CN116740031A - 获取枝晶臂间距的方法、装置、存储介质及芯片 - Google Patents
获取枝晶臂间距的方法、装置、存储介质及芯片 Download PDFInfo
- Publication number
- CN116740031A CN116740031A CN202310716399.2A CN202310716399A CN116740031A CN 116740031 A CN116740031 A CN 116740031A CN 202310716399 A CN202310716399 A CN 202310716399A CN 116740031 A CN116740031 A CN 116740031A
- Authority
- CN
- China
- Prior art keywords
- dendrite
- target material
- obtaining
- arm spacing
- skeleton
- 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.)
- Granted
Links
- 210000001787 dendrite Anatomy 0.000 title claims abstract description 419
- 238000000034 method Methods 0.000 title claims abstract description 71
- 239000013077 target material Substances 0.000 claims abstract description 149
- 230000008569 process Effects 0.000 claims abstract description 19
- 238000000605 extraction Methods 0.000 claims description 29
- 238000004364 calculation method Methods 0.000 claims description 25
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 6
- 239000013078 crystal Substances 0.000 claims description 6
- 238000012545 processing Methods 0.000 description 16
- 239000000463 material Substances 0.000 description 13
- 238000010586 diagram Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 10
- 239000000956 alloy Substances 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 7
- 229910000838 Al alloy Inorganic materials 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000010587 phase diagram Methods 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000007711 solidification Methods 0.000 description 1
- 230000008023 solidification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30136—Metal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30148—Semiconductor; IC; Wafer
-
- 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)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Image Processing (AREA)
Abstract
本公开涉及一种获取枝晶臂间距的方法、装置、存储介质及芯片，实现枝晶臂间距的自动化获取。该获取枝晶臂间距的方法包括：获取目标材料的金相图片；根据所述金相图片，提取对应所述目标材料的枝晶骨架；根据所述枝晶骨架，得到对应所述目标材料的枝晶臂间距。整个过程无须对金相图片进行人工标注，且操作过程无需人为干涉，自动化、批量化的获取目标材料的枝晶臂间距，降低了人工成本，缩短了枝晶臂间距的获取周期。
Description
技术领域
本公开涉及计算材料学领域，尤其涉及一种获取枝晶臂间距的方法、装置、存储介质及芯片。
背景技术
相关技术中，主要通过光学显微镜对材料的显微组织进行观察分析，测量材料的枝晶臂间距，从而评估材料的力学性能和工艺参数，整个过程需要具有经验丰富的专业人员进行操作，且操作过程繁琐，无法实现枝晶臂间距的自动化获取。
发明内容
为克服相关技术中存在的问题，本公开提供一种获取枝晶臂间距的方法、装置、存储介质及芯片。
根据本公开实施例的第一方面，提供一种获取枝晶臂间距的方法，包括：
获取目标材料的金相图片；
根据所述金相图片，提取对应所述目标材料的枝晶骨架；
根据所述枝晶骨架，得到对应所述目标材料的枝晶臂间距。
可选地，所述根据所述金相图片，提取对应所述目标材料的枝晶骨架，包括：
对所述金相图片二值化处理，得到对应所述目标材料的二值图；
对所述二值图进行连通域分析，确定出所述二值图中连通域；
对所述连通域进行骨架提取计算，得到对应所述目标材料的枝晶骨架。
可选地，所述连通域为多个，所述对所述连通域进行骨架提取计算，得到对应所述目标材料的枝晶骨架，包括：
根据多个所述连通域的面积，从大到小确定目标数量个所述连通域；
