CN114565716A - 图像三维重建方法、装置、设备及介质 - Google Patents

图像三维重建方法、装置、设备及介质 Download PDF

Info

Publication number
CN114565716A
CN114565716A CN202210146118.XA CN202210146118A CN114565716A CN 114565716 A CN114565716 A CN 114565716A CN 202210146118 A CN202210146118 A CN 202210146118A CN 114565716 A CN114565716 A CN 114565716A
Authority
CN
China
Prior art keywords
area
layer
carbon fiber
electron microscope
image
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
CN202210146118.XA
Other languages
English (en)
Inventor
付东红
方宁宁
黄笠舟
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.)
China Automotive Innovation Co Ltd
Original Assignee
China Automotive Innovation Co Ltd
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 China Automotive Innovation Co Ltd filed Critical China Automotive Innovation Co Ltd
Priority to CN202210146118.XA priority Critical patent/CN114565716A/zh
Publication of CN114565716A publication Critical patent/CN114565716A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00Three dimensional [3D] modelling, e.g. data description of 3D objects
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00Indexing scheme for image data processing or generation, in general
    • G06T2200/08Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P70/00Climate change mitigation technologies in the production process for final industrial or consumer products
    • Y02P70/50Manufacturing or production processes characterised by the final manufactured product

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)

Abstract

本发明涉及图像处理技术领域,特别涉及一种图像三维重建方法、装置、设备及介质,方法包括:获取质子交换膜燃料电池中气体扩散层的第一电镜扫描图像;将所述第一电镜扫描图像输入至预先构建的图像识别模型组件中,得到所述第一电镜扫描图像中的各个第一区域块的组分;基于所述第一电镜扫描图像中的各个第一区域块的组分以及所述第一区域块的厚度还原出单层碳纤维结构;基于所述单层碳纤维结构重构出三维气体扩散层,所述三维气体扩散层包括单层碳纤维结构和多层区域块结构。本发明的实施能够确保准确的重建的三维气体扩散层,进而通过三维气体扩散层计算相应的性能情况更加准确,进而推动氢能电池的快速发展。

