CN108318410A - 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 - Google Patents

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 Download PDF

Info

Publication number
CN108318410A
CN108318410A CN201810034630.9A CN201810034630A CN108318410A CN 108318410 A CN108318410 A CN 108318410A CN 201810034630 A CN201810034630 A CN 201810034630A CN 108318410 A CN108318410 A CN 108318410A
Authority
CN
China
Prior art keywords
rusty scale
image
rusty
feooh
scale
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201810034630.9A
Other languages
English (en)
Inventor
高志明
张新新
胡文彬
夏大海
修妍
卢丽花
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin University
Original Assignee
Tianjin University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tianjin University filed Critical Tianjin University
Priority to CN201810034630.9A priority Critical patent/CN108318410A/zh
Publication of CN108318410A publication Critical patent/CN108318410A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N17/00—Investigating resistance of materials to the weather, to corrosion, or to light
    • G01N17/006—Investigating resistance of materials to the weather, to corrosion, or to light of metals

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental & Geological Engineering (AREA)
  • Environmental Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Image Analysis (AREA)

Abstract

本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。

Description

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
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。
在上述技术方案中，将待测锈分离为多个锈层，分别采集每个锈层的图像，根据各锈层中α-FeOOH比重变化，推断锈层演化过程；得出有关锈层组成及评价锈层保护性。
在上述技术方案中，分离锈层的物理方法是使用胶带小心剥离锈层，从而实现对内锈层和外锈层同时提取图像色彩信息。
本发明的优点和有益效果为：
本发明通过预先建立锈层的图像特征值与锈层中α-FeOOH占比对应关系的神经网络，将待测锈层的图像特征值输入到已建立的神经网络中，能够快速得到待测锈层中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。与传统的锈层分析方法相比，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。
附图说明
图1为α-FeOOH和γ-FeOOH按设定的不同配比混合制成的样本锈层的图像，其中α-FeOOH比重依次增大；
图2为图像经彩色图像处理后得到的RGB分布波形图；
图3为神经网络训练结果；
图4为丝束电极腐蚀测试装置的示意图；
图5为电化学测试中丝束电极平均腐蚀电位随时间变化曲线；
图6为电化学测试中丝束电极腐蚀电位标准差随时间变化曲线；
图7为采集的内锈层图像；
图8为内锈层图像RGB分布波形图；
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面结合具体实施例进一步说明本发明的技术方案。
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按照下述步骤进行：
1.实验室合成α-FeOOH纯相和γ-FeOOH纯相，将α-FeOOH和γ-FeOOH按照设定的不同配比混合制成多个样本锈层，利用VHX-2000型显微镜分别采集得到各样本锈层图像，见图1(图1中包括9组不同配比的样本锈层图像，配比情况分别为α-FeOOH占10％、 20％、30％、40％、50％、60％、70％、80％、90％)。将所有图像统一裁剪为1200×1000 dpi，然后采用Matlab编程的软件对裁剪以后的彩色图像进行处理，在RGB模式下，彩色图像可以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，能够得到RGB 色彩分布的波形图，见图2。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，列于表1，此取值范围覆盖相应色度分布区域，可以反映各亮度值的分布特点。以图像特征值为输入，α-FeOOH比重为输出，进行神经网络训练，结果见图3，网络输出与目标输出之间的误差很小，图像特征值与α-FeOOH比重有很好的相关性。
表Iα-FeOOH和γ-FeOOH混合物图像特征值(×10-3)
2.选取在普通碳素结构钢中用途最广泛的Q235钢作为腐蚀样本(Q235钢的化学组成为C0.2％、S0.009％、P0.015％、Mn0.6％、Si0.3％和可忽略的Al，其余为Fe)，将Q235 工作面依次用水砂纸打磨至1500#，蒸馏水清洗，酒精棉球脱脂，冷风吹干后，接入丝束电极腐蚀测试装置，见图4；使用0.01mol/L的NaCl溶液润湿厚度约为30μm的镜头纸模拟薄液层，镜头纸轻浮在溶液表面，并使电极距离溶液平面的高度保持在1～2mm的范围内以保证镜头纸长时间保持润湿；记录开路电位得到腐蚀电位和腐蚀电流；实验进行7 天，保存并记录实验数据，统计分析，得到电化学信息，如图5、图6。
3.电化学测试结束后，将电极小心拆除，取下镜头纸，将电极放入支架置于 VHX-2000型显微镜镜头下，聚焦后采集图片并保存；分离锈层(分离锈层的物理方法为使用胶带小心剥离锈层，从而实现对内锈层和外锈层同时提取图像色彩信息)，采集图像，反复操作，共得到四组锈层图像，见图7。然后进行彩色图像处理，得到锈层图像 RGB分布波形图，见图8；提取锈层图像特征值，列于表2。
表2锈层图像特征值(×10-3)
4.将表2中图像特征值作为已建立神经网络的输入，网络输出即锈层中α-FeOOH的比重，见表3。最贴近基体的锈层α-FeOOH的比重最小，而γ-FeOOH组成相对含量较大，基体大气腐蚀初期较先生成γ-FeOOH，而随着时间增加，α-FeOOH的比重在不断增加，可见保护性组成α-FeOOH可以由锈层中其他组成逐步转化得到。
阳极区锈层中α-FeOOH组成的增加，同时增强了锈层的保护性；正如图5和图6中电化学信息所显示的，随腐蚀时间增加，Q235钢试样表面由局部区域腐蚀特征逐渐转变为均匀腐蚀特征；与锈层中保护性组成增加的分析结果相一致。
表3锈层组成分析结果
以上对本发明做了示例性的描述，应该说明的是，在不脱离本发明的核心的情况下，任何简单的变形、修改或者其他本领域技术人员能够不花费创造性劳动的等同替换均落入本发明的保护范围。

