：
6.根據權利要求1所述的方法，其特征在于，所述將所述第二圖像進行輪廓識別，得到輪廓信息，包括：
7.根據權利要求1所述的方法，其特征在于，所述將所述輪廓信息進行篩選處理，得到纖維信息，包括：
8.根據權利要求1所述的方法，其特征在于，所述將所述輪廓信息進行篩選處理，得到纖維信息，包括：
9.基于無監督學習的復合材料纖維信息提取裝置，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執行所述計算機程序時實現如權利要求
10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲有計算機可執行指令，所述計算機可執行指令用于使計算機執行如權利要求1至8任意一項所述的基于無監督學習的復合材料纖維信息提取方法。
...【技術特征摘要】
1.基于無監督學習的復合材料纖維信息提取方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，所述采集復合材料纖維圖像，包括：
3.根據權利要求2所述的方法，其特征在于，所述將所述復合材料纖維圖像進行預處理，包括：
4.根據權利要求1所述的方法，其特征在于，所述將所述復合材料纖維圖像進行無監督學習算法處理，得到第一圖像，包括：
5.根據權利要求1所述的方法，其特征在于，所述將所述第一圖像進行標準化圖像顏色，得到第二圖像，包括：
6.根據權利要求1所述的方法，其特征在于，所述將所述第二圖像進行輪廓識別，得到輪廓信息，包括：
7.根據權利...
【專利技術屬性】
技術研發人員：冼業明，汪爐林，白凈，唐承浩，鄧爵安，郝建鑫，陳曉強，黃誠燕，陳瑜，曾華長，索陽陽，
申請(專利權)人：廣州市聚賽龍工程塑料股份有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。