根据所述目标数量个所述连通域进行骨架提取计算，得到对应所述目标材料的枝晶骨架。
可选地，所述对所述连通域进行骨架提取计算，得到对应所述目标材料的枝晶骨架之前，所述方法还包括：
针对每一所述连通域，分别根据对应所述连通域的像素点的卷积核，对所述连通域进行膨胀，以对所述二值图进行去噪处理。
可选地，所述根据所述枝晶骨架，得到对应所述目标材料的枝晶臂间距，包括：
根据所述枝晶骨架，确定对应所述目标材料的枝晶主干以及枝晶分叉；
根据所述枝晶主干以及枝晶分叉，得到对应所述目标材料的枝晶臂间距。
可选地，所述根据所述枝晶骨架，确定对应所述目标材料的枝晶主干以及枝晶分叉，包括：
遍历对应所述枝晶骨架的像素点，并得到各个所述像素点在所述金相图片上的度；
根据各个所述像素点在所述金相图片上的度，剔除在所述枝晶骨架中的晶粒，得到对应所述目标材料的枝晶主干以及枝晶分叉。
可选地，所述遍历对应所述枝晶骨架的像素点，并得到各个所述像素点的度，包括：
根据所述枝晶骨架构建邻接矩阵，并根据所述邻接矩阵，得到对应所述枝晶骨架的各个像素点的度；或者，
根据所述枝晶骨架构建最小生成树，并根据所述最小生成树，得到对应所述枝晶骨架的各个像素点的度。
可选地，所述根据所述枝晶主干以及所述枝晶分叉，得到对应所述目标材料的枝晶臂间距，包括：
获取每个所述枝晶主干的中点坐标以及所述枝晶主干上的所述枝晶分叉的分叉点坐标；
根据所述每个所述枝晶主干的所述中点坐标，得到对应所述目标材料的第一像素距离；
根据每一所述枝晶主干上的所述枝晶分叉的所述分叉点坐标，得到对应所述目标材料的第二像素距离；
根据所述金相图片的比例尺，将所述第一像素距离转换为对应所述目标材料的一次枝晶臂间距，将所述第二像素距离转换为对应所述目标材料的二次枝晶臂间距。
可选地，所述根据所述每个所述枝晶主干的中点坐标，得到对应所述目标材料的第一像素距离，包括：
分别根据相邻的所述枝晶主干对应的所述中点坐标，计算所述枝晶主干之间的欧式距离，得到多个对应所述枝晶骨架的第一欧式距离；
计算所述多个第一欧式距离的平均值，得到对应所述目标材料的第一像素距离。
可选地，所述根据每一所述枝晶主干上的所述枝晶分叉的分叉点坐标，得到对应所述目标材料的第二像素距离，包括：
针对每一所述枝晶主干，分别根据相邻的所述枝晶分叉对应的所述分叉点坐标，计算所述枝晶主干上的所述枝晶分叉之间的欧式距离，得到多个第二欧式距离；
计算所述多个第二欧式距离的平均值，得到对应所述枝晶主干的第三像素距离；
计算多个所述枝晶主干分别对应的第三像素距离的平均值，得到对应所述目标材料的第二像素距离。
根据本公开实施例的第二方面，提供一种获取枝晶臂间距的装置，包括：
获取模块，被配置成获取目标材料的金相图片；
提取模块，被配置成根据所述金相图片，提取对应所述目标材料的枝晶骨架；
执行模块，被配置成根据所述枝晶骨架，得到对应所述目标材料的枝晶臂间距。
根据本公开实施例的第三方面，提供一种获取枝晶臂间距的装置，包括：
第一处理器；
用于存储第一处理器可执行指令的存储器；
其中，所述第一处理器被配置为：
获取目标材料的金相图片；
根据所述金相图片，提取对应所述目标材料的枝晶骨架；
根据所述枝晶骨架，得到对应所述目标材料的枝晶臂间距。
根据本公开实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序指令，该程序指令被第二处理器执行时实现本公开第一方面所提供的获取枝晶臂间距的方法的步骤。
根据本公开实施例的第五方面，提供一种芯片，包括第三处理器和接口；
所述第三处理器用于读取指令以执行第一方面所述的获取枝晶臂间距的方法。
本公开的实施例提供的技术方案可以包括以下有益效果：通过对应目标材料的金相图片提取目标材料的枝晶骨架，根据枝晶骨架计算出目标材料的枝晶臂间距。无需人工操作，可自动化、批量化的获取目标材料的枝晶臂间距，降低了人工成本，缩短了枝晶臂间距的获取周期。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种获取枝晶臂间距的方法的流程图。
图2是根据一示例性实施例示出的步骤S12的流程图。
图3是根据一示例性实施例示出的步骤S23的一种流程图。
图4是根据一示例性实施例示出的步骤S23的另一种流程图。
图5是根据一示例性实施例示出的步骤S12的另一流程图。
图6是根据一示例性实施例示出的步骤S13的流程图。
图7是根据一示例性实施例示出的步骤S51的流程图。
图8是根据一示例性实施例示出的步骤S61的流程图。
图9是根据一示例性实施例示出的步骤S52的流程图。
图10是根据一示例性实施例示出的步骤S82的流程图。
图11是根据一示例性实施例示出的步骤S83的流程图。
图12是根据一示例性实施例示出的步骤S13的另一流程图。
图13a是根据一示例性实施例示出的一种铝合金材料的金相图片。
图13b是根据一示例性实施例示出的一种铝合金材料的二值图。
图13c是根据一示例性实施例示出的一种铝合金材料的枝晶骨架的示意图。
图13d是根据一示例性实施例示出的一种铝合金材料的枝晶臂间距的示意图。
图14是根据一示例性实施例示出的一种获取枝晶臂间距的装置的框图。
图15是根据一示例性实施例示出的一种获取枝晶臂间距的装置的框图。
图16是根据一示例性实施例示出的一种芯片的框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
需要说明的是，本公开中所有获取枝晶臂间距的动作都是在遵照所在地国家相应的数据保护法规政策的前提下，并获得由相应装置所有者给予授权的情况下进行的。
枝晶臂间距是材料的枝晶结构中相邻两个枝晶臂之间的距离，包括一次枝晶臂间距和二次枝晶臂间距，枝晶臂间距可以直接反应材料的微观组织结构，如枝晶臂间距可在用于在材料的凝固过程、晶粒生长速率以及晶粒间的相互作用等场景中，为材料的性能评估、工艺优化以及质量控制提供依据。
图1是根据一示例性实施例示出的一种获取枝晶臂间距的方法的流程图，如图1所示，获取枝晶臂间距的方法可以用于服务器或终端中，终端可以为智能终端、交互终端等，例如计算机，平板设备，个人数字助理等，可以包括以下步骤：
在步骤S11中，获取目标材料的金相图片。
