【技术实现步骤摘要】
本专利技术涉及催化材料，具体涉及一种加氢催化剂活性相识别方法、装置。
技术介绍
1、加氢催化剂活性相识别，是指对催化剂的活性进行识别。二硫化钼条纹相是加氢催化剂的活性中心，条纹的堆垛层数、片晶的数量和密度与催化剂活性直接相关。识别催化剂活性相主要参数包括条纹长度和堆叠层数。所以，准确识别出条纹长度和堆叠层数对催化剂活性相的判断有重大意义。在现有技术中，通过引入计算机视觉技术，tem方法与人工智能的结合，加速实现对电镜图像信息的智能化识别和统计，加快电镜实验速度，提高分析准确性，降低实验人力成本。
2、目前，检测条纹长度和堆叠层数主要有以下几种方法：
3、一、afm测试是识别二维材料层数最常见的方法，其分辨率高，并且识别层数范围大。但是，它在测试时也有一定的不足。比如，测试周期较长，并且有时要对样品表面进行预先处理。
4、二、对于条纹的识别，ukida等提出了采用彩色光立体扫描的三维轮廓测量技术；barone等提出了一种基于光学扫描仪的多视图三维形貌测量方法；hu等提出了一种基于投影条纹模式偏移估计的三维轮廓术；kawasaki等提出了一种采用单一结构光模式的动态场景形状重建方法；陆军等通过基于格雷码和线移编码的结构光系统进行三维测量，并提出了此系统较高精度的标定方法。
5、以上列举了一些国内外对目标检测和分割问题的研究，在缩减计算和存储复杂度方面，仍有进步的空间，由于催化剂图像存在层叠、粘连、分辨率低等因素导致的检测精度差的问题依然存在。
技术实现思路<
1、针对现有技术的不足，本专利技术提出一种加氢催化剂活性相识别方法、装置，实现了对催化剂活性的准确预测。
2、为了实现上述目的，本专利技术一方面提供一种加氢催化剂活性相识别方法，包括：
3、获取加氢催化剂的待测样品图像；
4、构建初始的特征提取模型，从所述待测样品图像中提取用于表征加氢催化剂活性相的目标特征；
5、将提取的所述目标特征转换为目标特征图，将所述目标特征图作为输入重新输入至所述特征提取模型中，优化所述特征提取模型；
6、利用优化后的所述特征提取模型进行加氢催化剂活性相识别。
7、可选的，用于表征加氢催化剂活性相的目标特征包括：条纹长度和堆叠层数。
8、可选的，基于maskr-cnn的网络模型搭建所述特征提取模型。
9、可选的，所述特征提取模型包括低层特征层与高层特征层，所述底层特征层用于检测低级的表征加氢催化剂活性相的目标特征；所述高层特征层用于检测高级的表征加氢催化剂活性相的目标特征。
10、可选的，采用rpn区域建议网络，滑动窗口扫描所述待测样品图像，寻找存在所述目标特征的区域。
11、可选的，选用resnet50作为构建的maskr-cnn的网络模型骨干网络。
12、本专利技术另一方面还提供了一种加氢催化剂活性相识别装置，至少包括：
13、数据获取模块，用于获取加氢催化剂的待测样品图像；
14、模型构建模块，用于构建初始的特征提取模型，从所述待测样品图像中提取用于表征加氢催化剂活性相的目标特征；
15、模型优化模块，用于将提取的所述目标特征转换为目标特征图，将所述目标特征图作为输入重新输入至所述特征提取模型中，优化所述特征提取模型；
16、活性预测模块，利用优化后的所述特征提取模型进行加氢催化剂活性相识别。
17、可选的，用于表征加氢催化剂活性相的目标特征包括：条纹长度和堆叠层数。
18、可选的，基于maskr-cnn的网络模型搭建所述特征提取模型，
19、所述特征提取模型包括低层特征层与高层特征层，所述底层特征层用于检测低级的表征加氢催化剂活性相的目标特征，所述高层特征层用于检测高级的表征加氢催化剂活性相的目标特征；
20、采用rpn区域建议网络，滑动窗口扫描所述待测样品图像，寻找存在所述目标特征的区域。
21、可选的，选用resnet50作为构建的maskr-cnn的网络模型骨干网络。
22、由以上方案可知，本专利技术的优点在于：
23、本专利技术提供的加氢催化剂活性相识别方法，通过获取加氢催化剂的待测样品图像；基于maskr-cnn构建初始的特征提取模型，从所述待测样品图像中提取用于表征加氢催化剂活性相的目标特征；然后将提取的所述目标特征转换为目标特征图，将所述目标特征图作为输入重新输入至所述特征提取模型中，优化所述特征提取模型，进行模型训练。最后，利用训练后的特征提取模型进行加氢催化剂活性相识别的结果检测。通过该方法对加氢催化剂活性相进行识别，可同时显示条纹长度和堆叠层数，实现了对条纹长度和堆叠层数自动识别分类，提高了加氢催化剂活性相识别检测精度。
本文档来自技高网...【技术保护点】
1.一种加氢催化剂活性相识别方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，用于表征加氢催化剂活性相的目标特征包括：条纹长度和堆叠层数。
3.根据权利要求1所述的方法，其特征在于，基于Mask R-CNN的网络模型搭建所述特征提取模型。
4.根据权利要求3所述的方法，其特征在于，所述特征提取模型包括低层特征层与高层特征层，所述底层特征层用于检测低级的表征加氢催化剂活性相的目标特征；所述高层特征层用于检测高级的表征加氢催化剂活性相的目标特征。
5.根据权利要求3所述的方法，其特征在于，采用RPN区域建议网络，滑动窗口扫描所述待测样品图像，寻找存在所述目标特征的区域。
6.根据权利要求5所述的方法，其特征在于，选用ResNet50作为构建的Mask R-CNN的网络模型骨干网络。
7.一种加氢催化剂活性相识别装置，其特征在于，至少包括：
8.根据权利要求7所述的装置，其特征在于，用于表征加氢催化剂活性相的目标特征包括：条纹长度和堆叠层数。
9.根据权利要求7所述的装置，
10.根据权利要求9所述的装置，其特征在于，选用ResNet50作为构建的Mask R-CNN的网络模型骨干网络。
...【技术特征摘要】
1.一种加氢催化剂活性相识别方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，用于表征加氢催化剂活性相的目标特征包括：条纹长度和堆叠层数。
3.根据权利要求1所述的方法，其特征在于，基于mask r-cnn的网络模型搭建所述特征提取模型。
4.根据权利要求3所述的方法，其特征在于，所述特征提取模型包括低层特征层与高层特征层，所述底层特征层用于检测低级的表征加氢催化剂活性相的目标特征；所述高层特征层用于检测高级的表征加氢催化剂活性相的目标特征。
5.根据权利要求3所述的方法，其特征在于，采用rpn区域建议网络，滑动窗口扫描所述...
【专利技术属性】
技术研发人员：徐华，侯士超，赵鹏，张若霖，张金蓉，安谧，林骏，何京，崔鹏，刘锋，
申请(专利权)人：中国石油天然气股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。