CN111104641B - 一种三维空间内的计算机识别晶粒方法 - Google Patents
一种三维空间内的计算机识别晶粒方法 Download PDFInfo
- Publication number
- CN111104641B CN111104641B CN201911259954.3A CN201911259954A CN111104641B CN 111104641 B CN111104641 B CN 111104641B CN 201911259954 A CN201911259954 A CN 201911259954A CN 111104641 B CN111104641 B CN 111104641B
- Authority
- CN
- China
- Prior art keywords
- voxels
- voxel
- orientation
- grains
- dimensional space
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明涉及一种三维空间内的计算机识别晶粒方法,特别涉及数据处理领域。包括:(1)使用种子算法对三维空间内取向数据进行处理,能够快速地实现晶粒的识别和提取。(2)摆脱了传统二维图像衬度识别晶粒的方法,使用取向矩阵计算的取向差作为晶粒区分的依据,具有良好的数据准确性和可靠性。(3)基于三维空间中相邻26连接的体素判别,充分考虑了在三维空间上晶粒的几何学形态以及连接特性。(4)本发明是基于体素的三维取向数据,能够适用于三维空间下的大部分取向重构技术所获取的取向数据,故可以应用于各种尺度下晶粒的识别与区分,具有良好的适应性。本方案解决了如何在三维空间内准确、快速识别晶粒的技术问题,适用于晶粒识别。
Description
技术领域
本发明涉及数据处理领域,特别涉及一种三维空间内的计算机识别晶粒方法。
背景技术
当今材料科学高速发展,传统的二维晶体学表征方法(如:电子背散射衍射(Electron Backscatter Diffraction,EBSD),旋进电子显微镜及纳米束衍射等等)已经逐渐不能满足材料研究者的分析需求。近年来,材料的三维晶体学表征方法方兴未艾,包括使用三维中子衍射(3D Neutron Diffraction,3D-ND),X射线同步辐射进行的相衬度重构(Acta Materialia 156(2018),76-85),基于扫描电子显微镜的三维电子背散射技术(Materials Science&Engineering:A 527(2010),2738-2746)以及基于扫描圆锥环形暗场像的三维取向重构(Science 332(2011),833-834)。
如何对大量基于体素(voxel)的取向数据进行晶粒的有效识别、提取和分离是后续数据分析的关键与基础。现阶段对于晶粒的识别和提取,大多是基于二维的、基于图像衬度的。YingkuiLi等(Journal of Structural Geology 30(2008),431-443)基于GIS方法对岩石的偏光照片进行晶界提取,从而获得识别每个晶粒。Renée Heilbronner等(Journalof Structural Geology 22(2000),969-981)利用LGB方法对岩石的金相照片进行处理,提取出晶界以及晶粒。Florian Bachmann等(Ultramicroscopy111(2011),1720-1733)通过MTEX算法对二维以及三维EBSD数据进行晶粒识别和区分。
在以上方法中,前两种方法是通过对二维图像的处理,基于衬度对晶粒进行识别和区分的,普通二维图像易受噪音污染,对样品前期处理要求很高,有些区域晶粒的识别容易受主观因素影响,稳定性不够。而第三种方法的确是基于准确的取向数据进行的,但作者仅仅对该方法区分三维EBSD中晶粒进行了讨论,而对于其他方法(如同步辐射、三维取向电子显微镜)获得的三维取向数据该方法是否适用并无提及。
发明内容
本发明所要解决的技术问题是如何在三维空间内,保证标定准确性的情况下,加快晶粒识别的速度。
本发明解决上述技术问题的技术方案如下:一种三维空间内的计算机识别晶粒方法,包括以下步骤:
S1:输入三维空间中基于体素的取向数据,并计算体素数量大小N;
S2:对每个所述体素进行编号,取编号为i的体素为目标体素,并判断所述目标体素是否属于某个已标定的晶粒,如果是,则进行步骤10,如果不是,进行步骤3;
S3:将所述目标体素归属于一个新的晶粒,设晶粒总个数为m,所述新的晶粒标记为m+1晶粒;
S4:将该体素作为种子体素;
S5:找出与所述种子体素相邻的26个连接体素中未有归属晶粒的体素作为候选体素,分别计算每个所述候选体素与所述种子体素之间的取向差;
S6:至少有一个所述取向差小于临界取向差时,进行步骤7,否则进行步骤9;
S7:将所有所述候选体素归属于所述m+1晶粒,并将所有所述候选体素放入暂存器中;
