一种金属基体腐蚀和涂层老化的原位识别方法及装置制造方法及图纸

本发明专利技术提供了一种金属基体腐蚀和涂层老化的原位识别方法及装置。其方法包括：根据预设的目标图像分割模型对损伤图像进行分割，获得多个分割子图像；确定多个分割子图像的先验框的先验框尺寸和类别信息；构建初始基体腐蚀识别模型和初始涂层老化识别模型，基于分割子图像、先验框尺寸及类别信息对模型进行训练，获得目标基体腐蚀识别模型和目标涂层老化识别模型；获取金属表面的待识别图像，并将待识别图像输入至目标图像分割模型中，获得多个待识别子图像；分别基于目标基体腐蚀识别模型和目标涂层老化识别模型识别多个待识别子图像，获得基体腐蚀识别结果和涂层老化识别结果。本发明专利技术可提高对金属基体腐蚀和涂层老化进行识别的识别精度。别的识别精度。别的识别精度。

An in-situ identification method and device for metal matrix corrosion and coating aging

【技术实现步骤摘要】
一种金属基体腐蚀和涂层老化的原位识别方法及装置


[0001]本专利技术涉及图像识别
，具体涉及一种金属基体腐蚀和涂层老化的原位识别方法及装置。

技术介绍

[0002]海陆空等领域高端装备金属材料长期服役于高温、高湿、高盐雾、强太阳辐射和频繁干/湿交替作用环境，极易引起金属基体腐蚀、涂层老化等表观细微损伤缺陷，造成装备关键结构件和部分功能件提前失效。例如，7A85铝合金作为我国新型飞机重要承力结构材料，服役过程中会遭遇海洋大气、干热沙漠等多种严酷使用环境，大气环境中湿度、腐蚀介质等因素势必对合金造成腐蚀影响；7A52高强铝合金焊接件对应力腐蚀开裂极其敏感，特别是焊接接头不可避免地存在冶金缺陷和残余应力分布，导致其应力腐蚀失效倾向大大增强。这些表观细微损伤不仅直接影响装备运行安全，还给其检查维修工作带来巨大经济负担。据国际航空运输协会报告统计，由于腐蚀导致的飞机定期维修和结构件更换费用为每小时10~20美元。中国科学院金属研究所柯伟院士分析：我国每年因为腐蚀所造成的经济损失，占国民生产总值的5%左右。
[0003]材料的表观损伤细微特征图像是定性和定量评价金属材料基体腐蚀、涂层老化性能的重要特征之一。近年来，将图像识别技术与深度学习相结合应用于腐蚀科学领域，已取得大量研究成果，但仍存在如下问题：现有技术中的网络模型不适用于表观损伤这一小目标检测（损伤面积小于1%表面积或尺寸小于20
×
20像素的表观细微损伤目标），对金属表面的金属基体腐蚀和涂层老化识别精度较低。
[0004]因此，急需提供一种金属基体腐蚀和涂层老化的原位识别方法及装置，用以解决现有技术中存在的对金属表面的金属基体腐蚀和涂层老化识别精度较低的技术问题。