Description

图像三维重建方法、装置、设备及介质
技术领域
本发明涉及图像处理技术领域,特别涉及一种图像三维重建方法、装置、设备及介质。
背景技术
近年来,氢能产业的发展已经受到了世界各国的重点关注。而氢能源提炼技术以及燃料电池制造技术也已经获得了突破性的发展。
氢能电池中包括气体扩散层或扩散层,其主要功能包括传导电流、传输气体反应物、排出液态水、支撑催化层及实现气体反应物在流场和催化层间的再分配,扩散层是多孔电极中厚度最大的部件,因而气体扩散层可视为多孔电极的主体部分,是影响电极性能的关键部件之一。气体扩散层由导电的多孔材料构成,常用材料为碳纸或碳布,也有非织造布和炭黑纸。良好的气体扩散层应具备以下要求:良好的透气性、高电子电导率、结构紧密且表面平整以减少装配产生的接触电阻、均匀的多孔结构、具有一定的机械强度、适当的刚性和柔性有利于电极的制作、具有良好的化学稳定性和热稳定性及低制造成本。传输气体和排出液态水是扩散层的重要功能。
现有的气体扩散层的参数计算方式采用的是电镜扫描的方法,扫描电镜图用于气体扩散层三维形貌的观察和分析,在观察形貌的同时,人工进行微区的成分分析,其无法表征气体扩散层真实结构,计算结果并不准确。
发明内容
为了解决现有技术中存在的技术问题中存在的气体扩散层不能够准确的还原出三维结构以及基于现有的气体扩散层性能计算不准确的计算问题,本发明提供一种图像三维重建方法,所述方法包括:
获取质子交换膜燃料电池中气体扩散层的第一电镜扫描图像;
将所述第一电镜扫描图像输入至预先构建的图像识别模型组件中,得到所述第一电镜扫描图像中的各个第一区域块的组分,所述图像识别模型组件用于将所述第一电镜扫描图像划分为多个相互连接的第一区域块,并预测出每个所述第一区域块的组分;
基于所述第一电镜扫描图像中的各个第一区域块的组分以及所述第一区域块的厚度还原出单层碳纤维结构;
基于所述单层碳纤维结构重构出三维气体扩散层,所述三维气体扩散层包括单层碳纤维结构和多层区域块结构,每层所述区域块结构包括与所述第一区域块对应的第二区域块以及每个所述第二区域块的组分,所述第二区域块的厚度与所述第一区域块的厚度的差值小于预设厚度阈值。
进一步地,所述基于所述第一电镜扫描图像中的各个第一区域块的组分以及所述第一区域块的厚度还原出单层碳纤维结构,包括:
根据所述第一电镜扫描图像中的各个组分对应的第一区域块的数量,确定出各个组分各自对应的面积比例;
基于所述各个组分各自对应的面积比例,确定所述单层碳纤维结构的厚度;
基于所述单层碳纤维结构的厚度还原出单层碳纤维结构。
进一步地,所述基于所述单层碳纤维结构重构出三维气体扩散层之前,所述方法还包括:
基于各个所述第一区域块的组分为对应的所述第一区域块添加组分标签;
所述基于所述单层碳纤维结构重构出三维气体扩散层,包括:
基于预设厚度以及各个所述第一区域块的厚度确定出所述三维气体扩散层的层数;
以所述单层碳纤维结构为首层碳纤维结构,依次在所述首层碳纤维结上铺设多层区域块结构,直至所述区域块结构的层数和所述单层碳纤维结构的层数的和达到所述三维气体扩散层的层数,所述区域块结构中包括多个未被添加组分标签的第二区域块;
根据各个组分的预设比例要求,分别对各个所述区域块结构中的第二区域块添加组分标签,使得每层所述区域块结构中的各个组分满足所述预设比例要求,得到所述三维气体扩散层。
进一步地,所述方法还包括:
获取所述三维气体扩散层中各个组分对应的所述第一区域块的个数、各个组分对应的所述第二区域块的个数以及各个组分对应的密度;
基于所述各个组分对应的所述第一区域块的个数、各个组分对应的所述第二区域块的个数以及各个组分对应的密度,计算所述三维气体扩散层对应的真实三维气体扩散层的第一质量;
获取所述第一电镜扫描图像对应的真实三维气体扩散层的第二质量;
在所述第一质量与所述第二质量差值小于预设质量阈值时,确定所述三维气体扩散层为所述真实三维气体扩散层对应的三维点云。
进一步地,所述将所述第一电镜扫描图像输入至预先构建的图像识别模型组件中,得到所述第一电镜扫描图像中的各个第一区域块的组分之前,包括:
获取所述第一电镜扫描图像中碳纤维的第一直径以及所述第一电镜扫描图像对应的真实三维气体扩散层的碳纤维的第二直径;
基于所述第一直径和所述第二直径的比例确定缩放所述第一电镜扫描图像,得到的第二电镜扫描图像;
相应的,所述将所述第一电镜扫描图像输入至预先构建的图像识别模型组件中,得到所述第一电镜扫描图像中的各个第一区域块的组分,包括:
将所述第二电镜扫描图像输入至预先构建的图像识别模型组件中,得到所述第二电镜扫描图像中的各个第一区域块的组分。
进一步地,所述根据各个组分的预设比例要求,分别对各个所述区域块结构中的第二区域块添加组分标签,使得每层所述区域块结构中的各个组分满足预设比例要求,包括:
在所述多层区域块结构中按照预设顺序依次选取目标层;