S8:取出一个所述暂存器中的所述候选体素,并所述暂存器中删除被取出的所述候选体素,执行步骤4;
S9:判断所述暂存器为空时,执行步骤10,否则执行步骤8;
S10:i=i+1;
S11:判断所有体素已检测完毕时,结束检测,否则执行步骤2。
本发明的有益效果是:通过传统二维图像衬度判断区分晶粒测量存在着稳定性不够,低精度和低效率等缺点,而采用本发明提出的晶粒识别和晶粒取向差计算方法具有可重复和高效性等优势,解决了如何准确、快速识别晶粒的技术问题。在普通工作站中,对一个含有104857600个体素点的空间区域内的所有晶粒识别并判断只需要一个小时。后续通过对晶粒数据进行处理,即可快速获得每个晶粒的三维空间内的大小,晶界类型,晶界曲率以及样品的极图、反极图以及取向分布函数。这将极大提高对材料微观组织的认识,对建立材料性能——微观组织联系具有很大帮助。对高通量多维度多尺度获取材料信息打下了坚实的基础,并有助于研发新材料。
在上述技术方案的基础上,本发明还可以做如下改进。
进一步,步骤S5中,与所述种子体素(x,y,z)相邻的26个连接体素的坐标分别为(x-1,y-1,z-1),(x-1,y-1,z),(x-1,y-1,z+1),(x-1,y,z-1),(x-1,y,z),(x-1,y,z+1),(x-1,y+1,z-1),(x-1,y+1,z),(x-1,y+1,z+1),(x,y-1,z-1),(x,y-1,z),(x,y-1,z+1),(x,y,z-1),(x,y,z+1),(x,y+1,z-1),(x,y+1,z),(x,y+1,z+1),(x+1,y-1,z-1),(x+1,y-1,z),(x+1,y-1,z+1),(x+1,y,z-1),(x+1,y,z),(x+1,y,z+1),(x+1,y+1,z-1),(x+1,y+1,z),(x+1,y+1,z+1)。
进一步,步骤S5包括以下步骤:
S51:找出与所述种子体素相邻的26个连接体素中未有归属晶粒的体素作为候选体素;
S52:获取所述种子体素和每个所述候选体素的取向数据并转换成取向矩阵;
S53:根据下列公式计算出取向差矩阵M:
其中所述种子体素的对应的所述取向矩阵为g1,所述候选体素对应的所述取向矩阵为g2;
S54:根据下列公式计算出等效取向差矩阵M′i:
M′i=TiM
其中,Ti为与取向差矩阵M对应的对称矩阵,1<=i<=24;
S55:将所述等效取向差矩阵转化为取向差轴角对表示形式,在计算所得的所有轴角对中,选取角度最小的轴角对作为相邻两个体素点的所述取向差。
本发明附加的方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明实践了解到。
附图说明
图1为本发明三维空间内的计算机识别晶粒方法的实施例的流程图;
图2为本发明三维空间内的计算机识别晶粒方法的其它实施例在体素尺度上的具体流程图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实例只用于解释本发明,并非用于限定本发明的范围。
实施例基本如附图1和附图2所示:
本实施例中三维空间内的计算机识别晶粒方法,包括以下步骤:
S1:输入三维空间中基于体素的取向数据,并计算体素数量大小N,本实施例中的三维空间可以为长方体形状的重构空间,其中长方体的边长为l,w,h,该重构空间的体素总数量大小N=l×w×h,具体的,长方体的边长可以为l=40,w=40,h=100,体素总数量大小为N=l×w×h=160000;
S2:对每个体素进行编号,取编号为i的体素为目标体素,并判断目标体素是否属于某个已标定的晶粒,如果是,则进行步骤10,如果不是,进行步骤3;
S3:将目标体素归属于一个新的晶粒,设晶粒总个数为m,新的晶粒标记为m+1晶粒,本实施例中的步骤3每循环一次,晶粒个数增加1;
S4:将该体素作为种子体素;
S5:找出与种子体素相邻的26个连接体素中未有归属晶粒的体素作为候选体素,分别计算每个候选体素与种子体素之间的取向差;
S6:至少有一个取向差小于临界取向差时,进行步骤7,若在以后过程中没有一个取向差小于临界取向差,进行步骤9,其中临界取向差可以为5°;
S7:将所有候选体素归属于m+1晶粒,并将所有候选体素放入暂存器中;
S8:取出一个暂存器中的候选体素,并暂存器中删除被取出的候选体素,执行步骤4;
S9:判断暂存器为空时,执行步骤10,否则执行步骤8;
S10:i=i+1;
S11:判断所有体素已检测完毕时,结束检测,否则执行步骤2;本实施例中,从该三维空间内共标定分离13个纳米晶金晶粒,其晶粒编号和取向(使用取向矩阵表示)分别为:
