【技术实现步骤摘要】
本专利技术涉及金属腐蚀研究，尤其是涉及一种用于批量化检测的金属耐腐蚀性评价方法。
技术介绍
1、金属材料在生活中应用十分广泛，但金属的腐蚀可能会导致材料的过早失效，具有很大的潜在风险。研究金属的腐蚀行为对金属材料的选择和腐蚀危害预防至关重要。然而，金属的腐蚀研究仍存在较多不便：一方面，研究人员通常需要成批制备并观测分析多种样品。但在实验过程中，分别对单个腐蚀样品进行制备与分析操作是一项及其耗时的工作。另一方面，不同研究人员的操作、观察和评价标准存在主观差异，即现有方法无法对已腐蚀的样进行标准化评价和分析。最后，现有的检测方式无法同时对金属腐蚀进行定性与定量检测，定性与定量检测需要在两套实验设备下进行，效率低下。
2、因此，开发一套用于金属耐蚀性评价的快速检测和分析系统十分必要。
技术实现思路
1、本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种用于批量化检测的金属耐腐蚀性评价方法及系统，不仅提供定性分析，还结合失重实验数据进行定量分析，实现了对金属耐腐蚀性的全面评价。
2、本专利技术的目的可以通过以下技术方案来实现：
3、本专利技术第一方面提供一种用于批量化检测的金属耐腐蚀性评价方法，包括以下步骤：
4、s1：在多孔样品板中批量化放置多个待检测金属样品，进行腐蚀浸泡实验，得到待检测的腐蚀后样品，并进行失重实验，记录腐蚀速率；
5、s2：将待检测样品板进行自动化样品递送，同时使用高分辨率相机与体式显微镜对腐蚀样品
6、s3：利用深度学习算法模型对腐蚀图像进行识别预测，合成三维模型，推断腐蚀速率和腐蚀百分比；
7、s4：结合s1中得到的腐蚀速率信息和s4中得到的腐蚀信息，对每个样品进行综合打分评价。
8、进一步地，s1中，所述待检测金属样品为表面积为1-20mm2，厚度为1-3mm的金属样品；
9、所述多孔样品板为6-96孔板，相邻孔之间均通过通道连通。
10、进一步地，s1中，所述腐蚀速率的获取方式包括：
11、将装有金属样品的多孔样品板浸入腐蚀介质中，浸泡预设时间；
12、在预设时间后取出多孔样品板，清洗样品，去除表面残留的腐蚀介质；
13、在腐蚀浸泡实验前后对金属样品进行称重，记录样品的质量变化，基于实验时间，计算金属样品的腐蚀速率。
14、进一步地，s2中，具体过程包括：
15、将经过s1中腐蚀浸泡实验并完成失重实验的待检测样品板放置于样品控制模块的载物台上；
16、通过预设的程序，设置自动化样品递送的路径和顺序，使得每个样品都能被递送到拍摄位置；
17、同时使用高分辨率相机与体式显微镜对腐蚀样品进行自动化批量拍摄，得到二维切片图像。
18、进一步地，s3中，具体过程包括：
19、对采集到的二维切片图像进行预处理，包括图像中心裁剪、随机水平翻转、归一化；
20、利用训练好的评价模型对新的腐蚀图像进行预测，识别出图像中的腐蚀区域和未腐蚀区域；
21、对于每个样品，将多张切片图像的腐蚀区域合成，形成连续的腐蚀形貌；
22、利用合成的二维腐蚀区域图像，通过深度学习算法模型推断生成腐蚀样品的三维模型；
23、根据三维模型中的腐蚀区域体积，结合光学分辨率和腐蚀深度，推算出腐蚀速率；
24、通过比较腐蚀区域体积与整个样品体积的比例，计算出腐蚀百分比。
25、进一步地，s3中，所述模型的训练过程包括：
26、根据采集到的不同金属材料的腐蚀图像，构建数据集；
27、对数据集中的每张图像进行手工标注，区分腐蚀区域和未腐蚀区域；
28、将标注好的数据集依照4:1的比例随机划分为训练集与验证集；
29、使用训练集对深度学习算法模型进行训练，所述深度学习算法模型为改进的u-net模型，采用编码-解码结构，增加边缘扩充操作；
30、在训练过程中使用adam算法优化器、正则化算法对深度学习算法模型进行优化，以提高模型的性能；
31、使用预先准备的验证集对训练后的深度学习算法模型进行验证，通过混淆矩阵、平均交并比、准确度指标评估模型的预测效果，得到训练完成的评价模型。
32、进一步地，s4中，具体过程包括：
33、将每个s1中失重实验得到的腐蚀速率数据与s3中图像分析得到的腐蚀速率数据进行整合；
34、基于预先制定的综合打分评价标准，结合失重实验得到的数据与图像分析得到的数据进行加权打分。
35、本专利技术第二方面提供一种用于批量化检测的金属耐腐蚀性评价系统，包括：