在选取的所述目标层中随机选取两个第二区域块,将选取的所述两个第二区域块之间的第二区域块标记为碳纤维标签;
重复执行所述在选取的所述目标层中随机选取两个第二区域块,将选取的所述两个第二区域块之间的第二区域块标记为碳纤维标签的步骤,直至所述目标层的碳纤维的面积比例达到预设面积比例;
获取所述目标层中碳纤维的节点所在的节点区域块,将所述节点区域块周围的未被标注的第二区域块标记为粘接剂标签,所述碳纤维的节点为不同方向的连续碳纤维标签的交差点;
将所述粘接剂标签周围的未被标注的第二区域块标记为疏水剂标签。
进一步地,所述将所述粘接剂标签周围的未被标注的第二区域块标记为疏水剂标签之后,所述方法还包括:
在所述多层区域块结构中重新选取目标层;
重复执行所述在选取的所述目标层中随机选取两个第二区域块,将选取的所述两个第二区域块之间的第二区域块标记为碳纤维标签的步骤。
另一方面,本发明提供一种图像三维重建装置,所述装置包括:
图像获取模块,用于获取质子交换膜燃料电池中气体扩散层的第一电镜扫描图像;
组分确定模块,用于将所述第一电镜扫描图像输入至预先构建的图像识别模型组件中,得到所述第一电镜扫描图像中的各个第一区域块的组分,所述图像识别模型组件用于将所述第一电镜扫描图像划分为多个相互连接的第一区域块,并预测出每个所述第一区域块的组分;
还原模块,用于基于所述第一电镜扫描图像中的各个第一区域块的组分以及所述第一区域块的厚度还原出单层碳纤维结构;
三维重建模块,用于基于所述单层碳纤维结构重构出三维气体扩散层,所述三维气体扩散层包括单层碳纤维结构和多层区域块结构,每层所述区域块结构包括与所述第一区域块对应的第二区域块以及每个所述第二区域块的组分,所述第二区域块的厚度与所述第一区域块的厚度的差值小于预设厚度阈值。
另一方面,本发明提供一种电子设备,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现如上述所述的图像三维重建方法。
再一方面,本发明提供一种计算机可读存储介质,当所述计算机可读存储介质中的指令由图像三维重建装置/电子设备的处理器执行时,使得所述图像三维重建装置/电子设备能够执行如上述所述的图像三维重建。
本申请的实施,具有如下有益效果:
本申请提供的图像三维重建方法、装置、设备及介质,通过电镜扫描可以得到对应的气体扩散层的第一电镜扫描图像,并通过预先构建的图像识别模型组件识别出第一电镜扫描图像中各个组分的所在的第一区域块,识别各个组分更加准确,同时可以对每个第一区域块添加厚度,该厚度可以将二维的第一区域块还原为三维的区域块,从而实现第一电镜扫描图像中单层碳纤维结构的还原,而后可以在单层碳纤维结构的基础上重建出用户设定厚度的三维气体扩散层,该三维气体扩散层更加贴合实际气体扩散层中碳纤维等组分的分布及占比,确保通过该重建的三维气体扩散层计算相应的性能情况更加准确,进而推动氢能电池的快速发展。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1是本申请实施例提供的一种图像三维重建方法的流程示意图;
图2是本申请实施例提供的一种第一电镜扫描图像的示意图;
图3是本申请实施例提供的又一种图像三维重建方法的流程示意图;
图4是本发明实施例提供的一种图像三维重建装置的结构示意图;
图5是本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、装置、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为了更好的理解本申请,现对以及技术术语进行解释说明:
为了实现本申请的技术方案,让更多的工程技术工作者容易了解和应用本申请,将结合具体的实施例,进一步阐述本申请的工作原理。
以下介绍本申请一种图像三维重建方法的实施例,图1是本申请实施例提供的一种图像三维重建方法的流程示意图,本说明书提供了如实施例或流程图所述的方法操作步骤,但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式,不代表唯一的执行顺序。具体的,如图1所示,该方案的执行主体可以是终端,该终端可以与电镜扫描的仪器通信,所述方法可以包括:
S102、获取质子交换膜燃料电池中气体扩散层的第一电镜扫描图像。
具体的,气体扩散层的组分主要包括碳纤维、粘接剂(酚醛树脂)、疏水剂(聚四氟乙烯)以及一些其他添加剂等。
第一电镜扫描图像可以是上述电镜扫描的仪器采集的质子交换膜燃料电池中气体扩散层的电镜图像,该第一电镜扫描图像中可以包括上述组分的图像。其中,第一电镜扫描图像还可以有碳纤维架构形成的间隙。
如图2所示,图2是本申请实施例提供的一种第一电镜扫描图像的示意图,可以看出,第一电镜扫描图像是针对气体扩散层的上表面或下表面,可以理解的是,气体扩散层是多层的碳纤维通过粘接剂粘接而成,相应的,在第一电镜扫描图像中可以采集到多个层的碳纤维对应的图像。