本发明的有益效果是:通过传统二维图像衬度判断区分晶粒测量存在着稳定性不够,低精度和低效率等缺点,而采用本发明提出的晶粒识别和晶粒取向差计算方法具有可重复和高效性等优势,解决了如何准确、快速识别晶粒的技术问题。在普通工作站中,对一个含有104857600个体素点的空间区域内的所有晶粒识别并判断只需要一个小时。后续通过对晶粒数据进行处理,即可快速获得每个晶粒的三维空间内的大小,晶界类型,晶界曲率以及样品的极图、反极图以及取向分布函数。这将极大提高对材料微观组织的认识,对建立材料性能——微观组织联系具有很大帮助。对高通量多维度多尺度获取材料信息打下了坚实的基础,并有助于研发新材料。
在上述技术方案的基础上,本发明还可以做如下改进。
可选的,在一些其它实施例中,步骤S5中,与种子体素(x,y,z)相邻的26个连接体素的坐标分别为(x-1,y-1,z-1),(x-1,y-1,z),(x-1,y-1,z+1),(x-1,y,z-1),(x-1,y,z),(x-1,y,z+1),(x-1,y+1,z-1),(x-1,y+1,z),(x-1,y+1,z+1),(x,y-1,z-1),(x,y-1,z),(x,y-1,z+1),(x,y,z-1),(x,y,z+1),(x,y+1,z-1),(x,y+1,z),(x,y+1,z+1),(x+1,y-1,z-1),(x+1,y-1,z),(x+1,y-1,z+1),(x+1,y,z-1),(x+1,y,z),(x+1,y,z+1),(x+1,y+1,z-1),(x+1,y+1,z),(x+1,y+1,z+1)。
可选的,在一些其它实施例中,步骤S5包括以下步骤:
S51:找出与种子体素相邻的26个连接体素中未有归属晶粒的体素作为候选体素;
S52:获取种子体素和每个候选体素的取向数据并转换成取向矩阵,本实施例中的取向数据的种类可以包括欧拉角、取向矩阵、密勒指数、轴角对、Rodrigues矢量、四元数,将其他形式的表示方法转换为取向矩阵后能保证取向差计算的准确性,具体的,以较为普遍应用的欧拉角和四元数为例,取向数据的欧拉角表示为:
转化的取向矩阵为:
取向数据的四元数表示:
转化的取向矩阵为:
S53:根据下列公式计算出取向差矩阵M:
其中种子体素的对应的取向矩阵为g1,候选体素对应的取向矩阵为g2;在本实施例中,由于金的晶体结构为对称最高的面心立方(国际空间群符号:Fm-3m,国际空间群号:225),故任一一个取向差矩阵具有24个等效取向差矩阵,其为取向差矩阵M分别乘以以下24个对应的矩阵:
M′i=TiM(i=1~24)
S54:根据下列公式计算出等效取向差矩阵M′i:
M′i=TiM
其中,Ti为与取向差矩阵M对应的对称矩阵,1<=i<=24;本实施例中,得到的等效取向差矩阵M′i为
S55:将等效取向差矩阵转化为取向差轴角对表示形式,在计算所得的所有轴角对中,选取角度最小的轴角对作为相邻两个体素点的取向差,本实施例中,转化为取向差轴角对表示形式可以为:
需要说明的是,上述各实施例是与上述各方法实施例对应的产品实施例,对于本实施例中各结构装置及可选实施方式的说明可以参考上述各方法实施例中的对应说明,在此不再赘述。
读者应理解,在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (3)
1.一种三维空间内的计算机识别晶粒方法,其特征在于,包括以下步骤:
S1:输入三维空间中基于体素的取向数据,并计算体素数量大小N;
S2:对每个所述体素进行编号,取编号为i的体素为目标体素,并判断所述目标体素是否属于某个已标定的晶粒,如果是,则进行步骤10,如果不是,进行步骤3;
S3:将所述目标体素归属于一个新的晶粒,设晶粒总个数为m,所述新的晶粒标记为m+1晶粒;
S4:将该体素作为种子体素;
S5:找出与所述种子体素相邻的26个连接体素中未有归属晶粒的体素作为候选体素,分别计算每个所述候选体素与所述种子体素之间的取向差;
S6:至少有一个所述取向差小于临界取向差时,进行步骤7,否则进行步骤9,来判断暂存器是否为空;
S7:将所有所述候选体素归属于所述m+1晶粒,并将所有所述候选体素放入暂存器中;
S8:取出一个所述暂存器中的所述候选体素,并所述暂存器中删除被取出的所述候选体素,执行步骤4;
S9:判断所述暂存器为空时,执行步骤10,否则执行步骤8;
S10:i=i+1;
S11:判断所有体素已检测完毕时,结束检测,否则执行步骤2。
2.根据权利要求1所述的三维空间内的计算机识别晶粒方法,其特征在于:步骤S5中,与所述种子体素(x,y,z)相邻的26个连接体素的坐标分别为(x-1,y-1,z-1),(x-1,y-1,z),(x-1,y-1,z+1),(x-1,y,z-1),(x-1,y,z),(x-1,y,z+1),(x-1,y+1,z-1),(x-1,y+1,z),(x-1,y+1,z+1),(x,y-1,z-1),(x,y-1,z),(x,y-1,z+1),(x,y,z-1),(x,y,z+1),(x,y+1,z-1),(x,y+1,z),(x,y+1,z+1),(x+1,y-1,z-1),(x+1,y-1,z),(x+1,y-1,z+1),(x+1,y,z-1),(x+1,y,z),(x+1,y,z+1),(x+1,y+1,z-1),(x+1,y+1,z),(x+1,y+1,z+1)。