其中，目标材料可以包括合金材料、半导体材料等具有枝晶结构的材料。
示例地，可以通过光学显微镜获取目标材料的金相图片。
在步骤S12中，根据金相图片，提取对应目标材料的枝晶骨架。
示例地，可通过骨架提取算法(诸如Skeletonize算法)从金相图片中提取对应目标材料的枝晶骨架。
在步骤S13中，根据所述枝晶骨架，得到对应所述目标材料的枝晶臂间距。
示例地，基于图算法(Graph Algorithm)从枝晶骨架确定出枝晶主干和枝晶分叉，基于枝晶主干和枝晶分叉计算出目标材料的枝晶臂间距。
本公开根据目标材料的金相图片提取目标材料的枝晶骨架，根据枝晶骨架得到目标材料的枝晶臂间距，整个过程无须对金相图片进行人工标注，且操作过程无需人为干涉，自动化、批量化的获取目标材料的枝晶臂间距，降低了人工成本，缩短了枝晶臂间距的获取周期。
为了便于本领域技术人员更加理解本公开提供的获取枝晶臂间距的方法，下面对该获取枝晶臂间距获取的方法的步骤进行详细举例说明。
通过金相图片得到的枝晶臂间距的准确性，受金相图片的质量影响，而金相图片的清晰度、对比度以及噪声水平均与金相图片的质量相关，因此，在根据金相图片提取对应目标材料的枝晶骨架之前，需要对金相图片金相预处理。
示例地，预处理过程包括对金相图片进行灰度图转换后，进行图像去噪，以提高金相图片的质量，进而提高通过金相图片得到的枝晶臂间距的准确性。
而金相图片中的枝晶结构可能呈现不规则、交叉、重叠等复杂形态，增大了枝晶骨架的提取难度。
在一可能的实施例中，参见图2，在步骤S12中，根据所述金相图片，提取对应所述目标材料的枝晶骨架，可以包括以下步骤：
在步骤S21中，对金相图片二值化处理，得到对应目标材料的二值图。
其中，对二值化处理后的金相图片进行去孔洞处理，得到对应目标材料的二值图。
在步骤S22中，对二值图进行连通域分析，确定出二值图中连通域。
其中，连通域是指二值图中位置相邻的前景像素点组成的图像区域，连通域分析是指找出二值图像中的各个连通区域并标记。
在步骤S23中，对连通域进行骨架提取计算，得到对应目标材料的枝晶骨架。
示例地，应用Skeletonize算法，将连通域细化为一个像素的宽度，以得到对应目标材料的枝晶骨架。
本公开中通过对二值图进行连通域分析，得到二值图中的连通域，应用Skeletonize算法将连通域细化为一个像素的宽度，从而得到目标材料的枝晶骨架，不受金相图片中的枝晶结构的限制，且提高枝晶骨架的准确度。
在一可能的实施例中，参见图3，在步骤S23中连通域为多个，对连通域进行骨架提取计算，得到对应目标材料的枝晶骨架，可以包括以下步骤：
在步骤S31中，根据多个连通域的面积，从大到小确定目标数量个连通域。
其中，目标数量可根据枝晶臂间距的计算精度或用户的精度需求进行预设，本公开中取目标数量为20。
示例地，将二值图中的所有连通域，根据面积从大到小进行排列，提取前20个连通域来进行骨架提取计算。
在步骤S32中，根据目标数量个连通域进行骨架提取计算，得到对应目标材料的枝晶骨架。
示例地，应用Skeletonize算法，分别将20个连通域均细化为一个像素的宽度，以得到对应目标材料的枝晶骨架。
本公开根据二值图中较大的连通域得到目标材料的枝晶骨架，剔除了面积较小的连通域，避免面积较小的连通域对枝晶骨架的准确度造成影响，进一步提高了枝晶骨架的准确性与可靠性。
在一可能的实施例中，参见图4，在步骤S12中，根据所述金相图片，提取对应所述目标材料的枝晶骨架，还可以包括以下步骤：
在步骤S41中，对金相图片二值化处理，得到对应目标材料的二值图。
在步骤S42中，对二值图进行连通域分析，确定出二值图中连通域。
在步骤S43中，针对每一连通域，分别根据对应连通域的像素点的卷积核，对连通域进行膨胀，以对二值图进行去噪处理。
其中，每一个像素点的膨胀范围由其对应的卷积核(Kernel)确定，Kernel可根据用户的提取精度进行预设，本公开对此不作限定。
示例地，针对每一连通域，确定该连通域的轮廓，根据对应该连通域的像素点的卷积核，对该连通域进行膨胀。
在步骤S44中，对膨胀后的连通域进行骨架提取计算，得到对应目标材料的枝晶骨架。
本公开根据二值图中较大的连通域得到目标材料的枝晶骨架，剔除了面积较小的连通域，避免面积较小的连通域对枝晶骨架的准确度造成影响，对连通域进行膨胀，以对二值图的去噪处理，进一步提高了枝晶骨架的准确性与可靠性。
示例地，参照图5，提取目标材料的枝晶骨架可以包括以下步骤：
在步骤S51中，获取目标材料的金相图片。
在步骤S52中，对金相图片进行灰度图转换、图像去噪等预处理，将预处理后的金相图片进行二值化以及图像去孔洞处理，得到二值图。
在步骤S53中，对二值图进行连通域分析，确定出二值图中连通域。
在步骤S54中，针对每一连通域，分别根据对应连通域的像素点的卷积核Kernel，对连通域进行膨胀。
在步骤S55中，对膨胀后的连通域进行骨架提取，得到对应目标材料的枝晶骨架。
在一可能的实施例中，参见图6，在步骤S13中，根据所述枝晶骨架，得到对应所述目标材料的枝晶臂间距，可以包括以下步骤：
在步骤S61中，根据枝晶骨架，确定对应目标材料的枝晶主干以及枝晶分叉。
示例地，将枝晶骨架中的晶粒过滤，得到对应目标材料的枝晶主干以及枝晶分叉。
在步骤S62中，根据枝晶主干以及枝晶分叉，得到对应目标材料的枝晶臂间距。
示例地，基于枝晶主干计算目标材料的一次枝晶臂间距，基于枝晶分叉计算目标材料的二次枝晶臂间距。
本公开过滤枝晶骨架中的晶粒，得到枝晶主干和枝晶分叉，避免了晶粒对后续计算枝晶臂间距造成干扰，进一步提高了枝晶臂间距的准确性与可靠性。
在一可能的实施例中，参见图7，在步骤S61中，根据枝晶骨架，确定对应目标材料的枝晶主干以及枝晶分叉，可以包括以下步骤:
在步骤S71中，遍历对应枝晶骨架的像素点，并得到各个像素点在金相图片上的度。
其中，根据枝晶骨架对应的各个像素点以及各像素点在枝晶骨架中的连接关系，确定各个像素点在金相图片上的度，像素点在金相图片的度表示金相图片中有多少条边连接在这个像素点上。
在步骤S72中，根据各个像素点在所述金相图片上的度，剔除在枝晶骨架中的晶粒，得到对应目标材料的枝晶主干以及枝晶分叉。
其中，度为一的像素点表示该像素点为孤立点，度大于一的像素点为连接点，度为非零的自然数。