S104、将所述第一电镜扫描图像输入至预先构建的图像识别模型组件中,得到所述第一电镜扫描图像中的各个第一区域块的组分。
在一个可选的实施例中,基于所述单层碳纤维结构重构出三维气体扩散层之前,所述方法还包括:基于各个所述第一区域块的组分为对应的所述第一区域块添加组分标签。
具体的,图像识别模型组件用于将第一电镜扫描图像划分为多个相互连接的第一区域块,并标注出每个第一区域块的组分对应的组分标签,第一区域块中仅包含一种组分,组分包括:碳纤维、疏水剂、粘接剂和间隙,组分标签包括碳纤维标签、疏水剂标签、粘接剂标签和间隙标签。
具体的,所述图像识别模型组件是根据如下方式建立的:
获取多组样本电镜扫描图像,标注出所述样本电镜扫描图像中各个组分的边界信息;
具体的,首先可以对第一电镜扫描图像进行分类和特征提取,以确定出第一电镜扫描图像中每种组分的边界信息,分类的目的是针对不同的样本电镜扫描图像的样本训练图像识别模型组件,特征提取前期可以通过人工的方式对样本电镜扫描图像的样本进行处理,划分碳纤维、粘接剂和疏水剂的边界信息。
将所述样本电镜扫描图像划分为多个第一区域块。
基于所述各个组分的边界信息确定每个第一区域块的组分。
具体的,可以根据碳纤维直径的大小对第二电镜扫描图像进行划分,划分出多个面积相同的第一区域块。每个第一区域块的组分有且仅有一种。
在一个可选的实施例中,当第一区域块对应的组分有两种以上时,可以根据每种组分的面积的大小确定出该第一区域块的组分,即第一区域块中面积最大的组分作为该第一区域块的组分。
建立所述图像识别模型组件,其中,所述图像识别模型组件中包括多个模型参数。
将所述多组第二电镜扫描图像作为所述图像识别模型组件的输入数据,将所述对应的每个第一区域块的组分作为所述图像识别模型组件的输出数据,调整所述图像识别模型组件的所述模型参数,直至所述图像识别模型组件达到预设要求。
具体的,图像识别模型组件中可以采用UNet语义分割技术识别各个组分的边界信息。
在一个可选的实施例中,图像识别模型组件可以包括输入层:用于第二电镜扫描图像的输入;卷积层:使用卷积核进行各个组分提取和特征映射;激励层(激活函数):由于卷积也是一种线性运算,因此需要增加非线性映射,其中本说明书实施例中采用Relu函数作为激活函数;池化层:进行下采样,对特征图稀疏处理,减少数据运算量;全连接层:用于进行重新拟合,减少特征信息的损失。
具体地,可以建立图像识别模型组件,图像识别模型组件中包括多个模型参数,模型参数可以表示约束条件,具体可以根据专家经验等进行设置。可以利用上述多组第二电镜扫描图像,对图像识别模型组件进行模型训练,第二电镜扫描图像中可以包括各个组分的边界信息或各个第一区域块对应的组分。将多组第二电镜扫描图像中的各个组分作为图像识别模型组件的输入,将第二电镜扫描图像对应的各个第一区域块对应的组分作为输出,对图像识别模型组件中的模型参数进行不断的调整,直至图像识别模型组件达到预设要求如:满足预设精度、模型参数调整次数满足预设次数要求,则完成模型训练。具体可以参考机器学习算法如:GBDT(Gradient Boosting Decision Tree,梯度提升决策树)算法等进行模型训练。
基于多组第二电镜扫描图像进行模型训练,构建图像识别模型组件,图像识别模型组件可以识别出扫描电镜图像中不显著的组分,可以提高组分确定的准确性。将第一电镜扫描图像输入到训练好的图像识别模型组件后,可以输出得到第一电镜扫描图像中的各个第一区域块的组分。
S106、基于所述第一电镜扫描图像中的各个第一区域块的组分以及所述第一区域块的厚度还原出单层碳纤维结构。
具体的,第一区域块的厚度可以使用用户指定的,也是可以是根据碳纤维的直径确定的,第一区域块的厚度应大于碳纤维的直径。在确定第一区域块的厚度后,可以将各个第一区域块还原成三维的区域块,即第一区域块是二维的,还原后的单层碳纤维结构中包括与每个第一区域块一一对应的三维的区域块。
S108、基于所述单层碳纤维结构重构出三维气体扩散层,所述三维气体扩散层包括单层碳纤维结构和多层区域块结构。
具体的,每层所述区域块结构包括与所述第一区域块对应的第二区域块以及每个所述第二区域块的组分,所述第二区域块的厚度与所述第一区域块的厚度的差值小于预设厚度阈值。
具体的,三维气体扩散层可以理解为真实的气体扩散层,真实的气体扩散层中由多层碳纤维结构拼接构成。三维气体扩散层的厚度可以与真实的气体扩散层对应,即真实的气体扩散层的厚度为10um,则三维气体扩散层也为10um。不同的区域块结构的厚度可以与单层碳纤维结构的厚度不同,两者的差值可以小于预设厚度阈值,其中,预设厚度阈值在本说明书实施例中不做具体限定,可以根据实际需要进行设置。
