[发明专利]基于计算机视觉的拉索腐蚀监测识别与疲劳寿命评估方法

权利要求书

1.一种基于计算机视觉的拉索腐蚀监测识别与疲劳寿命评估方法，其特征在于，方法步骤如下：

步骤一，高强钢丝腐蚀疲劳数据集更新：根据需求选择是否在自带高强钢丝腐蚀疲劳数据集的基础上添加新的图像样本，来获取新的腐蚀疲劳退化模型；用户选择要新添加的图像样本，对读入的钢丝腐蚀图像进行均匀腐蚀程度赋值，并输入新样本钢丝在不同应力幅下的疲劳寿命；重复以上过程，完成对高强钢丝腐蚀疲劳数据集的更新；如果选择不添加新图像样本，则默认使用高强钢丝腐蚀疲劳退化模型；

步骤二，腐蚀程度时变模型建模：在完成数据集更新后，绘制不同腐蚀周期下高强钢丝腐蚀图像红色分量的概率分布图，并对概率分布函数进行高斯混合模型拟合，以第一阶位置参数为评价指标，建立高强钢丝腐蚀程度时变模型；

步骤三，疲劳寿命退化模型建模：在双对数坐标系下绘制不同腐蚀周期、不同应力幅下的应力幅-疲劳寿命特性曲线，并用最小二乘法拟合S-N曲线参数，建立疲劳寿命退化模型；

步骤四，拉索腐蚀疲劳评估：选择要进行腐蚀状态识别和疲劳寿命评估的在役高强钢丝腐蚀图像，将输入图像划分成若干子单元，并调用更新的腐蚀程度时变模型和疲劳寿命退化模型，对待检测的在役高强钢丝腐蚀子单元图像进行腐蚀程度评估和不同应力幅下的疲劳寿命预测，并输出腐蚀疲劳评估结果。

2.根据权利要求1所述的一种基于计算机视觉的拉索腐蚀监测识别与疲劳寿命评估方法，其特征在于，所述的步骤二，对概率分布函数进行高斯混合模型拟合公式如下：

式中，x表示拍摄到的腐蚀钢丝RGB图像的R通道像素值，

f(x)表示其概率分布函数，μ_i,σ_i分别表示第i阶的位置参数和尺度参数，ω_i表示第i个模式所占的比例，K表示总模式数；

然后采用EM算法对模型参数进行更新，公式如下：

式中，表示第j个腐蚀周期下第i个腐蚀图像中的红色分量，μ_k,σ_k,ω_k分别为第k个模式下的位置参数、尺度参数及所占比例；为表现出第k个模式的条件概率；λ为拉格朗日参数；N为腐蚀钢丝图像总数；

然后以第一阶位置参数μ₁为评价指标，建立高强钢丝腐蚀程度时变模型；公式如下：

μ₁＝α+βln(t)-γ×[ln(t)]² (3)

式中，t为当量腐蚀时间，μ₁为第一阶位置参数，α,β,γ为模型的拟合系数。

3.根据权利要求1所述的一种基于计算机视觉的拉索腐蚀监测识别与疲劳寿命评估方法，其特征在于，所述的步骤三，用最小二乘法拟合S-N曲线参数，建立疲劳寿命退化模型，公式如下：

式中，N为疲劳寿命，ΔS为应力幅，m为模型形状参数，C为材料系数，在双对数坐标系下，ΔS与N呈现出线性关系，其中k为斜率，b为截距。