36、多孔样品板，用于放置多个待检测金属样品，进行腐蚀浸泡实验；
37、高分辨率相机与体式显微镜，用于对腐蚀样品进行自动化批量拍摄，得到二维切片图像；
38、自动化样品递送装置，用于按照预设程序，将多孔样品板中每个孔位的样品逐个递送至体式显微镜的观测位置；
39、计算机终端，与所述高分辨率相机通信连接，计算机终端利用深度学习算法模型对腐蚀图像进行识别预测，合成三维模型，推断腐蚀速率和腐蚀百分比，对每个样品进行综合打分评价。
40、进一步地，所述自动化样品递送装置包括：
41、底座；
42、递送组件，设于所述底座上，包括第一丝杠装置和设于第一丝杠装置上的第二丝杠装置，所述第一丝杠装置用于带动第二丝杠装置沿y向进行移动；
43、载物台，设于所述第二丝杠装置上，所述第二丝杠装置应用带动载物台沿x向进行移动，所述多孔样品板设于所述载物台上。
44、进一步地，所述底座上设有沿y向的凹槽；
45、所述第一丝杠装置包括第一丝杠、第一步进电机、第一滑块，所述第一滑块嵌设于所述凹槽中，所述第一丝杠与所述第一滑块螺接，所述第一丝杠沿y方向设置，所述第一丝杠的端部与所述第一步进电机的输出端连接；
46、所述第二丝杠装置包括第二步进电机、第二滑块、第二丝杠、光滑导杆，所述第二步进电机的主体设于所述第一滑块上，所述第二步进电机的主体上连接有光滑导杆，所述光滑导杆贯穿所述第二滑块，所述第二丝杠的一端与所述第二步进电机的输出轴连接，所述第二丝杠与所述第二滑块螺接，所述载物台与所述第二滑块固定连接。
47、与现有技术相比，本专利技术具有以下技术优势：
48、(1)本专利技术克服了传统实验方法中繁重的人力成本，实现了样品控制、数据采集、腐蚀分析的模块化、自动化，极大提高了金属腐蚀检测的效率。
49、(2)本专利技术在金属腐蚀检测中融合深度学习算法，同时完成金属腐蚀检测的定性与定量分析，并结合失重法对腐蚀样本进行综合评价。克服了研究人员在对金属腐蚀评价中的主客观差异，实现了检测流程和检测方法标准化。
本文档来自技高网...
【技术保护点】
1.一种用于批量化检测的金属耐腐蚀性评价方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种用于批量化检测的金属耐腐蚀性评价方法，其特征在于，S1中，所述待检测金属样品为表面积为1-20mm2，厚度为1-3mm的金属样品；
3.根据权利要求1所述的一种用于批量化检测的金属耐腐蚀性评价方法，其特征在于，S1中，所述腐蚀速率的获取方式包括：
4.根据权利要求1所述的一种用于批量化检测的金属耐腐蚀性评价方法，其特征在于，S2中，具体过程包括：
5.根据权利要求1所述的一种用于批量化检测的金属耐腐蚀性评价方法，其特征在于，S3中，具体过程包括：
6.根据权利要求5所述的一种用于批量化检测的金属耐腐蚀性评价方法，其特征在于，S3中，所述模型的训练过程包括：
7.根据权利要求1所述的一种用于批量化检测的金属耐腐蚀性评价方法，其特征在于，S4中，具体过程包括：
8.一种用于批量化检测的金属耐腐蚀性评价系统，其特征在于，包括：
9.根据权利要求8所述的一种用于批量化检测的金属耐腐蚀性评价系统
10.根据权利要求9所述的用于批量化检测的金属耐腐蚀性评价系统，其特征在于，所述底座(7)上设有沿Y向的凹槽；
...【技术特征摘要】
1.一种用于批量化检测的金属耐腐蚀性评价方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种用于批量化检测的金属耐腐蚀性评价方法，其特征在于，s1中，所述待检测金属样品为表面积为1-20mm2，厚度为1-3mm的金属样品；
3.根据权利要求1所述的一种用于批量化检测的金属耐腐蚀性评价方法，其特征在于，s1中，所述腐蚀速率的获取方式包括：
4.根据权利要求1所述的一种用于批量化检测的金属耐腐蚀性评价方法，其特征在于，s2中，具体过程包括：
5.根据权利要求1所述的一种用于批量化检测的金属耐腐蚀性评价方法，其特征在于，s...
【专利技术属性】
技术研发人员：白晶，张博远，张越，程兆俊，王成，储成林，薛烽，葛建军，邵仪，
申请(专利权)人：东南大学，
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。