基于深度学习的微观结构特征自动识别与分析方法及系统

本发明提供了一种基于深度学习的微观结构特征自动识别与分析方法及系统，涉及材料科学及计算机视觉技术，方法包括：通过小波变换与混合滤波进行图像去噪，结合Retinex理论与分块直方图均衡化实现图像增强；构建标注数据集后，采用迁移学习和数据增强策略训练UNet语义分割网络；模型可自动识别定位晶粒、裂纹等微观特征，并输出带缺陷标注的可视化结果及统计图表。本发明实现了显微图像分析的全流程自动化，显著提升了检测效率和精度，适用于金属、陶瓷等多种材料的质量检测与科学研究。