计算机应用

作者：黄学雨, 贺怀宇, 林慧敏, 陈金水

单位：1.江西理工大学 软件工程学院，南昌 330013；2.江西理工大学 南昌市虚拟数字工厂与文化传播重点实验室，南昌 330013；3.江西理工大学 材料冶金化学学部，江西 赣州 341000；4.江西理工大学 先进铜产业研究院，江西 鹰潭 335000

关键词：特征聚合,纹理特征,残差网络,灰度共生矩阵,支持向量机,铜合金,金相图

基金：国家重点研发计划重点专项(2020YFB1713700)

针对铜合金成分检测过程中产生的时滞问题，提出一种基于特征聚合的铜合金金相图分类识别方法。首先，在特征提取阶段，构建灰度共生矩阵（GLCM）和基于卷积注意力模块的残差网络（ResNet）模型分别提取图像的全局与局部特征；其次，在特征聚合阶段，将提取到的特征规范化后进行简单的级联；最后，在分类识别阶段，使用支持向量机（SVM）精确分类。实验结果表明，所提方法的准确率达到了98.963%、宏F1达到了98.996%，优于基于单特征的机器学习方法。可见，不同的方法提取的特征经过聚合后可以更全面地描述铜合金金相图的纹理及边缘信息，所提方法可以通过金相图识别不同铜合金，提升了识别的准确率，且具有良好的鲁棒性。

来源：2023年第8期

《计算机应用》期刊编辑部

查看计算机应用杂志2023年第8期