基于多尺度密集检测模型的粉末形态检测和分析

粉末材料是深加工领域的突出产品,决定其性能的重要内容之一是粉末形态。目前,粉末形态表征指标由计算机辅助处得理显微图像的方法到。然而此过程受限于图像算法性能,存在着低效,制样要求高等问题。为从密集粉末图像提取粉末形态表征指标,本文提出一种检测和分析系统来为粉末形态表征提供参考。首先进行功能模块、硬件结构和软件流程的整体设计,并设置传统方法和深度学习参与的对照实验。然后以陶瓷粉末图像作为原始数据,基于OpenCV实现图像预处理,采用自适应拉普拉斯增强、高斯滤波、最大稳定外部区域、形态学操作等一系列方法,得到边缘分明的二值图像,在图像分割的基础上,遍历区域轮廓,基于粉末形态表征标准计算和统计得到球形度、球化率等数据,取得在GB和ISO标准下建立的具有形状标签、坐标信息和粉末图像的两个显微颗粒数据集。处理方法包括:拉普拉斯增强和最大稳定外部区域,被引用来有效反映单OpenCV粉末形态,以及在国家标准下建立的两个贴有球形度形状标签的显微颗粒数据集。然后,基于RFB Net,RFB模型被均衡分布。图像金字塔和特征金字塔被引用来建立密集检测模型。最后,在测试集上计算IDM和RFB Net,并递进地在检测组中设计个对照实验组。它验证了多尺度密集检测模型IDM决定粉末形态表征时的精度和速度优于RFB Net。