3.根据权利要求1所述的三维空间内的计算机识别晶粒方法,其特征在于:步骤S5包括以下步骤:
S51:找出与所述种子体素相邻的26个连接体素中未有归属晶粒的体素作为候选体素;
S52:获取所述种子体素和每个所述候选体素的取向数据并转换成取向矩阵;
S53:根据下列公式计算出取向差矩阵M:
其中所述种子体素的对应的所述取向矩阵为g1,所述候选体素对应的所述取向矩阵为g2;
S54:根据下列公式计算出等效取向差矩阵M′i:
M′i=TiM
其中,Ti为与取向差矩阵M对应的对称矩阵,其与晶粒所属的相的晶体对称性有关,1<=i<=24;
S55:将所述等效取向差矩阵转化为取向差轴角对表示形式,在计算所得的所有轴角对中,选取角度最小的轴角对作为相邻两个体素点的所述取向差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911259954.3A CN111104641B (zh) | 2019-12-10 | 2019-12-10 | 一种三维空间内的计算机识别晶粒方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911259954.3A CN111104641B (zh) | 2019-12-10 | 2019-12-10 | 一种三维空间内的计算机识别晶粒方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111104641A CN111104641A (zh) | 2020-05-05 |
CN111104641B true CN111104641B (zh) | 2023-07-21 |
Family
ID=70423341
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911259954.3A Active CN111104641B (zh) | 2019-12-10 | 2019-12-10 | 一种三维空间内的计算机识别晶粒方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111104641B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111781222A (zh) * | 2020-06-15 | 2020-10-16 | 中科科辅(北京)科技有限公司 | 一种晶体塑性变形诱导取向旋转的测试方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101949810A (zh) * | 2010-08-12 | 2011-01-19 | 中国石油天然气集团公司 | 一种针状铁素体型管线钢组织鉴别和评定方法 |
CN109658431A (zh) * | 2018-12-26 | 2019-04-19 | 中国科学院大学 | 基于区域生长的岩体点云平面提取方法 |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100481965C (zh) * | 2007-02-15 | 2009-04-22 | 浙江大学 | 体三维显示中体素均匀分布的实现方法 |
GB0807849D0 (en) * | 2008-04-30 | 2008-06-04 | Diamond Trading Company The Lt | Locating inclusions in diamond |
US9245374B2 (en) * | 2011-02-22 | 2016-01-26 | 3M Innovative Properties Company | Space carving in 3D data acquisition |
CN102055996B (zh) * | 2011-02-23 | 2013-01-23 | 南京航空航天大学 | 基于空间逐层扫描的真三维立体显示系统及其显示方法 |
JP2013117495A (ja) * | 2011-12-05 | 2013-06-13 | Commissariat A L'energie Atomique Et Aux Energies Alternatives | 多結晶材料中の結晶粒の配向と弾性歪を測定する方法 |
US9207300B2 (en) * | 2012-10-26 | 2015-12-08 | Siemens Medical Solutions Usa, Inc. | Automatic system for timing in imaging |