技术实现思路

[0005]有鉴于此，有必要提供一种金属基体腐蚀和涂层老化的原位识别方法及装置，用以解决现有技术中存在的对冰箱食材进行检测的监测准确性较低的技术问题。
[0006]一方面，本专利技术提供了一种金属基体腐蚀和涂层老化的原位识别方法，包括：获取金属表面的损伤图像，并根据预设的目标图像分割模型对所述损伤图像进行分割，获得多个分割子图像；基于预设的聚类方法确定所述多个分割子图像的先验框的先验框尺寸，并确定所述先验框的类别信息；构建初始基体腐蚀识别模型，并基于所述多个分割子图像、所述先验框尺寸以及所述类别信息对所述初始基体腐蚀识别模型进行训练，获得训练完备的目标基体腐蚀识别模型；构建初始涂层老化识别模型，并基于所述多个分割子图像、所述先验框尺寸以及所述类别信息对所述初始涂层老化识别模型进行训练，获得目标涂层老化识别模型；
获取金属表面的待识别图像，并将所述待识别图像输入至所述目标图像分割模型中，获得多个待识别子图像；分别基于所述目标基体腐蚀识别模型和所述目标涂层老化识别模型识别所述多个待识别子图像，对应获得基体腐蚀识别结果和涂层老化识别结果。
[0007]在一些可能的实现方式中，在所述根据预设的目标图像分割模型对所述损伤图像进行分割，获得多个分割子图像之后，还包括：获取所述损伤图像的多个真实子图像，并确定所述多个真实子图像和所述多个分割子图像的交并比；根据所述交并比确定所述目标图像分割模型的分割准确率。
[0008]在一些可能的实现方式中，所述目标图像分割模型包括编码单元和解码单元，所述编码单元包括深度卷积模块、多特征提取模块以及第一卷积层；所述解码单元包括第二卷积层、第一上采样层、叠加层、第三卷积层以及第二上采样层；所述深度卷积模块用于提取所述损伤图像的低维特征和高维特征；所述多特征提取模块用于接收所述高维特征，并生成组合特征；所述第一卷积层用于对所述组合特征进行卷积处理，生成第一卷积特征；所述第二卷积层用于对所述低维特征进行卷积处理，生成第二卷积特征；所述第一上采样层用于对所述第一卷积特征进行上采样，获得第一上采样特征；所述叠加层用于将所述第一上采样特征和所述第二卷积特征进行叠加，获得叠加特征；所述第三卷积层用于对所述叠加特征进行卷积处理，生成第三卷积特征；所述第二上采样层用于对所述第三卷积特征进行上采样，获得所述多个分割子图像。
[0009]在一些可能的实现方式中，所述多特征提取模块包括并行的第一子卷积层、第一空洞卷积层、第二空洞卷积层、第三空洞卷积层、池化层以及拼接层；所述第一子卷积层的卷积核为1
×
1，用于提取所述高维特征的第一特征信息；所述第一空洞卷积层的卷积核为3
×
3，采样率为6，用于提取所述高维特征的第二特征信息；所述第二空洞卷积层的卷积核为3
×
3，采样率为12，用于提取所述高维特征的第三特征信息；所述第三空洞卷积层的卷积核为3
×
3，采样率为18，用于提取所述高维特征的第四特征信息；所述池化层用于提取所述高维特征的第五特征信息；所述拼接层用于将所述第一特征信息、所述第二特征信息、所述第三特征信息、所述第四特征信息、所述第五特征信息进行拼接，生成所述组合特征。
[0010]在一些可能的实现方式中，所述基体腐蚀识别结果包括基体腐蚀类别以及基体腐蚀参数，所述基体腐蚀类别包括点蚀和开裂，所述基体腐蚀参数包括蚀孔数量、蚀孔孔径、蚀孔深度、裂口尺寸以及开裂深度；所述涂层老化识别结果包括涂层损伤类型，所述涂层损伤类型包括霉变、粉化、裂纹、脱落。
[0011]在一些可能的实现方式中，所述金属基体腐蚀和涂层老化的原位识别方法还包
括：构建所述蚀孔数量、蚀孔孔径、蚀孔深度、裂口尺寸以及开裂深度与基体腐蚀损伤程度的关联关系；根据所述蚀孔数量、蚀孔孔径、蚀孔深度、裂口尺寸、开裂深度以及所述关联关系，确定所述金属表面的基体腐蚀损伤程度。
[0012]在一些可能的实现方式中，所述涂层老化识别结果还包括涂层HSV颜色空间；所述金属基体腐蚀和涂层老化的原位识别方法还包括：确定所述涂层HSV颜色空间和标准HSV颜色空间的相似度；根据所述相似度确定所述金属表面的涂层老化程度。