本说明书实施例提供的图像三维重建方法,可以通过电镜扫描可以得到对应的气体扩散层的第一电镜扫描图像,并通过预先构建的图像识别模型组件识别出第一电镜扫描图像中各个组分的所在的第一区域块,识别各个组分更加准确,同时可以对每个第一区域块添加厚度,该厚度可以将二维的第一区域块还原为三维的区域块,从而实现第一电镜扫描图像中单层碳纤维结构的还原,同时还能够保证还原出的单层碳纤维结构更加准确,降低误差,而后可以在单层碳纤维结构的基础上重建出用户设定厚度的三维气体扩散层,该三维气体扩散层更加贴合实际气体扩散层中碳纤维等组分的分布及占比,确保通过该重建的三维气体扩散层计算相应的性能情况更加准确,进而推动氢能电池的快速发展。
在上述实施例基础上,本说明书一个实施例中,所述基于所述第一电镜扫描图像中的各个第一区域块的组分以及所述第一区域块的厚度还原出单层碳纤维结构,包括:
根据所述第一电镜扫描图像中的各个组分对应的第一区域块的数量,确定出各个组分各自对应的面积比例;
具体的,本说明书实施例可以通过统计不同第一区域块的组分的数量,并根据各个组分的数量确定出各个组分的面积,如第一区域块的面积为1个单位,例如1个单位为1平方厘米,其中碳纤维、疏水剂、粘接剂和间隙的数量分别是45个、10个、15个、30个,其中单个数量对应的面积均是相同的,即一个数量的碳纤维、一个数量的疏水剂、一个数量的粘接剂和一个数量的间隙对应的面积均是相同的,则碳纤维、疏水剂、粘接剂和间隙对应的面积分别为:0.45平方厘米、0.10平方厘米、0.15平方厘米、0.30平方厘米,即碳纤维、疏水剂、粘接剂和间隙对应的面积比例分别为:45%、10%、15%、30%。
基于所述各个组分各自对应的面积比例,确定所述单层碳纤维结构的厚度。
基于所述单层碳纤维结构的厚度还原出单层碳纤维结构。
具体的,单层碳纤维结构中各个组分的面积比例不同,所对应的厚度也是不同的,如,碳纤维、疏水剂、粘接剂和间隙对应的面积比例分别为:45%、10%、15%、30%,通过查表可以确定对应的厚度为2um;如碳纤维、疏水剂、粘接剂和间隙对应的面积比例分别为:30%:13%:11%:46%,通过查表可以确定对应的厚度为3um。即本说明书实施例不同面积比例对应的单层碳纤维结构的厚度可以预先建立对应的关系,也就是说,各个组分不同的面积比例可以对应有不同的单层碳纤维结构的厚度,在实际应用中可以通过查表等方式根据面积比例确定单层碳纤维结构的厚度。在一个可选的实施例中,单层碳纤维结构的厚度可以是根据碳纤维的面积比例确定出的,如碳纤维的面积比例为20%,则单层碳纤维结构的厚度为2um,碳纤维的面积比例为30%,则单层碳纤维结构的厚度为3um。上述表中可以存储有不同组分的面积比例和与其对应的厚度关系,也就是说,该表可以是预先建立,如厚度是3,对应的面积比例可以是30%:13%:11%:46%、30%:20%:10%:40%、20%:20%:15%:45%等。在实际应用中可以通过查表直接比对的方式确定对应的厚度。
本说明书实施例提供的图像三维重建方法可以通过各个组分的面积比例确定出单层碳纤维结构的厚度,更加符合气体扩散层的生成过程,同时使用上述单层碳纤维结构的厚度还原出的三维气体扩散层更加准确,提高三维气体扩散层重建的准确性。
在上述实施例基础上,本说明书一个实施例中,图3是本申请实施例提供的又一种图像三维重建方法的流程示意图,如图3所示,所述基于所述单层碳纤维结构重构出符合预设厚度的三维气体扩散层,包括:
S302、基于预设厚度以及各个所述第一区域块的厚度确定出所述三维气体扩散层的层数。
具体的,预设厚度可以是用户指定的,在实际应用中,用户指定厚度后,可以使用该预设厚度除以第一区域块的厚度,进而确定出三维气体扩散层的层数。如预设厚度为20um,第一区域块的厚度为2um,则可以确定出三维气体扩散层的层数为10层。当预设厚度不能够整除第一区域块的厚度时,可以采用增加一层的方式确定三维气体扩散层的层数,如预设厚度为20um,第一区域块的厚度为3um,则可以确定出三维气体扩散层的层数为7层。
S304、以所述单层碳纤维结构为首层碳纤维结构,依次在所述首层碳纤维结上铺设多层区域块结构,直至所述区域块结构的层数和所述单层碳纤维结构的层数的和达到所述三维气体扩散层的层数,所述区域块结构中包括多个未被添加组分标签的第二区域块。
具体的,第二区域块可以是具有厚度的,每个第二区域块可以与第一区域块一一对应,即第二区域块可以是堆叠在对应的三维的第一区域块上。
S306、根据各个组分的预设比例要求,分别对各个所述区域块结构中的第二区域块添加组分标签,使得每层所述区域块结构中的各个组分满足所述预设比例要求,得到所述三维气体扩散层。
在一个可选的实施例中,所述根据各个组分的预设比例要求,分别对各个所述区域块结构中的第二区域块添加组分标签,使得每层所述区域块结构中的各个组分满足预设比例要求,包括:
在所述多层区域块结构中按照预设顺序依次选取目标层。