EP2917797B1 (en) * | 2012-11-08 | 2021-06-30 | DDM Systems, Inc. | Systems and methods for additive manufacturing and repair of metal components |
WO2014104909A1 (ru) * | 2012-12-25 | 2014-07-03 | Общество С Ограниченной Ответственностью "Интровижн Ресерч Энд Девелопмент" | Способ получения характеристической трехмерной модели образца пористого материала для исследования свойств проницаемости |
WO2014200589A2 (en) * | 2013-03-15 | 2014-12-18 | Leap Motion, Inc. | Determining positional information for an object in space |
US10762267B2 (en) * | 2016-05-30 | 2020-09-01 | Coventor, Inc. | System and method for electrical behavior modeling in a 3D virtual fabrication environment |
CN106408576B (zh) * | 2016-09-08 | 2019-04-16 | 飞依诺科技(苏州)有限公司 | 基于三维超声图像的感兴趣区域的自动分割方法及系统 |
US10466774B2 (en) * | 2016-11-22 | 2019-11-05 | Honeywell International Inc. | NTE display systems and methods with optical trackers |
CN106896105B (zh) * | 2017-01-04 | 2019-07-23 | 中国航空工业集团公司北京航空材料研究院 | 一种检测单晶叶片小角度晶界取向差的方法 |
CN108629835B (zh) * | 2017-03-20 | 2021-10-01 | 哈尔滨工业大学 | 基于高光谱、真彩图与点云互补的室内重建方法及系统 |
CN108986155B (zh) * | 2017-06-05 | 2021-12-07 | 富士通株式会社 | 多视点图像的深度估计方法和深度估计设备 |
CN107516314B (zh) * | 2017-08-25 | 2020-03-27 | 山东大学 | 医学图像超体素分割方法和装置 |
WO2019185985A1 (en) * | 2018-03-26 | 2019-10-03 | Nokia Technologies Oy | An apparatus, a method and a computer program for volumetric video |
WO2019197722A1 (en) * | 2018-04-11 | 2019-10-17 | Nokia Technologies Oy | An apparatus, a method and a computer program for volumetric video |
CN108857132B (zh) * | 2018-07-24 | 2021-04-20 | 哈尔滨工业大学(深圳) | 一种评估无铅焊点可靠性方法 |
CN109118564B (zh) * | 2018-08-01 | 2023-09-19 | 山东佳音信息科技有限公司 | 一种基于融合体素的三维点云标记方法和装置 |
CN109701273B (zh) * | 2019-01-16 | 2022-04-19 | 腾讯科技(北京)有限公司 | 游戏数据的处理方法、装置、电子设备及可读存储介质 |
-
2019
- 2019-12-10 CN CN201911259954.3A patent/CN111104641B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101949810A (zh) * | 2010-08-12 | 2011-01-19 | 中国石油天然气集团公司 | 一种针状铁素体型管线钢组织鉴别和评定方法 |
CN109658431A (zh) * | 2018-12-26 | 2019-04-19 | 中国科学院大学 | 基于区域生长的岩体点云平面提取方法 |
Non-Patent Citations (2)
Title |
---|
Model globally,match locally:Efficient and robust 3D object recognition;Bertram Drost;《2010 IEEE Computer Society Conference on Computer Vision and Pattern Recognition》;全文 * |
