买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉宁波永新光学股份有限公司申请的专利一种用于颗粒污染物显微图像识别的基准数据集生成方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116416614B 。

龙图腾网通过国家知识产权局官网在2025-09-16发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211589632.7，技术领域涉及：G06V20/69；该发明授权一种用于颗粒污染物显微图像识别的基准数据集生成方法是由崔志英;杨洁;毛磊;邱元芳;郑驰;毛昊阳设计研发完成，并于2022-12-12向国家知识产权局提交的专利申请。

本一种用于颗粒污染物显微图像识别的基准数据集生成方法在说明书摘要公布了：本发明公开了一种用于颗粒污染物显微图像识别的基准数据集生成方法，特点是：1生成图像基础数据集；2得到图像缩小数据集；3得到图像旋转数据集；4得到颗粒缩小数据集；5得到均匀光照数据集；6得到非均匀光照数据集；7对所有数据集按类别和尺寸进行数量统计分析，得到各个数据集包含的颗粒个数，每个颗粒的类别和尺寸；8对所有数据集进行准确率分析，得到准确率对照数据，从而生成由准确率对照数据构成的用于颗粒污染物显微图像识别的基准数据集，优点在于通过对图像进行特定的处理，并经过准确率分析，从而生成由准确率对照数据构成的基准数据集，能够为评估颗粒污染物检测识别方法的性能提供参考依据。