示例地，根据像素点的度以及该像素点在金相图中的连接关系，确定出晶粒、枝晶主干以及枝晶分叉。
例如，若像素点的为孤立点，且该像素点在金相图中与孤立点相连，则确定该像素点为晶粒；若像素点的为连接点，且该像素点在金相图中与孤立点相连，则确定该像素点为枝晶分叉；若像素点的为连接点，且该像素点在金相图中与连接点相连，则确定该像素点为枝晶主干。
本公开中根据各个像素点的度确定出孤立点，从而剔除枝晶骨架中的晶粒，避免晶粒对后续计算枝晶臂间距造成干扰，进一步提高了枝晶臂间距的准确性与可靠性。
在一可能的实施例中，参加图8，在步骤S71中，遍历对应枝晶骨架的像素点，并得到各个像素点在金相图片上的度，可以包括以下步骤：
在步骤S81中，根据枝晶骨架构建邻接矩阵，并根据邻接矩阵，得到对应枝晶骨架的各个像素点的度。
示例地，根据各像素点在枝晶骨架中的连接关系，将各个像素点转换为邻接矩阵，根据邻接矩阵确定各个像素点的度。
或者，在步骤S82中，根据枝晶骨架构建最小生成树，并根据最小生成树，得到对应枝晶骨架的各个像素点的度。
示例地，根据枝晶骨架对应的各个像素点以及各像素点在枝晶骨架中的连接关系，构建最小生成树，根据最小生成树确定各个像素点的度。
在步骤S83中，根据各个像素点的度，剔除枝晶骨架中的晶粒，得到对应目标材料的枝晶主干以及枝晶分叉。
本公开可通过邻接矩阵或最小生成树来确定枝晶骨架中的各个像素点的度，从而根据各个像素点在金相图片上的度，剔除枝晶骨架中的晶粒，避免晶粒对后续计算枝晶臂间距造成干扰，进一步提高了枝晶臂间距的准确性与可靠性。
示例地，参照图12，根据枝晶骨架确定枝晶主干和枝晶分叉可以包括以下步骤：
在步骤S1201中，遍历对应枝晶骨架的像素点，构建邻接矩阵，得到对应枝晶骨架的各个像素点的度。
在步骤S1202中，依次判断各个像素点的度是否为1。
在步骤S1203中，度为1的像素点为孤立点。
在步骤S1204中，度不为1的像素点为连接点。
在步骤S1205中，根据像素点在金相图片中的连接关系确定像素点的类型。
得到如下三种情况，情况一：在步骤S1206中，像素点为孤立点，且该像素点仅与孤立点相连。
在步骤S1207中，该像素点为晶粒。
情况二：在步骤S1208中，像素点为孤立点，且该像素点仅与连接点相连。
在步骤S1209中，该像素点为枝晶分叉。
情况三：
在步骤S1210中，像素点为连接点，且该像素点仅与连接点相连。
在步骤S1211中，该像素点为枝晶主干。
在一可能的实施例中，参见图9，在步骤S62中，根据枝晶主干以及枝晶分叉，得到对应目标材料的枝晶臂间距，可以包括以下步骤：
在步骤S91中，获取每个枝晶主干的中点坐标以及枝晶主干上的枝晶分叉的分叉点坐标。
示例地，获取枝晶主干的起点坐标(x1,y1)以及终点坐标(x2,y2)，得到该枝晶主干的中点坐标(x,y)，其中，x＝(x1+x2)/2，y＝(y1+y2)/2。
在步骤S92中，根据每个枝晶主干的中点坐标，得到对应目标材料的第一像素距离。
示例地，根据每个枝晶主干的中点坐标，分别计算每个枝晶主干之间的距离，该距离为目标材料的第一像素距离。
在步骤S93中，根据每一枝晶主干上的枝晶分叉的分叉点坐标，得到对应目标材料的第二像素距离。
示例地，根据每个枝晶主干上的分叉点坐标，计算出各个枝晶主干上各个枝晶分叉之间的距离，该距离为目标材料的第二像素距离。
在步骤S94中，根据金相图片的比例尺，将第一像素距离转换为对应目标材料的一次枝晶臂间距，将第二像素距离转换为对应目标材料的二次枝晶臂间距。
本公开根据枝晶主干的中点坐标计算出各个枝晶主干之间的距离，根据枝晶主干上枝晶分叉的分叉点坐标，计算出各个枝晶主干上的枝晶分叉之间的距离，将两个距离转换为真实距离，得到目标材料的一次枝晶臂间距和二次枝晶臂间距。整个计算过程快速高效，且不受目标材料的类型限制，可根据各类材料对应的金相图片提取对应该材料的枝晶臂间距，实现枝晶臂间距的自动化提取，进一步节省了人工成本，缩短了提取周期。
在一可能的实施例中，参见图10，在步骤S92中，根据每个枝晶主干的中点坐标，得到对应目标材料的第一像素距离，可以包括以下步骤：
在步骤S1001中，分别根据相邻的枝晶主干对应的中点坐标，计算枝晶主干之间的欧式距离，得到多个对应枝晶骨架的第一欧式距离；
示例地，枝晶主干a对应的中点坐标为(xa，ya)，枝晶主干b对应的中点坐标为(xb，yb)，将两个中点坐标代入计算式，得到枝晶主干a和枝晶主干b的欧式距离以及坐标(xb，yb)到原点的欧氏距离/>
在步骤S1002中，计算多个第一欧式距离的平均值，得到对应目标材料的第一像素距离。
示例地，计算所有枝晶主干之间的欧式距离的平均值，将该平均值作为目标材料的第一像素距离。
本公开将所有枝晶主干之间的欧式距离的平均值作为目标材料的第一像素距离，消除了一次枝晶臂间距计算过程中的误差，进一步提高了枝晶臂间距的准确性。
在一可能的实施例中，参见图11，在步骤S93中，根据每一枝晶主干上的枝晶分叉的分叉点坐标，得到对应目标材料的第二像素距离，可以包括以下步骤：
在步骤S1101中，针对每一枝晶主干，分别根据相邻的枝晶分叉对应的分叉点坐标，计算枝晶主干上的枝晶分叉之间的欧式距离，得到多个第二欧式距离。
示例地，针对枝晶主干中相邻两个枝晶分叉的分叉点a1的坐标为(xa1，ya1)，分叉点a2的坐标为(xa2，ya2)，将两个分叉点坐标代入计算式，得到分叉点a1和分叉点a2的欧式距离以及坐标(xa2，yb2)到原点的欧氏距离
在步骤S1102中，计算多个第二欧式距离的平均值，得到对应枝晶主干的第三像素距离。
示例地，分别计算每一枝晶主干上的各个的枝晶分叉之间的欧式距离的平均值，并作为枝晶树干的第三像素距离。
在步骤S1103中，计算多个枝晶主干分别对应的第三像素距离的平均值，得到对应目标材料的第二像素距离。
示例地，同一个枝晶主干上的枝晶分叉对应一个欧式距离，计算所有枝晶主干的对应的欧式距离的平均值，将该平均值作为目标材料的第二像素距离。
本公开将在计算枝晶分叉之间的欧式距离时也进行求平均值的计算，消除了二次枝晶臂间距计算过程中的误差，进一步提高了枝晶臂间距的准确性。
