一种基于卷积神经网络的断口扫描电镜图像自动识别方法

一种基于卷积神经网络的断口扫描电镜图像自动识别方法：首先，采集断口扫描电镜图像，人工标定所属类型；然后，进行图像预处理，形成数据集；随后，基于深度学习卷积神经网络，采用改进的CNN网络模型，基于多个卷积核、最大池化层和全局平均池化的算法，对金属断口扫描图像进行分析，确定金属断口图像所属类型；最后，输入待识别图像，利用全局平均池化算法，统计图像的分类模型。该方法可以避免人员因经验或长时间工作导致的正确率下降的风险，降低分析工作的时间成本，得到金属断口分析所属类型，分析结果可靠、高效。