本发明授权一种用于颗粒污染物显微图像识别的基准数据集生成方法在权利要求书中公布了：1.一种用于颗粒污染物显微图像识别的基准数据集生成方法，其特征在于，所述方法包括： 步骤S1采集颗粒污染物显微图像序列，生成图像基础数据集，具体为： 步骤S1-1根据国际标准ISO16232中的颗粒污染物检验方法得到颗粒污染物显微灰度图像序列S； 步骤S1-2对颗粒污染物显微灰度图像序列S中的每张图像A，标注出较大的颗粒污染物，得到标注图像B； 步骤S1-3对未标注的颗粒污染物平滑为背景，将标注图像B按块进行划分得到灰度图像数据集D11，将标注图像B转换成三值图像C，得到标签图像数据集D12，根据灰度图像数据集D11和标签图像数据集D12生成包含有灰度图像数据集D11和标签图像数据集D12的颗粒污染物图像基础数据集D1； 步骤S2对图像基础数据集中的图像进行图像缩小，得到图像缩小数据集，具体为： 步骤S2-1将灰度图像数据集D11进行k倍缩小，得到图像缩小的灰度图像数据集D21，所述的k为大于2的正整数； 步骤S2-2将标签图像数据集D12中的三值图像C转换成二值图像E，包含的两个值记为{e1,e2}，e1e2，其中C到E的元素映射关系为： 其中c1,c2,c3分别是三值图像C的像素值； 步骤S2-3对二值图像E进行k倍缩小，得到图像E1，并对图像E1进行二值化，得到包含像素值为c1,c3的二值图像E2； 步骤S2-4对二值图像E2进行外轮廓检测，将外轮廓在二值图像E2中对应位置的像素值改为c2，得到图像缩小的标签图像数据集D22； 步骤S2-5由图像缩小的灰度图像数据集D21和图像缩小的标签图像数据集D22得到含有图像缩小的灰度图像数据集D21和图像缩小的标签图像数据集D22的图像缩小数据集D2； 步骤S3对图像缩小数据集中的图像进行旋转，得到图像旋转数据集，具体为： 步骤S3-1将步骤S2-1得到的图像缩小的灰度图像数据集D21进行p度旋转，得到旋转灰度图像数据集D31，其中p为0到360°的任意值； 步骤S3-2将步骤S2-3得到的二值图像E1进行p度旋转，得到图像E3，并对图像E3进行二值化，得到包含像素值为c1,c3的二值旋转图像E4； 步骤S3-3对二值旋转图像E4进行外轮廓检测，将外轮廓在二值旋转图像E4中对应位置的像素值改为c2，得到旋转标签图像数据集D32； 步骤S3-4由旋转灰度图像数据集D31和旋转标签图像数据集D32得到含有旋转灰度图像数据集D31和旋转标签图像数据集D32的图像旋转数据集D3； 步骤S4对图像基础数据集中的图像进行颗粒缩小，得到颗粒缩小数据集，具体为： 步骤S4-1将步骤S2-2得到的二值图像E进行连通域分析，得到颗粒污染物连通域索引标记图像F； 步骤S4-2记第i个颗粒污染物的连通域索引标记为fi，背景连通域索引标记为f0，遍历每个索引标记fi，取出fi外接矩形在灰度图像数据集D11、二值图像E和连通域索引标记图像F中的对应位置图像块，分别记为灰度图像块G1、二值图像块G2、标记图像块G3； 步骤S4-3将标注图像B按块进行划分，找出灰度图像块G1中非颗粒污染物像素出现次数最多的b个像素值构成像素集V1，V1＝{v1,v2,...,vb}，b为5到8的正整数； 步骤S4-4对图像块G1、G2、G3中的fi区域按列进行k1倍缩小，分别得到宽缩小的图像块G11、G21、G31，其中k1为2； 步骤S4-5根据步骤S4-4对图像块G11、G21、G31中的fi区域按行进行k1倍缩小，分别得到高缩小图像块G12、G22、G32； 步骤S4-6将灰度图像数据集D11中的G1位置的图像块用图像块G12替换，得到颗粒缩小的灰度图像数据集D41； 步骤S4-7将图像E中的G2位置图像块用G21替换，得到二值图像E3； 步骤S4-8对图像E3进行外轮廓检测，将外轮廓在图像E3中对应位置的像素值改为c2，得到颗粒缩小的标签图像数据集D42； 步骤S4-9由灰度图像数据集D41和标签图像数据集D42得到含有颗粒缩小的灰度图像数据集D41和颗粒缩小的标签图像数据集D42的颗粒缩小数据集D4； 步骤S5对图像缩小数据集中的图像进行光照补偿处理，得到均匀光照数据集，具体为： 步骤S5-1根据步骤S2-1得到的图像缩小数据集D2计算背景图H； 步骤S5-2定义颗粒缩小数据集D4中的图像光照拟合函数为： 其中gx,y表示坐标为x,y的像素值，x0,y0表示光源位置的坐标值，t0为光源位置像素值，k0为常数，由背景图H拟合出函数gx,y中的四个参数x0、y0、k0和t0； 步骤S5-3根据光照拟合函数gx,y对图像缩小数据集D2中的灰度图像数据集D21进行光照补偿，得到均匀光照灰度图像数据集D51，光照补偿函数为： 其中g′x,y为补偿后的像素值； 步骤S5-4由灰度图像数据集D51和标签图像数据集D22得到含有灰度图像数据集D51和标签图像数据集D22均匀光照图像数据集D5； 步骤S6对均匀光照数据集进行非均匀处理，得到非均匀光照数据集，具体为： 步骤S6-1根据步骤S5-2求得的光照拟合函数对均匀光照灰度图像数据集D51进行光照非均匀处理，其映射函数为： 调整x0、y0、k0和t0赋值，得到非均匀光照灰度图像数据集D61； 步骤S6-2由非均匀光照灰度图像数据集D61和标签数据集D22得到非均匀光照图像数据集D6； 步骤S7对所有数据集按类别和尺寸进行数量统计分析，得到各个数据集包含的颗粒个数，每个颗粒的类别和尺寸，具体为： 步骤S7-1根据所有数据集的标签图像计算每个颗粒的长和宽，以轮廓最小外接圆的直径作为颗粒污染物的长度γ，以轮廓最小外接矩形的宽作为颗粒污染物的宽度η； 步骤S7-2根据颗粒污染物的宽度η将颗粒污染物划分成8个数值单位为微米的级别，分别为LKη≥1000，LJ600≤η1000，LI400≤η＜600，LH200≤η＜400,LG150≤η＜200,LF100≤η＜150，Le50≤η＜100，LDη＜50； 步骤S7-3对每个颗粒划分成非金属、金属和纤维3种类型，如果颗粒污染物的长和宽满足γη＞λ1或者调用opencv的系统函数中的轮廓像素面积满足则颗粒污染物为纤维，否则为非纤维，其中λ1,λ2为阈值，分别为10和0.3，对于非纤维颗粒，根据其灰度图像中较亮像素值的占比情况来判断是金属还是非金属，记较亮像素值阈值为λ3＝220，占比阈值为λ4＝0.1，像素值大于λ3的个数为如果则为金属，否则为非金属； 步骤S7-4统计各个数据集中不同类型不同宽度级别各自的颗粒数； 步骤S8对所有数据集进行准确率分析，得到准确率对照数据，从而生成由准确率对照数据构成的用于颗粒污染物显微图像识别的基准数据集，具体为： 步骤S8-1将各个数据集划分成训练集和测试集，使用DeepLabV3+网络进行模型训练和测试，计算像素级别的交并比、查全率和查准率3个指标，以及颗粒级别在不同类型不同宽度级别下的查全率和查准率； 步骤S8-2对均匀光照数据集D5中的测试集采用ISO16232标准中的步骤进行测试，计算像素级别的交并比、查全率和查准率3个指标，以及颗粒级别在不同类型不同宽度级别下的查全率和查准率； 步骤S8-3将经过步骤S8-1和步骤S8-2得到准确率对照数据，从而生成由准确率对照数据构成的用于颗粒污染物显微图像识别的基准数据集。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人宁波永新光学股份有限公司，其通讯地址为：315040 浙江省宁波市高新区木槿路169号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。