[发明专利]利用锈层图像判断锈层中保护性组成变化及锈层保护性的方法在审

专利信息
申请号: 201810034630.9 申请日: 2018-01-12
公开(公告)号: CN108318410A 公开(公告)日: 2018-07-24
发明(设计)人: 高志明;张新新;胡文彬;夏大海;修妍;卢丽花 申请(专利权)人: 天津大学
主分类号: G01N17/00 分类号: G01N17/00
代理公司: 天津创智天诚知识产权代理事务所(普通合伙) 12214 代理人: 王秀奎
地址: 300072*** 国省代码: 天津;12
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 锈层 图像 样本 神经网络 图像判断 组成变化 彩色图像处理 神经网络训练 分布波形 腐蚀产物 配比混合 提取图像 网络输出 分析 采集 腐蚀 网络 应用
【说明书】:

发明公开了一种利用锈层图像判断锈层中保护性组成变化及锈层保护性的方法,将α‑FeOOH纯相和γ‑FeOOH纯相按设定的不同配比混合制成样本锈层,采集各样本锈层的图像,进行彩色图像处理得到图像RGB分布波形图,并提取图像特征值,以得到的样本锈层的图像特征值作为网络输入,以α‑FeOOH在α‑FeOOH‑‑γ‑FeOOH样本锈层中所占比重为网络输出,进行神经网络训练,建立神经网络;得到待测锈层的图像,并得到待测锈层的图像特征值,将待测锈层的图像特征值输入到已建立的神经网络中,则能够得到待测锈层中α‑FeOOH的比重。本发明的锈层分析方法成本低、操作简便,能够快速准确分析锈层腐蚀产物中保护性组成的比重,且适用于应用到腐蚀现场。

技术领域

本发明涉及一种利用锈层图像判断锈层中保护性组成变化及锈层保护性的方法。

背景技术

锈层演化直接影响材料腐蚀过程,因此对大气腐蚀产物的研究是了解腐蚀机理的有效方法,研究人员采用多种方法手段进行研究分析。例如,利用扫描电化学显微镜(SECM)、扫描振动电极(SVET)、扫描开尔文探针(SKP)、局部电化学阻抗(LEIS) 等研究材料的局部腐蚀行为;利用扫描电子显微镜(SEM)、扫描隧道显微镜(STM) 和原子力显微镜(AFM)等原位观察锈层微观形态;利用红外吸收光谱和拉曼光谱等方法进行产物成分结构的原位分析。在研究环境因子对腐蚀机理影响的同时,也有大量研究者开展对锈层演化行为的研究工作。通过对锈层截面的物相分布进行观察,推断其演化规律也有不少成果。但是这些方法成本高、准备过程相对繁琐,应用到腐蚀现场受到一定限制。

锈层成分影响着锈层保护性能,为了延长材料安全使用寿命,减少材料的损耗,国内外进行了大量有关锈层的研究。碳钢锈层的常见成分主要有α-FeOOH、γ-FeOOH、非晶的FeOOH、Fe3O4和γ-Fe2O3等。锈层的保护性能主要体现在其优异的致密性和化学稳定性,国内外很多研究者采用锈层覆盖比和锈层中稳定性成分(如α-FeOOH)所占比例来评价锈层的保护性。然而,到目前为止,现场原位判断锈层成分的研究手段相对匮乏。

发明内容

本发明的目的在于克服现有技术的不足,提供一种利用锈层图像判断锈层中保护性组成变化及锈层保护性的方法。该方法能够根据锈层图像得到锈层中α-FeOOH比重情况,进而推断锈层演化过程,得出有关锈层组成及评价锈层保护性。

本发明是通过以下技术方案实现的:

一种利用锈层图像判断锈层中保护性组成变化及锈层保护性的方法:

将α-FeOOH纯相和γ-FeOOH纯相按设定的不同配比混合制成样本锈层,采集各样本锈层的图像,进行彩色图像处理得到图像RGB分布波形图,并提取图像特征值,以得到的样本锈层的图像特征值作为网络输入,以α-FeOOH在α-FeOOH--γ-FeOOH样本锈层中所占比重为网络输出,进行神经网络训练,建立神经网络;

得到待测锈层的图像,并得到待测锈层的图像特征值,将待测锈层的图像特征值输入到已建立的神经网络中,则能够得到待测锈层中α-FeOOH的比重。

在上述技术方案中,图像处理前,需将所有图像统一裁剪为相同尺寸。

在上述技术方案中,采用Matlab编程的软件对彩色图像进行处理,在RGB模式下,彩色图像转化为一个三维矩阵,对每个维度亮度值分布分别进行统计,得到RGB色彩分布的波形图,根据波形特点,选取R亮度值为110、130、150、170、190时的频率值, G亮度值为90、110、130、150、170时的频率值以及B值为10、25、40、55、70时的频率值为图像特征值;此取值范围覆盖相应色度分布区域,能够反映各亮度值的分布特点,避免了传统的数字图像处理将RGB图像进行不可逆的灰度化处理丧失大量图像信息,因此更加准确。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于天津大学,未经天津大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810034630.9/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top