具体的,可以将多层区域块结构作为待选取目标层的集合,该集合中包括有各层区域块结构。在选取目标层时,可以在上述集合中选取任意一个子集对应的区域块结构作为目标层,选定后可以将该子集从集合中删除。
具体的,预设顺序可以是上述集合中各个子集的先后顺序。
在选取的所述目标层中随机选取两个第二区域块,将选取的所述两个第二区域块之间的第二区域块标记为碳纤维标签。
具体的,目标层中包括多个第二区域块,每个第二区域块可以以向量矩阵的形式存储,在实际应用中,可以在该向量矩阵中选取任意两个第二区域块,将选取的两个第二区域块之间的第二区域块标注为碳纤维标签。
重复执行所述在选取的所述目标层中随机选取两个第二区域块,将选取的所述两个第二区域块之间的第二区域块标记为碳纤维标签的步骤,直至所述目标层的碳纤维的面积比例达到预设面积比例。
具体的,目标层的碳纤维的面积比例是基于具有碳纤维标签的第二区域块的数量确定的。预设面积比例可以是用户设定的,也可以是单层碳纤维结构中碳纤维的面积比例。
获取所述目标层中碳纤维的节点所在的节点区域块,将所述节点区域块周围的未被标注的第二区域块标记为粘接剂标签,所述碳纤维的节点为不同方向的连续碳纤维标签的交差点。
具体的,节点区域块可以理解为对应的第二区域块的周围存在有至少两个具有碳纤维标签的第二区域块,可以理解的是,第二区域块的周围的第二区域块是直接连接的。在实际应用中,可以将节点区域块周围的未被标注的第二区域块标注为粘接剂标签。上述步骤可以理解为,在碳纤维节点处布置粘接剂,根据首层特征随机排布,按照预测厚度生成立体结构,直到粘接剂比例达到首层分布比例。
将所述粘接剂标签周围的未被标注的第二区域块标记为疏水剂标签。
在一个可选的实施例中,所述将所述粘接剂标签周围的未被标注的第二区域块标记为疏水剂标签之后,所述方法还包括:
在所述多层区域块结构中重新选取目标层;
重复执行所述在选取的所述目标层中随机选取两个第二区域块,将选取的所述两个第二区域块之间的第二区域块标记为碳纤维标签的步骤。
在一个可选的实施例中,上述方法还包括:将未被添加标签的第二区域块添加间隙标签。
本说明书实施例根据气体扩散层热压过程表面特征与三维特征的关联,通过对燃料电池气体扩散层表面多个组分分布以及生长规律的准确识别与归纳,可以建立对整个气体扩散层三维结构的还原,保证还原的准确性。
在上述实施例基础上,本说明书一个实施例中,所述方法还包括:
获取所述三维气体扩散层中各个组分对应的所述第一区域块的个数、各个组分对应的所述第二区域块的个数以及各个组分对应的密度。
具体的,各个组分对应的密度可以是预先设定的,如:空气密度为0kg/m3,碳纤维与粘接剂均为碳,密度为1kg/m3,疏水剂密度为3kg/m3。
基于所述各个组分对应的所述第一区域块的个数、各个组分对应的所述第二区域块的个数以及各个组分对应的密度,计算所述三维气体扩散层对应的真实三维气体扩散层的第一质量。
获取所述第一电镜扫描图像对应的真实三维气体扩散层的第二质量;
在所述第一质量与所述第二质量差值小于预设质量阈值时,确定所述三维气体扩散层为所述真实三维气体扩散层对应的三维点云。
具体的,预设厚度的三维气体扩散层为V,单层碳纤维结构和多层区域块结构中共n个区域块,该区域块包括第一区域块和第二区域块,基于各个组分对应的区域块的数量,可以确定出预设厚度的三维气体扩散层密度为(n0*ρ0+(n1+n2)*ρ1+n3*ρ3)/n,故整体模型质量为((n*ρ0+(n1+n2)*ρ1+n3*ρ3)/n)*V/n。其中,n0为间隙标签的数量、ρ0为空气密度或间隙密度、n1为碳纤维标签的数量、n2为粘接剂标签的数量、ρ1碳纤维与粘接剂的密度、n3为疏水剂标签的数量、ρ3为疏水剂密度,n为区域块的总数量。在实际应用中,预设质量阈值可以理解是预先设定的。如,三维气体扩散层的质量与真实三维气体扩散层的质量差值不小于真实三维气体扩散层的质量的1%,即为合格输出,可以将各个区域块的对应的点云进行输出。可以理解的是,三维点云可以理解为上述向量矩阵,即每个区域块均对应有向量矩阵中的一个数据。三维点云是用于区分确定不同区域块之间的对应关系,如三维气体扩散层对应的三维点云为10(长)*10(宽)*9(高)的长方体,则区域块可以用(a,b,c)进行表示,如a对应层,b对应长,c对应宽。
本说明书实施例可以比较还原的三维气体扩散层和真实的气体扩散层的质量进行比较,在比较通过后可以输出还原的三维气体扩散层中各个区域块对应的三维点云,提高三维点云输出的准确性,同时保证基于三维点云计算气体扩散层性能的准确性。
在上述实施例基础上,本说明书一个实施例中,所述将所述第一电镜扫描图像输入至预先构建的图像识别模型组件中,得到所述第一电镜扫描图像中的各个第一区域块的组分之前,包括:
获取所述第一电镜扫描图像中碳纤维的第一直径以及所述第一电镜扫描图像对应的真实三维气体扩散层的碳纤维的第二直径;
基于所述第一直径和所述第二直径的比例确定缩放所述第一电镜扫描图像,得到的第二电镜扫描图像;