示例地，如图13a所示，给定一张通过基恩士数码显微镜VHX-6000光学显微镜拍摄的十一元铝合金材料定量金相照片，该金相照片的比例尺为2500倍；
执行如图5所示步骤，对该金相照片图进行灰度图转换、图像去噪等预处理，将预处理后的金相图片进行二值化以及图像去孔洞处理，得到如图13b所示的二值图，对该二值图进行连通域分析，确定出二值图中连通域，针对每一连通域，分别根据对应连通域的像素点的Kernel，对连通域进行膨胀，对膨胀后的连通域进行骨架提取，得到如图13c所示的对应目标材料的枝晶骨架的示意图。
执行如图12所示的步骤，确定出枝晶骨架中的枝晶主干、枝晶分叉以及晶粒，并剔除晶粒，得到枝晶主干和枝晶分叉。
执行如图9-11所示的步骤，计算出十一元铝合金材料的一次枝晶臂间距和二次枝晶臂间距，得到如图13d所示的枝晶臂间距的示意图。
本公开仅根据目标材料的金相图片，便可批量化提取对应目标材料的枝晶臂间距，相比人工测量的方法，整个过程无需人工干预，如训练数据以及人工标注，降低了人工成本，在复杂的枝晶结构中，可自动识别出枝晶主干以及枝晶分叉，不受材料的枝晶结构限制，可快速获取不同类型材料的枝晶臂间距，实现了枝晶臂间距的自动化提取。
基于同一发明构思，本公开提供一种获取枝晶臂间距的装置，参照图14，该获取枝晶臂间距的装置1400包括获取模块1401、提取模块1402以及执行模块1403。
获取模块1401被配置成获取目标材料的金相图片。
提取模块1402被配置成根据金相图片，提取对应目标材料的枝晶骨架。
执行模块1403被配置成根据枝晶骨架，得到对应目标材料的枝晶臂间距。
本公开根据目标材料的金相图片提取目标材料的枝晶骨架，根据枝晶骨架得到目标材料的枝晶臂间距，整个过程无须对金相图片进行人工标注，且操作过程无需人为干涉，自动化、批量化的获取目标材料的枝晶臂间距，降低了人工成本，缩短了枝晶臂间距的获取周期。
进一步的，提取模块1402被配置成对金相图片二值化处理，得到对应目标材料的二值图；
对二值图进行连通域分析，确定出二值图中连通域；
对连通域进行骨架提取计算，得到对应目标材料的枝晶骨架。
进一步的，连通域为多个，提取模块1402被配置成根据多个连通域的面积，从大到小确定目标数量个连通域；
根据目标数量个连通域进行骨架提取计算，得到对应目标材料的枝晶骨架。
进一步的，提取模块1402还被配置成针对每一连通域，分别根据对应连通域的像素点的卷积核，对连通域进行膨胀，以对二值图进行去噪处理。
进一步的，执行模块1403被配置成根据枝晶骨架，确定对应目标材料的枝晶主干以及枝晶分叉；
根据枝晶主干以及枝晶分叉，得到对应目标材料的枝晶臂间距。
进一步的，执行模块1403被配置成遍历对应枝晶骨架的像素点，并得到各个像素点在所述金相图片上的度；
根据各个所述像素点在所述金相图片上的度，剔除在枝晶骨架中的晶粒，得到对应目标材料的枝晶主干以及枝晶分叉。
进一步的，执行模块1403被配置成根据枝晶骨架构建邻接矩阵，并根据邻接矩阵，得到对应枝晶骨架的各个像素点的度；或者，
根据枝晶骨架构建最小生成树，并根据最小生成树，得到对应枝晶骨架的各个像素点的度。
进一步的，执行模块1403被配置成获取每个枝晶主干的中点坐标以及枝晶主干上的枝晶分叉的分叉点坐标；
根据每个所述枝晶主干的中点坐标，得到对应目标材料的第一像素距离；
根据每一枝晶主干上的枝晶分叉的分叉点坐标，得到对应目标材料的第二像素距离；
根据金相图片的比例尺，将第一像素距离转换为对应目标材料的一次枝晶臂间距，将第二像素距离转换为对应目标材料的二次枝晶臂间距。
进一步的，执行模块1403被配置成分别根据相邻的枝晶主干对应的中点坐标，计算枝晶主干之间的欧式距离，得到多个对应枝晶骨架的第一欧式距离；
计算多个第一欧式距离的平均值，得到对应目标材料的第一像素距离。
进一步的，执行模块1403被配置成针对每一枝晶主干，分别根据相邻的枝晶分叉对应的分叉点坐标，计算枝晶主干上的枝晶分叉之间的欧式距离，得到多个第二欧式距离；
计算多个第二欧式距离的平均值，得到对应枝晶主干的第三像素距离；
计算多个枝晶主干分别对应的第三像素距离的平均值，得到对应目标材料的第二像素距离。
关于上述实施例中的获取枝晶臂间距的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
本公开还提供一种计算机可读存储介质，其上存储有计算机程序指令，该程序指令被第二处理器执行时实现本公开提供的获取枝晶臂的方法的步骤。
本公开还提供一种获取枝晶臂间距的装置，包括：
第一处理器；
用于存储第一处理器可执行指令的存储器；
其中，第一处理器被配置为：
获取目标材料的金相图片；
根据金相图片，提取对应目标材料的枝晶骨架；
根据枝晶骨架，得到对应目标材料的枝晶臂间距。
本公开根据目标材料的金相图片提取目标材料的枝晶骨架，根据枝晶骨架得到目标材料的枝晶臂间距，整个过程无须对金相图片进行人工标注，且操作过程无需人为干涉，自动化、批量化的获取目标材料的枝晶臂间距，降低了人工成本，缩短了枝晶臂间距的获取周期。
图15是根据一示例性实施例示出的一种获取枝晶臂间距的装置1500的框图。例如，获取枝晶臂间距的装置1500可以是移动电话，计算机，平板设备，个人数字助理等。
参照图15，获取枝晶臂间距的装置1500可以包括以下一个或多个组件：处理组件1502，存储器1504，电源组件1506，多媒体组件1508，音频组件1510，第一输入/输出接口1512，传感器组件1514，以及通信组件1516。
处理组件1502通常控制获取枝晶臂间距的装置1500的整体操作，诸如与显示，数据通信，相机操作和记录操作相关联的操作。处理组件1502可以包括一个或多个第一处理器1520来执行指令，以完成上述的获取枝晶臂间距的方法的全部或部分步骤。此外，处理组件1502可以包括一个或多个模块，便于处理组件1502和其他组件之间的交互。例如，处理组件1502可以包括多媒体模块，以方便多媒体组件15015和处理组件1502之间的交互。
存储器1504被配置为存储各种类型的数据以支持在获取枝晶臂间距的装置1500的操作。这些数据的示例包括用于在获取枝晶臂间距的装置1500上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器1504可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件1506为获取枝晶臂间距的装置1500的各种组件提供电力。电源组件1506可以包括电源管理系统，一个或多个电源，及其他与为获取枝晶臂间距的装置1500生成、管理和分配电力相关联的组件。
多媒体组件15015包括在获取枝晶臂间距的装置1500和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件1508包括一个前置摄像头和/或后置摄像头。当获取枝晶臂间距的装置1500处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件1510被配置为输出和/或输入音频信号。例如，音频组件1510包括一个麦克风(MIC)，当获取枝晶臂间距的装置1500处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器1504或经由通信组件1516发送。在一些实施例中，音频组件1510还包括一个扬声器，用于输出音频信号。
第一输入/输出接口1512为处理组件1502和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件1514包括一个或多个传感器，用于为获取枝晶臂间距的装置1500提供各个方面的状态评估。例如，传感器组件1514可以检测到获取枝晶臂间距的装置1500的打开/关闭状态，组件的相对定位，例如所述组件为获取枝晶臂间距的装置1500的显示器和小键盘，传感器组件1514还可以检测获取枝晶臂间距的装置1500或获取枝晶臂间距的装置1500一个组件的位置改变，用户与获取枝晶臂间距的装置1500接触的存在或不存在，获取枝晶臂间距的装置1500方位或加速/减速和获取枝晶臂间距的装置1500的温度变化。传感器组件1514可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件1514还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件1514还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件1516被配置为便于获取枝晶臂间距的装置1500和其他设备之间有线或无线方式的通信。获取枝晶臂间距的装置1500可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件1516经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件1516还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，获取枝晶臂间距的装置1500可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述获取枝晶臂间距的方法。
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器1504，上述指令可由获取枝晶臂间距的装置1500的第一处理器1520执行以完成上述获取枝晶臂间距的方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
上述获取枝晶臂间距的装置除了可以是独立的电子设备外，也可是独立电子设备的一部分，例如在一种实施例中，该装置可以是集成电路(Integrated Circuit，IC)或芯片，其中该集成电路可以是一个IC，也可以是多个IC的集合；该芯片可以包括但不限于以下种类：GPU(Graphics Processing Unit，图形处理器)、CPU(Central Processing Unit，中央处理器)、FPGA(Field Programmable Gate Array，可编程逻辑阵列)、DSP(DigitalSignal Processor，数字信号处理器)、ASIC(Application Specific IntegratedCircuit，专用集成电路)、SOC(System on Chip，SoC，片上系统或系统级芯片)等。
上述的集成电路或芯片中可以用于执行可执行指令(或代码)，以实现上述的获取枝晶臂间距的方法。其中该可执行指令可以存储在该集成电路或芯片中，也可以从其他的装置或设备获取，参照图16，如芯片1600中包括第三处理器1601，以及用于与其他的装置通信的接口，接口包括网络接口1602和第二输入/输出接口1603。该第三处理器1601用于读取指令以执行上述的获取枝晶臂间距的方法；或者，该芯片1600可以通过网络接口1602和/或第二输入/输出接口1603接收可执行指令并传输给第三处理器1601执行，以实现上述的获取枝晶臂间距的方法。
在另一示例性实施例中，还提供一种计算机程序产品，该计算机程序产品包含能够由可编程的装置执行的计算机程序，该计算机程序具有当由该可编程的装置执行时用于执行上述的获取枝晶臂间距的方法的代码部分。
本领域技术人员在考虑说明书及实践本公开后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (14)
1.一种获取枝晶臂间距的方法，其特征在于，包括：
获取目标材料的金相图片；
根据所述金相图片，提取对应所述目标材料的枝晶骨架；
根据所述枝晶骨架，得到对应所述目标材料的枝晶臂间距。
2.根据权利要求1所述的获取枝晶臂间距的方法，其特征在于，所述根据所述金相图片，提取对应所述目标材料的枝晶骨架，包括：
对所述金相图片二值化处理，得到对应所述目标材料的二值图；
对所述二值图进行连通域分析，确定出所述二值图中连通域；
对所述连通域进行骨架提取计算，得到对应所述目标材料的枝晶骨架。
3.根据权利要求2所述的获取枝晶臂间距的方法，其特征在于，所述连通域为多个，所述对所述连通域进行骨架提取计算，得到对应所述目标材料的枝晶骨架，包括：
根据多个所述连通域的面积，从大到小确定目标数量个所述连通域；
根据所述目标数量个所述连通域进行骨架提取计算，得到对应所述目标材料的枝晶骨架。
4.根据权利要求2所述的获取枝晶臂间距的方法，其特征在于，所述对所述连通域进行骨架提取计算，得到对应所述目标材料的枝晶骨架之前，所述方法还包括：
针对每一所述连通域，分别根据对应所述连通域的像素点的卷积核，对所述连通域进行膨胀，以对所述二值图进行去噪处理。
5.根据权利要求1-4中任一项所述的获取枝晶臂间距的方法，其特征在于，所述根据所述枝晶骨架，得到对应所述目标材料的枝晶臂间距，包括：
根据所述枝晶骨架，确定对应所述目标材料的枝晶主干以及枝晶分叉；
根据所述枝晶主干以及枝晶分叉，得到对应所述目标材料的枝晶臂间距。
6.根据权利要求5所述的获取枝晶臂间距的方法，其特征在于，所述根据所述枝晶骨架，确定对应所述目标材料的枝晶主干以及枝晶分叉，包括：
遍历对应所述枝晶骨架的像素点，并得到各个所述像素点在所述金相图片上的度；
根据各个所述像素点在所述金相图片上的度，剔除在所述枝晶骨架中的晶粒，得到对应所述目标材料的枝晶主干以及枝晶分叉。
7.根据权利要求6所述的获取枝晶臂间距的方法，其特征在于，所述遍历对应所述枝晶骨架的像素点，并得到各个所述像素点的度，包括：
根据所述枝晶骨架构建邻接矩阵，并根据所述邻接矩阵，得到对应所述枝晶骨架的各个像素点的度；或者，
根据所述枝晶骨架构建最小生成树，并根据所述最小生成树，得到对应所述枝晶骨架的各个像素点的度。
8.根据权利要求5所述的获取枝晶臂间距的方法，其特征在于，所述根据所述枝晶主干以及所述枝晶分叉，得到对应所述目标材料的枝晶臂间距，包括：
获取每个所述枝晶主干的中点坐标以及所述枝晶主干上的所述枝晶分叉的分叉点坐标；
根据所述每个所述枝晶主干的所述中点坐标，得到对应所述目标材料的第一像素距离；
根据每一所述枝晶主干上的所述枝晶分叉的所述分叉点坐标，得到对应所述目标材料的第二像素距离；
根据所述金相图片的比例尺，将所述第一像素距离转换为对应所述目标材料的一次枝晶臂间距，将所述第二像素距离转换为对应所述目标材料的二次枝晶臂间距。
9.根据权利要求8所述的获取枝晶臂间距的方法，其特征在于，所述根据所述每个所述枝晶主干的中点坐标，得到对应所述目标材料的第一像素距离，包括：
分别根据相邻的所述枝晶主干对应的所述中点坐标，计算所述枝晶主干之间的欧式距离，得到多个对应所述枝晶骨架的第一欧式距离；
计算所述多个第一欧式距离的平均值，得到对应所述目标材料的第一像素距离。
10.根据权利要求8所述的获取枝晶臂间距的方法，其特征在于，所述根据每一所述枝晶主干上的所述枝晶分叉的分叉点坐标，得到对应所述目标材料的第二像素距离，包括：
针对每一所述枝晶主干，分别根据相邻的所述枝晶分叉对应的所述分叉点坐标，计算所述枝晶主干上的所述枝晶分叉之间的欧式距离，得到多个第二欧式距离；
计算所述多个第二欧式距离的平均值，得到对应所述枝晶主干的第三像素距离；
计算多个所述枝晶主干分别对应的第三像素距离的平均值，得到对应所述目标材料的第二像素距离。
11.一种获取枝晶臂间距的装置，其特征在于，包括：
获取模块，被配置成获取目标材料的金相图片；
提取模块，被配置成根据所述金相图片，提取对应所述目标材料的枝晶骨架；
执行模块，被配置成根据所述枝晶骨架，得到对应所述目标材料的枝晶臂间距。
12.一种获取枝晶臂间距的装置，其特征在于，包括：
第一处理器；
用于存储第一处理器可执行指令的存储器；
其中，所述第一处理器被配置为：
获取目标材料的金相图片；
根据所述金相图片，提取对应所述目标材料的枝晶骨架；
根据所述枝晶骨架，得到对应所述目标材料的枝晶臂间距。
13.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，该程序指令被第二处理器执行时实现权利要求1-10中任一项所述方法的步骤。
14.一种芯片，其特征在于，包括第三处理器和接口；
所述第三处理器用于读取指令以执行权利要求1-10中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310716399.2A CN116740031B (zh) | 2023-06-15 | 获取枝晶臂间距的方法、装置、存储介质及芯片 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310716399.2A CN116740031B (zh) | 2023-06-15 | 获取枝晶臂间距的方法、装置、存储介质及芯片 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116740031A true CN116740031A (zh) | 2023-09-12 |
| CN116740031B CN116740031B (zh) | 2024-06-21 |
Family
ID=
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140119612A1 (en) * | 2012-04-12 | 2014-05-01 | GM Global Technology Operations LLC | Method for automatic quantification of dendrite arm spacing in dendritic microstructures |
| CN103968769A (zh) * | 2013-02-04 | 2014-08-06 | 通用汽车环球科技运作有限责任公司 | 用于自动量化枝晶微观结构中枝晶臂间距的方法 |
| CN110579473A (zh) * | 2019-09-03 | 2019-12-17 | 钢研纳克检测技术股份有限公司 | 金属材料中枝晶组织的自动全视场定量统计分布表征方法 |
| CN113506240A (zh) * | 2021-05-24 | 2021-10-15 | 冶金自动化研究设计院 | 一种基于深度学习的金相晶界提取和连通方法 |
| CN114782473A (zh) * | 2022-03-25 | 2022-07-22 | 东北大学 | 一种基于像素关系的金相组织晶界提取方法 |
| US20220299455A1 (en) * | 2021-03-19 | 2022-09-22 | Ncs Testing Technology Co., Ltd | Method for quantitatively characterizing dendrite segregation and dendrite spacing of high-temperature alloy ingot |
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140119612A1 (en) * | 2012-04-12 | 2014-05-01 | GM Global Technology Operations LLC | Method for automatic quantification of dendrite arm spacing in dendritic microstructures |
| CN103968769A (zh) * | 2013-02-04 | 2014-08-06 | 通用汽车环球科技运作有限责任公司 | 用于自动量化枝晶微观结构中枝晶臂间距的方法 |
| CN110579473A (zh) * | 2019-09-03 | 2019-12-17 | 钢研纳克检测技术股份有限公司 | 金属材料中枝晶组织的自动全视场定量统计分布表征方法 |
| US20220299455A1 (en) * | 2021-03-19 | 2022-09-22 | Ncs Testing Technology Co., Ltd | Method for quantitatively characterizing dendrite segregation and dendrite spacing of high-temperature alloy ingot |
| CN113506240A (zh) * | 2021-05-24 | 2021-10-15 | 冶金自动化研究设计院 | 一种基于深度学习的金相晶界提取和连通方法 |
| CN114782473A (zh) * | 2022-03-25 | 2022-07-22 | 东北大学 | 一种基于像素关系的金相组织晶界提取方法 |
Non-Patent Citations (1)
| Title |
|---|
| 车家宝;廖敦明;孙飞;陈涛;: "铝合金铸件凝固过程二次枝晶臂间距模拟计算", 铸造, no. 04 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111339846B (zh) | 图像识别方法及装置、电子设备和存储介质 | |
| JP7118244B2 (ja) | グラフィックコード認識方法及び装置、並びに、端末及びプログラム | |
| CN108121952B (zh) | 人脸关键点定位方法、装置、设备及存储介质 | |
| EP3226204B1 (en) | Method and apparatus for intelligently capturing image | |
| CN110210571B (zh) | 图像识别方法、装置、计算机设备及计算机可读存储介质 | |
| CN110287874B (zh) | 目标追踪方法及装置、电子设备和存储介质 | |
| KR101805090B1 (ko) | 영역 인식 방법 및 장치 | |
| WO2023087741A1 (zh) | 缺陷检测方法及装置、电子设备、存储介质及计算机程序产品 | |
| US10853927B2 (en) | Image fusion architecture | |
| US20210042899A1 (en) | Image fusion processing module | |
| CN113066086B (zh) | 道路病害检测方法及装置、电子设备和存储介质 | |
| Mutholib et al. | Design and implementation of automatic number plate recognition on android platform | |
| US10880455B2 (en) | High dynamic range color conversion using selective interpolation | |
| US11024006B2 (en) | Tagging clipped pixels for pyramid processing in image signal processor | |
| CN110569835B (zh) | 一种图像识别方法、装置和电子设备 | |
| CN111666941B (zh) | 一种文本检测方法、装置及电子设备 | |
| CN110427915B (zh) | 用于输出信息的方法和装置 | |
| CN112967264A (zh) | 缺陷检测方法及装置、电子设备和存储介质 | |
| CN112200040A (zh) | 遮挡图像检测方法、装置及介质 | |
| CN111199169A (zh) | 图像处理方法和装置 | |
| CN111027617A (zh) | 神经网络训练及图像识别方法、装置、设备和存储介质 | |
| US10657623B2 (en) | Two stage multi-scale processing of image data | |
| CN107133361A (zh) | 手势识别方法、装置和终端设备 | |
| CN110222576B (zh) | 拳击动作识别方法、装置和电子设备 | |
| CN116740031B (zh) | 获取枝晶臂间距的方法、装置、存储介质及芯片 |
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 |