Claims (5)

1.一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，其特征在于：
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，则能够则能够得到待测锈层中α-FeOOH的比重。
2.根据权利要求1所述的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，其特征在于：图像处理前，需将所有图像统一裁剪为相同尺寸。
3.根据权利要求1所述的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，其特征在于：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。
4.根据权利要求1所述的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，其特征在于：将待测锈分离为多个锈层，分别采集每个锈层的图像，根据各锈层中α-FeOOH比重变化，推断锈层演化过程；得出有关锈层组成及评价锈层保护性。
5.根据权利要求4所述的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，其特征在于：分离锈层的物理方法是使用胶带小心剥离锈层。
CN201810034630.9A 2018-01-12 2018-01-12 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 Pending CN108318410A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810034630.9A CN108318410A (zh) 2018-01-12 2018-01-12 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810034630.9A CN108318410A (zh) 2018-01-12 2018-01-12 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

Publications (1)

Publication Number Publication Date
CN108318410A true CN108318410A (zh) 2018-07-24

Family

ID=62893758

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810034630.9A Pending CN108318410A (zh) 2018-01-12 2018-01-12 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

Country Status (1)

Country Link
CN (1) CN108318410A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113834769A (zh) * 2021-09-03 2021-12-24 广州天韵达新材料科技有限公司 一种耐候钢锈层稳定化程度快速评价方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104713926A (zh) * 2015-03-13 2015-06-17 天津大学 基于bp神经网络的无损测定钢铁腐蚀产物特征的方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104713926A (zh) * 2015-03-13 2015-06-17 天津大学 基于bp神经网络的无损测定钢铁腐蚀产物特征的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张新新 等: "Q235钢在薄液膜下腐蚀行为与图像信息的相关性研究", 《中国服饰与防护学报》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113834769A (zh) * 2021-09-03 2021-12-24 广州天韵达新材料科技有限公司 一种耐候钢锈层稳定化程度快速评价方法

Similar Documents

Publication Publication Date Title
Nishijima Statistical analysis of fatigue test data
CN110455803A (zh) 一种文物鉴定系统及鉴定方法
CN110045015A (zh) 一种基于深度学习的混凝土结构内部缺陷检测方法
CN107037327A (zh) 局部放电故障判定特征提取方法及判定方法
CN105300323A (zh) 绝缘子rtv涂层脱落面积检测方法及检测装置
CN106501052A (zh) 一种用于铜铝复合材料电子背散射衍射分析测试试样的制备方法
CN108680621A (zh) 一种植物种类的鉴别方法
DE102011105182A1 (de) Verfahren zur Bereitstellung eines Vorhersagemodells für eine Rissdetektion und Verfahren zur Rissdetektion an einer Halbleiterstruktur
CN108008006A (zh) 一种焊缝缺陷检测方法、装置、设备及系统
CN103411990A (zh) 钢铁材料中氮化物及氧化物析出相的检测方法
CN108318410A (zh) 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
EP1180678A3 (en) Method for testing a cell sample
CN116165121B (zh) 一种有机污染物在人类头发横截面渗透的检测方法
KR20190100863A (ko) 전극 내 탄소나노튜브의 분산성 평가 방법
Besterci et al. Analysis of spatial arrangement of particles in thin foil of Al-Al4C3 material
DE102021108182B3 (de) Vorrichtung und Verfahren zur Erfassung und Auswertung von Laufzeitunterschieden von Spannungsverläufen
CN111537495A (zh) 一种利用全局三维（3d）拉曼光谱成像技术鉴定朱墨顺序的方法
Zhou et al. Clustering analysis of ancient celadon based on SOM neural network
EP1106986A2 (de) Verfahren zur Messung der Korrosionsbeständigkeit von Weissblech
CN107036747A (zh) 一种凝固斑点残余应力检测方法
DE4401187C1 (de) Vorrichtung zur Korrosionsmessung
CN109917245A (zh) 考虑相位差的超声检测局部放电信号模式识别方法
Chen et al. Ageing Status Identification of Oil-Paper Impregnated Insulation by NIRS Detection with Improved LDA Method
DE102020202610B4 (de) Verfahren und Vorrichtung zur automatisierten mikroskopischen Analyse von nervenzellhaltigen Proben
Xiao et al. An original technique for quantifying the flow-field characteristics in an electrodeposition process of Zn-SiO2 with Fe

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180724