具体的,为了更好的计算各个第一区域块对应的组分,可以根据第一直径和第二直径的比例对第一电镜扫描图像进行等比例的缩小或放大。可以理解的是,输入的第一电镜扫描图像中由于电镜扫描与质子交换膜燃料电池中气体扩散层的距离是不同的,将会造成扫描出的不同的第一电镜扫描图像的比例各不相同。在实际应用中,在第一直径和第二直径的比例大于一时,可以对第一电镜扫描图像进行缩小,在第一直径和第二直径的比例小于一时,可以对第一电镜扫描图像进行等比例放大。
相应的,所述将所述第一电镜扫描图像输入至预先构建的图像识别模型组件中,得到所述第一电镜扫描图像中的各个第一区域块的组分,包括:
将所述第二电镜扫描图像输入至预先构建的图像识别模型组件中,得到所述第二电镜扫描图像中的各个第一区域块的组分。
本说明书实施例提供的图像三维重建方法通过第一电镜扫描图像中碳纤维的第一直径与第一电镜扫描图像对应的真实三维气体扩散层的碳纤维的第二直径确定出第一电镜扫描图像的缩放比例,得到与真实气体扩散层尺寸一致的图像,并通过图像识别模型组件识别出对应的第二电镜扫描图像中的各个第一区域块的组分,确保各个组分更准确的识别和确定,避免电镜扫描仪器缩放的比例不一致造成气体扩散层重建错误以及计算的性能指标偏差过大。
本发明是基于气体扩散层热压过程表面特征与三维特征的关联,通过对燃料电池气体扩散层表面多个组分分布以及生长规律的准确识别与归纳,可以建立对整个气体扩散层三维结构的还原。本方法的实施能够快速识别气体扩散层成品的多个组分,同时建立起与实际相符的气体扩散层三维结构,及时反馈组分生长规律给气体扩散层生产厂商,根据这些信息调整产品生产材料配比,指导气体扩散层及其他多孔介质等相关材料制造公司更好的规划工艺流程和制造方案。同时,为科研工作者提供准确的气体扩散层微结构参数,如碳纤维,粘接剂,疏水剂,孔隙的分布与生成规律,同时提高了提高重构模型的精度与多组分状况,使仿真研究更加贴近于真实情况。
上述方法可以应用在燃料电池气体扩散层产业以及到其他碳纸的多孔介质产业,可以解决石化,空气净化,纺织,造纸,宇航,原子能等领域中多孔介质的研究和制造难题,具有重大的科学意义与工业价值。
另一方面,本发明提供一种图像三维重建装置,图4是本发明实施例提供的一种图像三维重建装置的结构示意图,参照图4,该装置可以包括:
图像获取模块401,用于获取质子交换膜燃料电池中气体扩散层的第一电镜扫描图像;
组分确定模块402,用于将所述第一电镜扫描图像输入至预先构建的图像识别模型组件中,得到所述第一电镜扫描图像中的各个第一区域块的组分,所述图像识别模型组件用于将所述第一电镜扫描图像划分为多个相互连接的第一区域块,并预测出每个所述第一区域块的组分;
还原模块403,用于基于所述第一电镜扫描图像中的各个第一区域块的组分以及所述第一区域块的厚度还原出单层碳纤维结构;
三维重建模块404,用于基于所述单层碳纤维结构重构出三维气体扩散层,所述三维气体扩散层包括单层碳纤维结构和多层区域块结构,每层所述区域块结构包括与所述第一区域块对应的第二区域块以及每个所述第二区域块的组分,所述第二区域块的厚度与所述第一区域块的厚度的差值小于预设厚度阈值。
需要说明的是,上述实施例提供的装置,在实现其功能时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的装置与方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
另一方面,图5是本发明实施例提供的一种电子设备的结构示意图,如图5所示,本发明提供一种所述图像三维重建方法的电子设备,所述设备包括处理器和存储器,所述存储器中存储有至少一条指令或者至少一段程序,所述至少一条指令或者至少一段程序由所述处理器加载并执行以实现如上述所述的图像三维重建方法。
上述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、该至少一段程序、该代码集或指令集可由电子设备的处理器执行以完成上述所述的图像三维重建方法。
可选地,在本发明实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,该计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置、电子设备和存储介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。本发明实施例所提供测试方法,其实现原理及产生的技术效果和前述系统实施例相同,为简要描述,方法实施例部分未提及之处,可参考前述系统实施例中相应内容。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以上述权利要求的保护范围为准。