高速高精度LED固晶目标识别定位系统设计与实现;刘化轩;《中国优秀硕士学位论文全文数据库-信息科技辑》;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111104641A (zh) | 2020-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2019144469A1 (zh) | 一种图像质量分类方法、系统及终端设备 | |
US10198804B2 (en) | Method for determining fabric and upscaled properties of geological sample | |
EP2803015B1 (en) | Two stage categorization of objects in images | |
CN108564085B (zh) | 一种自动读取指针式仪表读数的方法 | |
JPH077444B2 (ja) | 三次元画像の連結成分抽出装置 | |
RU2009108639A (ru) | Способы и устройство для интегрирования систематического прореживания данных в основанный на генетическом алгоритме выбор подмножества признаков | |
CN103940708B (zh) | 一种钢材全形态晶粒的快速测量、精细分类方法 | |
CN105574527A (zh) | 一种基于局部特征学习的快速物体检测方法 | |
CN112330538A (zh) | 一种基于特征点优化提取的损伤温度重构图像拼接方法 | |
CN113781415B (zh) | 一种x射线图像的缺陷检测方法、装置、设备及介质 | |
CN111626989B (zh) | 针对缺失标注的病理图像的高精度检测网络训练方法 | |
Sovetkin et al. | Automatic processing and solar cell detection in photovoltaic electroluminescence images | |
US11804029B2 (en) | Hierarchical constraint (HC)-based method and system for classifying fine-grained graptolite images | |
Wang et al. | Automatic rebar counting using image processing and machine learning | |
CN115035081B (zh) | 一种基于工业ct的金属内部缺陷危险源定位方法及系统 | |
Xie et al. | Morphological measurement for carrot based on three-dimensional reconstruction with a ToF sensor | |
CN111104641B (zh) | 一种三维空间内的计算机识别晶粒方法 | |
Feng et al. | Automatic detection and extraction algorithm of inter-granular bright points | |
Chen et al. | An intelligent vision recognition method based on deep learning for pointer meters | |
CN110084807A (zh) | 一种焊缝探伤底片图像造假的检测方法 | |
CN114565684A (zh) | 一种基于一致性采样算法的标靶单应性矩阵计算方法 | |
CN107369179B (zh) | 一种高精度图像定位方法 | |
CN116205918B (zh) | 基于图卷积的多模态融合半导体检测方法、装置及介质 | |
Niezgoda et al. | Applications of the phase-coded generalized hough transform to feature detection, analysis, and segmentation of digital microstructures | |
CN117095236A (zh) | 一种用于评估叶根轮槽试验精确性的方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |