简介:
本发明涉及一种晶粒裂纹检测识别方法、计算机装置和存储介质。包括:1、通过深度神经网络模型对横断面扫描电镜图提取边缘纹理,获得整体边缘纹理图,获得横断面扫描电镜图上的单一颗粒的掩模图,2、将整体边缘纹理图与对应的单一颗粒的掩模图相乘,获得单一颗粒的边缘纹理图,3、将单一颗粒的边缘纹理图实施裂纹分割操作得到单一颗粒的裂纹二值掩模图,4、将单一颗粒的裂纹二值掩模图进行形态学骨架化操作,提取出单一颗粒的裂纹结果图。本申请可获得单一颗粒的裂纹结果图。且裂纹的检测识别结果较为清楚和准确。为后续研究奠定了良好的基础。本申请得到的裂纹结果图可以进一步进行量化分析,用于锂电池寿命预测、正极材料设计优化等研究。
本发明涉及一种晶粒裂纹检测识别方法、计算机装置和存储介质。包括:1、通过深度神经网络模型对横断面扫描电镜图提取边缘纹理,获得整体边缘纹理图,获得横断面扫描电镜图上的单一颗粒的掩模图,2、将整体边缘纹理图与对应的单一颗粒的掩模图相乘,获得单一颗粒的边缘纹理图,3、将单一颗粒的边缘纹理图实施裂纹分割操作得到单一颗粒的裂纹二值掩模图,4、将单一颗粒的裂纹二值掩模图进行形态学骨架化操作,提取出单一颗粒的裂纹结果图。本申请可获得单一颗粒的裂纹结果图。且裂纹的检测识别结果较为清楚和准确。为后续研究奠定了良好的基础。本申请得到的裂纹结果图可以进一步进行量化分析,用于
锂电池寿命预测、
正极材料设计优化等研究。