公开(公告)号：CN119941638A

公开(公告)日：2025-05-06

申请号：CN202411911336.3

申请日：2024-12-24

Applicant: 东北大学

Inventor： 罗森 ,  杜国庆 ,  王卫领 ,  朱苗勇

IPC: G06T7/00 ,  G06T7/194 ,  G06T7/62 ,  G06V10/26 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/048

Abstract: 本发明涉及一种连铸坯缩孔的自动评级方法、系统及可读存储介质，其方法包括：获取包含待测评的连铸坯的低倍试样图像；利用训练好的分割模型一，对低倍试样图像进行前后景分割，得到连铸坯图像，并确定连铸坯像素面积；利用训练好的分割识别模型二，确定连铸坯图像是否存在缩孔，若是，则对缩孔进行分割，得到缩孔图像，并确定缩孔数量和缩孔群区域像素面积；基于连铸坯像素面积和缩孔群区域像素面积，确定缩孔群区域面积占比；以行业标准为基准，根据缩孔数量N和缩孔群区域面积占比对连铸坯低缩孔情况进行综合评级。本申请利用深度学习模型实现了连铸坯缩孔的高效自动识别和准确评级，提升了评估效率和准确性。

公开(公告)号：CN119941637A

公开(公告)日：2025-05-06

申请号：CN202411911332.5

申请日：2024-12-24

Applicant: 东北大学

Inventor： 罗森 ,  杜国庆 ,  朱苗勇 ,  王卫领

IPC: G06T7/00 ,  G06T7/194 ,  G06T7/62 ,  G06V10/26 ,  G06V10/764

Abstract: 本发明涉及一种连铸坯中心疏松的自动评级方法、系统及可读存储介质，其方法包括：获取包含待测评的连铸坯的低倍试样图像；利用训练好的分割模型一，对低倍试样图像进行前后景分割，得到连铸坯图像，并确定连铸坯像素面积；利用训练好的分割识别模型二，确定连铸坯图像是否存在中心疏松，若是，则对中心疏松进行分割，得到中心疏松图像，并确定有效中心疏松的数目N和疏松群区域像素面积S2；基于连铸坯像素面积S1和疏松群区域像素面积S2，确定中心疏松群区域面积占比P；以行业标准为基准，根据有效中心疏松的数目N、中心疏松群区域面积占比P对连铸坯低中心疏松情况进行综合评级。本申请提高了连铸坯中心疏松的识别效率及准确率。