[0013]在一些可能的实现方式中，在所述获取金属表面的损伤图像之后，还包括：构建滤波窗口，并基于所述滤波窗口对所述损伤图像进行滤波处理，获得滤波图像。
[0014]在一些可能的实现方式中，所述目标基体腐蚀识别模型的模型结构为YOLOv3模型结构，所述目标涂层老化识别模型的模型结构为SSD模型结构。
[0015]另一方面，本专利技术还提供了一种金属基体腐蚀和涂层老化的原位识别装置，包括：图像分割模块，用于获取金属表面的损伤图像，并根据预设的目标图像分割模型对所述损伤图像进行分割，获得多个分割子图像；先验框确定模块，用于基于预设的聚类方法确定所述多个分割子图像的先验框的先验框尺寸，并确定所述先验框的类别信息；腐蚀识别模型构建模块，用于构建初始基体腐蚀识别模型，并基于所述多个分割子图像、所述先验框尺寸以及所述类别信息对所述初始基体腐蚀识别模型进行训练，获得训练完备的目标基体腐蚀识别模型；涂层老化识别模型构建模块，用于构建初始涂层老化识别模型，并基于所述多个分割子图像、所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种金属基体腐蚀和涂层老化的原位识别方法，其特征在于，包括：获取金属表面的损伤图像，并根据预设的目标图像分割模型对所述损伤图像进行分割，获得多个分割子图像；基于预设的聚类方法确定所述多个分割子图像的先验框的先验框尺寸，并确定所述先验框的类别信息；构建初始基体腐蚀识别模型，并基于所述多个分割子图像、所述先验框尺寸以及所述类别信息对所述初始基体腐蚀识别模型进行训练，获得训练完备的目标基体腐蚀识别模型；构建初始涂层老化识别模型，并基于所述多个分割子图像、所述先验框尺寸以及所述类别信息对所述初始涂层老化识别模型进行训练，获得目标涂层老化识别模型；获取金属表面的待识别图像，并将所述待识别图像输入至所述目标图像分割模型中，获得多个待识别子图像；分别基于所述目标基体腐蚀识别模型和所述目标涂层老化识别模型识别所述多个待识别子图像，对应获得基体腐蚀识别结果和涂层老化识别结果。2.根据权利要求1所述的金属基体腐蚀和涂层老化的原位识别方法，其特征在于，在所述根据预设的目标图像分割模型对所述损伤图像进行分割，获得多个分割子图像之后，还包括：获取所述损伤图像的多个真实子图像，并确定所述多个真实子图像和所述多个分割子图像的交并比；根据所述交并比确定所述目标图像分割模型的分割准确率。3.根据权利要求1所述的金属基体腐蚀和涂层老化的原位识别方法，其特征在于，所述目标图像分割模型包括编码单元和解码单元，所述编码单元包括深度卷积模块、多特征提取模块以及第一卷积层；所述解码单元包括第二卷积层、第一上采样层、叠加层、第三卷积层以及第二上采样层；所述深度卷积模块用于提取所述损伤图像的低维特征和高维特征；所述多特征提取模块用于接收所述高维特征，并生成组合特征；所述第一卷积层用于对所述组合特征进行卷积处理，生成第一卷积特征；所述第二卷积层用于对所述低维特征进行卷积处理，生成第二卷积特征；所述第一上采样层用于对所述第一卷积特征进行上采样，获得第一上采样特征；所述叠加层用于将所述第一上采样特征和所述第二卷积特征进行叠加，获得叠加特征；所述第三卷积层用于对所述叠加特征进行卷积处理，生成第三卷积特征；所述第二上采样层用于对所述第三卷积特征进行上采样，获得所述多个分割子图像。4.根据权利要求3所述的金属基体腐蚀和涂层老化的原位识别方法，其特征在于，所述多特征提取模块包括并行的第一子卷积层、第一空洞卷积层、第二空洞卷积层、第三空洞卷积层、池化层以及拼接层；所述第一子卷积层的卷积核为1
×
1，用于提取所述高维特征的第一特征信息；所述第一空洞卷积层的卷积核为3
×
3，采样率为6，用于提取所述高维特征的第二特征信息；
所述第二空洞卷积层的卷积核为3
×
3，采样率为12，用于提取所述高维特征的第三特征信息；所述第三空洞卷积层的卷积核为3
×
3，...

【专利技术属性】
技术研发人员：朱子豪，田林雳，朱大虎，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：