基于无监督学习的复合材料纤维信息提取方法、装置和介质与流程

本申请涉及高分子材料领域，尤其涉及一种基于无监督学习的复合材料纤维信息提取方法、装置和介质。

背景技术：

1、纤维长度及长度分布对高分子基复合材料的影响至关重要。纤维材料在复合材料内部的分布规律直接影响到材料体系的力学性能以及外观表现。纤维材料的长度测量核心包括图像采集以及测量。人工测量需要对纤维进行一一手动识别，步骤非常繁琐且处理样本量有限且带有人为主观判断，缺乏统计意义。尽管现有的计算机辅助统计方法在数据分析和处理方面提供了帮助，但它们通常缺乏全自动化。

技术实现思路

1、本申请实施例的主要目的在于提供一种基于无监督学习的复合材料纤维信息提取方法、装置和介质。

2、一方面，本发明实施例提供一种基于无监督学习的复合材料纤维信息提取方法，所述方法包括：

3、采集复合材料纤维图像；

4、将所述复合材料纤维图像进行无监督学习算法处理，得到第一图像；

5、将所述第一图像进行标准化图像颜色，得到第二图像；

6、将所述第二图像进行轮廓识别，得到轮廓信息；

7、将所述轮廓信息进行筛选处理，得到纤维信息。

8、进一步地，所述采集复合材料纤维图像，包括：

9、调整显微镜参数，所述参数包括倍率、焦距、光圈大小、曝光时间；

10、通过所述显微镜拍摄标尺校准，得到所述复合材料纤维图像；

11、将所述复合材料纤维图像进行预处理。

12、进一步地，所述将所述复合材料纤维图像进行预处理，包括：

13、对所述复合材料纤维图像进行去噪、平滑化、增强对比度处理；

14、将所述复合材料纤维图像删去色彩信息，得到灰度图片。

15、进一步地，所述将所述复合材料纤维图像进行无监督学习算法处理，得到第一图像，包括：

16、对所述复合材料纤维图像转换成像素值的向量形式；

17、设置所述复合材料纤维图像中的每个像素包含颜色信息或灰度值；

18、对所述复合材料纤维图像进行归一化处理；

19、将归一化后的所述复合材料纤维图像输入到k均值无监督学习算法中，设置聚类数量为2，得到所述第一图像。

20、进一步地，所述将所述第一图像进行标准化图像颜色，得到第二图像，包括：

21、将所述第一图像的亮度分量、色彩分量进行标准化，得到所述第二图像。

22、进一步地，所述将所述第二图像进行轮廓识别，得到轮廓信息，包括：

23、根据所述第二图像的灰度值，使用边缘检测算法将所述第二图像进行计算，得到纤维边缘信息；

24、根据所述纤维边缘信息，使用轮廓检测算法，得到轮廓信息。

25、进一步地，所述将所述轮廓信息进行筛选处理，得到纤维信息，包括：

26、对所述复合材料纤维图像进行特征提取，得到特征信息；所述特征信息包括颜色信息、纹理信息；

27、通过所述轮廓信息的纤维轮廓像素数目或物理尺寸单位，计算得到纤维的长度信息；

28、通过纤维轮廓的宽度分布或直径估计，得到纤维的宽度信息；

29、计算纤维轮廓的方向或主轴方向，获取纤维的角度信息；

30、利用纤维轮廓的形状特征，得到纤维的形状信息；

31、根据纤维在所述第二图像中的分布情况，计算得到纤维的密度或分布密度。

32、进一步地，所述将所述轮廓信息进行筛选处理，得到纤维信息，包括：

33、计算纤维的数均长度、重均长度、立方均长度以及分布宽度。

34、另一方面，本发明实施例还提供了一种基于无监督学习的复合材料纤维信息提取装置，包括存储器、处理器及存储在存储器上并可在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前面所述的基于无监督学习的复合材料纤维信息提取方法。

35、另一方面，本发明实施例还提供了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存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如前面所述的基于无监督学习的复合材料纤维信息提取方法。

36、本申请实施例至少包括以下有益效果：本申请提供一种基于无监督学习的复合材料纤维信息提取方法、装置和介质，该方案采集复合材料纤维图像；将所述复合材料纤维图像进行无监督学习算法处理，得到第一图像；将所述第一图像进行标准化图像颜色，得到第二图像；将所述第二图像进行轮廓识别，得到轮廓信息；将所述轮廓信息进行筛选处理，得到纤维信息。本发明能够使得图像处理不需要在人工调整下较好地进行，使得测量计算过程自动化、集成化程度大幅度提高，在较短时间内处理速度与数据量相较传统方法均有较大提升。

技术特征：

1.基于无监督学习的复合材料纤维信息提取方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述采集复合材料纤维图像，包括：

3.根据权利要求2所述的方法，其特征在于，所述将所述复合材料纤维图像进行预处理，包括：

4.根据权利要求1所述的方法，其特征在于，所述将所述复合材料纤维图像进行无监督学习算法处理，得到第一图像，包括：

5.根据权利要求1所述的方法，其特征在于，所述将所述第一图像进行标准化图像颜色，得到第二图像，包括：

6.根据权利要求1所述的方法，其特征在于，所述将所述第二图像进行轮廓识别，得到轮廓信息，包括：

7.根据权利要求1所述的方法，其特征在于，所述将所述轮廓信息进行筛选处理，得到纤维信息，包括：

8.根据权利要求1所述的方法，其特征在于，所述将所述轮廓信息进行筛选处理，得到纤维信息，包括：

9.基于无监督学习的复合材料纤维信息提取装置，包括存储器、处理器及存储在存储器上并可在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至8中任意一项所述的基于无监督学习的复合材料纤维信息提取方法。

10.一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存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如权利要求1至8任意一项所述的基于无监督学习的复合材料纤维信息提取方法。

技术总结本申请实施例提供了基于无监督学习的复合材料纤维信息提取方法、装置和介质，属于高分子材料领域。该方案采集复合材料纤维图像；将所述复合材料纤维图像进行无监督学习算法处理，得到第一图像；将所述第一图像进行标准化图像颜色，得到第二图像；将所述第二图像进行轮廓识别，得到轮廓信息；将所述轮廓信息进行筛选处理，得到纤维信息。本发明能够使得图像处理不需要在人工调整下较好地进行，使得测量计算过程自动化、集成化程度大幅度提高，在较短时间内处理速度与数据量相较传统方法均有较大提升。技术研发人员：冼业明,汪炉林,白净,唐承浩,邓爵安,郝建鑫,陈晓强,黄诚燕,陈瑜,曾华长,索阳阳受保护的技术使用者：广州市聚赛龙工程塑料股份有限公司技术研发日：技术公布日：2024/8/1