一种基于多任务协同神经网络架构的金相组织分析方法

本发明公开了一种基于多任务协同神经网络架构的金相组织分析方法，属于材料显微组织分析技术领域。具体包括以下步骤：(1)采集原始图像数据；(2)采用多种离线数据增强方式进行数据扩增；(3)构建多任务协同神经网络架构，包括基于深度残差优化的特征分类网络和具有上下文感知能力的自适应检测网络；(4)实施分阶段迁移训练策略，首先训练分类网络实现金属分类，随后冻结其特征提取层参数，通过动态特征融合模块将分类语义信息注入检测网络进行端到端训练；(5)基于检测网络输出的像素级分割结果，采用连通区域算法实现金相组织的精确面积测量。本方法通过参数复用机制降低模型复杂度。本方法有效解决了传统金相分析中背景复杂度敏感等难题，为金相学的智能化发展提供了技术支撑。