(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211254805.X (22)申请日 2022.10.13 (71)申请人 中国特种设备检测研究院 地址 100013 北京市朝阳区和平街西苑2号 (72)发明人 杨旭　钱公　刘光奎　白宁　 王伟华　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 曹伟 (51)Int.Cl. G16C 60/00(2019.01) G06V 20/69(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) (54)发明名称 材料老化损伤分级模 型的构建方法、 分级 方 法及相关装置 (57)摘要 本申请实施例公开了一种材料老化损伤分 级模型的构建方法、 分级方法及相关装置， 首先 获取显微镜在预设分辨率下采集的材料的微观 组织图片， 并获取该微观组织图片的老化级别以 及损伤级别。 接着对以上微观组织图片进行预处 理， 并将进行预处理后的微观组织图片与其对应 的老化级别以及损伤级别进行绑定， 以此作为目 标数据集。 将目标数据集的一部分作为训练数据 集另一部分作为验证数据， 同时基于深度学习框 架PyTorch来构建MobileNetV3 ‑MC模型， MobileNetV3 ‑MC模型为具有马氏体分级的移动 设备神经网络。 以此构建的模型的响应速度更 快， 同时可以增强模型对不同老化损伤级别的辨 识， 在多级别测试集的辨识准确率最高可达到 60％。 权利要求书2页 说明书12页 附图4页 CN 115547435 A 2022.12.30 CN 115547435 A 1.一种材 料老化损伤分级模型的构建方法， 其特 征在于， 所述方法包括： 获取显微镜采集的预设 分辨率下材料的微观组织图片； 获取各个所述 微观组织图片的老化损伤级别； 对各个微观组织图片进行 预处理后与其老化损伤级别进行绑定作为目标 数据集； 将所述目标 数据集的一部分作为训练数据集， 另一部分作为验证数据集； 利用所述训练数据集和所述验证数据集基于深度学习框架PyTorch构建MobileNetV3 ‑ MC模型， 所述Mobi leNetV3‑MC模型为具有马氏体分级的移动设备神经网络 。 2.根据权利要求1所述的方法， 其特征在于， 所述对各个微观组织图片进行预处理后与 其老化损伤级别进行绑定作为目标 数据集， 包括： 获取剔除文字说明部分的所述 微观组织图片作为第一组织图； 将所述第一组织图由三 通道灰度图转 化为单通道灰度图作为第二组织图； 将第二组织图裁 剪为预设大小作为第三组织图； 获取进行图片增强后的第 三组织图作为第四组织图， 并将所述第四组织图与其对应的 微观组织图片的老化损伤级别分别进行绑定得到所述目标 数据集。 3.根据权利要求1所述的方法， 其特征在于， 所述利用所述训练数据集和所述验证数据 集对预先构建的卷积神经网络模型进行训练得到 MobileNetV3‑MC模型， 包括： 利用所述训练数据集对预先构建的卷积神经网络模型进行迭代训练， 得到每次训练得 到的卷积神经网络模型的参数； 依据每次训练得到的卷积神经网络模型的参数， 确定迭代训练过程中经过目标次训练 得到的模型作为预训练MobileNetV3 ‑MC模型； 所述经过目标次训练得到的模型包括， 在所 述验证数据集上的等级确定准确率 最高的卷积神经网络模型； 获取使用较小学习率调整的预训练Mobi leNetV3‑MC模型作为Mobi leNetV3‑MC模型。 4.一种材 料老化损伤分级方法， 其特 征在于， 所述方法包括： 将待测微观组织图片进行 预处理； 将经过预处理的待测微观组织图片输入到MobileNetV3 ‑MC模型中得到待测微观组织 图片的老化和/或损伤级别； 所述MobileNetV3 ‑MC模型是根据权利要求1 ‑3任一项所述的材 料老化损伤分级模型的构建方法构建得到的。 5.根据权利要求4所述的方法， 其特征在于， 所述将待测微观组织图片进行预处理之 前， 还包括： 判断待测微观组织图片的分辨率， 是否为所述预设分辨率， 若是则执行所述将待测微 观组织图片进行 预处理。 6.根据权利要求4所述的方法， 其特征在于， 所述将待测微观组织图片进行预处理， 包 括： 剔除文字说明部分的待测微观组织图片作为中间待测微观组织图片； 将所述中间待测微观组织图片由三 通道灰度图转 化为单通道灰度图。 7.一种材 料老化损伤分级模型的构建装置， 其特 征在于， 所述装置包括： 第一获取 单元， 用于获取显微镜采集的预设 分辨率下材料的微观组织图片； 第二获取 单元， 用于获取 各个所述 微观组织图片的老化损伤级别； 预处理单元， 用于对各个微观组织图片进行 预处理；权　利　要　求　书 1/2 页 2 CN 115547435 A 2绑定单元， 用于将所述预处理单元进行与处理后的所述对各个微观组织图片与其老化 损伤级别进行绑定作为目标 数据集； 第三获取 单元， 用于获取将所述目标 数据集的一部分作为训练数据集； 第四获取 单元， 用于获取将所述目标 数据集的另一部分作为验证数据集； 构建单元， 用于利用所述训练数据集和所述验证数据集基于深度学习框架PyTorch构 建MobileNetV3 ‑MC模型， 所述MobileNetV3 ‑MC模型为具有马氏体分级的移动设备神经网 络。 8.一种材 料老化损伤分级装置， 其特 征在于， 所述装置包括： 预处理单元， 用于将待测微观组织图片进行 预处理； 输入单元， 用于将经过预处理单元处理的待测微观组织图片输入到MobileNetV3 ‑MC模 型中， 以得到待测微观组织图片的老化和/或损伤级别； 所述MobileNetV3 ‑MC模型是根据权 利要求1‑3任一项所述的材 料老化损伤分级模型的构建方法构建得到的。 9.一种材料老化损伤分级模型的构建设备， 其特征在于， 包括： 存储器， 处理器， 及存储 在所述存储器上并可在所述处理器上运行的计算机程序， 所述处理器执行所述计算机程序 时， 实现如权利要求1 ‑3任一项所述的材 料老化损伤分级模型的构建方法。 10.一种材料老化损伤分级设备， 其特征在于， 包括： 存储器， 处理器， 及存储在所述存 储器上并可在所述处理器上运行 的计算机程序， 所述处理器执行所述计算机程序时， 实现 如权利要求 4‑6任一项所述的材 料老化损伤分级方法。 11.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质中存储有指令， 当所述指令在终端设备上运行时， 使得所述终端设备执行如权利要求1 ‑3任一项所述的材 料老化损伤分级模型的构建方法， 或者执 行如权利要求 4‑6所述的材 料老化损伤分级方法。权　利　要　求　书 2/2 页 3 CN 115547435 A 3