Claims (10)

1.一种图像三维重建方法,其特征在于,所述方法包括:
获取质子交换膜燃料电池中气体扩散层的第一电镜扫描图像;
将所述第一电镜扫描图像输入至预先构建的图像识别模型组件中,得到所述第一电镜扫描图像中的各个第一区域块的组分,所述图像识别模型组件用于将所述第一电镜扫描图像划分为多个相互连接的第一区域块,并预测出每个所述第一区域块的组分;
基于所述第一电镜扫描图像中的各个第一区域块的组分以及所述第一区域块的厚度还原出单层碳纤维结构;
基于所述单层碳纤维结构重构出三维气体扩散层,所述三维气体扩散层包括单层碳纤维结构和多层区域块结构,每层所述区域块结构包括与所述第一区域块对应的第二区域块以及每个所述第二区域块的组分,所述第二区域块的厚度与所述第一区域块的厚度的差值小于预设厚度阈值。
2.根据权利要求1所述图像三维重建方法,其特征在于,所述基于所述第一电镜扫描图像中的各个第一区域块的组分以及所述第一区域块的厚度还原出单层碳纤维结构,包括:
根据所述第一电镜扫描图像中的各个组分对应的第一区域块的数量,确定出各个组分各自对应的面积比例;
基于所述各个组分各自对应的面积比例,确定所述单层碳纤维结构的厚度;
基于所述单层碳纤维结构的厚度还原出单层碳纤维结构。
3.根据权利要求1所述图像三维重建方法,其特征在于,所述基于所述单层碳纤维结构重构出三维气体扩散层之前,所述方法还包括:
基于各个所述第一区域块的组分为对应的所述第一区域块添加组分标签;
所述基于所述单层碳纤维结构重构出三维气体扩散层,包括:
基于预设厚度以及各个所述第一区域块的厚度确定出所述三维气体扩散层的层数;
以所述单层碳纤维结构为首层碳纤维结构,依次在所述首层碳纤维结上铺设多层区域块结构,直至所述区域块结构的层数和所述单层碳纤维结构的层数的和达到所述三维气体扩散层的层数,所述区域块结构中包括多个未被添加组分标签的第二区域块;
根据各个组分的预设比例要求,分别对各个所述区域块结构中的第二区域块添加组分标签,使得每层所述区域块结构中的各个组分满足所述预设比例要求,得到所述三维气体扩散层。
4.根据权利要求1所述图像三维重建方法,其特征在于,所述方法还包括:
获取所述三维气体扩散层中各个组分对应的所述第一区域块的个数、各个组分对应的所述第二区域块的个数以及各个组分对应的密度;
基于所述各个组分对应的所述第一区域块的个数、各个组分对应的所述第二区域块的个数以及各个组分对应的密度,计算所述三维气体扩散层对应的真实三维气体扩散层的第一质量;
获取所述第一电镜扫描图像对应的真实三维气体扩散层的第二质量;
在所述第一质量与所述第二质量差值小于预设质量阈值时,确定所述三维气体扩散层为所述真实三维气体扩散层对应的三维点云。
5.根据权利要求1所述图像三维重建方法,其特征在于,所述将所述第一电镜扫描图像输入至预先构建的图像识别模型组件中,得到所述第一电镜扫描图像中的各个第一区域块的组分之前,包括:
获取所述第一电镜扫描图像中碳纤维的第一直径以及所述第一电镜扫描图像对应的真实三维气体扩散层的碳纤维的第二直径;
基于所述第一直径和所述第二直径的比例确定缩放所述第一电镜扫描图像,得到的第二电镜扫描图像;
相应的,所述将所述第一电镜扫描图像输入至预先构建的图像识别模型组件中,得到所述第一电镜扫描图像中的各个第一区域块的组分,包括:
将所述第二电镜扫描图像输入至预先构建的图像识别模型组件中,得到所述第二电镜扫描图像中的各个第一区域块的组分。
6.根据权利要求3所述图像三维重建方法,其特征在于,所述根据各个组分的预设比例要求,分别对各个所述区域块结构中的第二区域块添加组分标签,使得每层所述区域块结构中的各个组分满足预设比例要求,包括:
在所述多层区域块结构中按照预设顺序依次选取目标层;
在选取的所述目标层中随机选取两个第二区域块,将选取的所述两个第二区域块之间的第二区域块标记为碳纤维标签;
重复执行所述在选取的所述目标层中随机选取两个第二区域块,将选取的所述两个第二区域块之间的第二区域块标记为碳纤维标签的步骤,直至所述目标层的碳纤维的面积比例达到预设面积比例;
获取所述目标层中碳纤维的节点所在的节点区域块,将所述节点区域块周围的未被标注的第二区域块标记为粘接剂标签,所述碳纤维的节点为不同方向的连续碳纤维标签的交差点;
将所述粘接剂标签周围的未被标注的第二区域块标记为疏水剂标签。
7.根据权利要求6所述图像三维重建方法,其特征在于,所述将所述粘接剂标签周围的未被标注的第二区域块标记为疏水剂标签之后,所述方法还包括:
在所述多层区域块结构中重新选取目标层;
重复执行所述在选取的所述目标层中随机选取两个第二区域块,将选取的所述两个第二区域块之间的第二区域块标记为碳纤维标签的步骤。
8.一种图像三维重建装置,其特征在于,所述装置包括:
图像获取模块,用于获取质子交换膜燃料电池中气体扩散层的第一电镜扫描图像;
组分确定模块,用于将所述第一电镜扫描图像输入至预先构建的图像识别模型组件中,得到所述第一电镜扫描图像中的各个第一区域块的组分,所述图像识别模型组件用于将所述第一电镜扫描图像划分为多个相互连接的第一区域块,并预测出每个所述第一区域块的组分;
还原模块,用于基于所述第一电镜扫描图像中的各个第一区域块的组分以及所述第一区域块的厚度还原出单层碳纤维结构;
三维重建模块,用于基于所述单层碳纤维结构重构出三维气体扩散层,所述三维气体扩散层包括单层碳纤维结构和多层区域块结构,每层所述区域块结构包括与所述第一区域块对应的第二区域块以及每个所述第二区域块的组分,所述第二区域块的厚度与所述第一区域块的厚度的差值小于预设厚度阈值。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有至少一条指令或至少一段程序,所述至少一条指令或至少一段程序由处理器加载并执行以实现如权利要求1-7中任一项所述图像三维重建方法。
10.一种电子设备,其特征在于,包括至少一个处理器,以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述至少一个处理器通过执行所述存储器存储的指令实现如权利要求1-7中任一项所述图像三维重建方法。
CN202210146118.XA 2022-02-17 2022-02-17 图像三维重建方法、装置、设备及介质 Pending CN114565716A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210146118.XA CN114565716A (zh) 2022-02-17 2022-02-17 图像三维重建方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210146118.XA CN114565716A (zh) 2022-02-17 2022-02-17 图像三维重建方法、装置、设备及介质

Publications (1)

Publication Number Publication Date
CN114565716A true CN114565716A (zh) 2022-05-31

Family

ID=81714744

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210146118.XA Pending CN114565716A (zh) 2022-02-17 2022-02-17 图像三维重建方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN114565716A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115017741A (zh) * 2022-08-05 2022-09-06 中汽研新能源汽车检验中心(天津)有限公司 一种燃料电池气体扩散层的重构方法、装置和电子设备
CN116524123A (zh) * 2023-04-20 2023-08-01 深圳市元甪科技有限公司 一种三维电阻抗断层扫描图像重建方法及相关设备

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115017741A (zh) * 2022-08-05 2022-09-06 中汽研新能源汽车检验中心(天津)有限公司 一种燃料电池气体扩散层的重构方法、装置和电子设备
CN115017741B (zh) * 2022-08-05 2022-12-06 中汽研新能源汽车检验中心(天津)有限公司 一种燃料电池气体扩散层的重构方法、装置和电子设备
CN116524123A (zh) * 2023-04-20 2023-08-01 深圳市元甪科技有限公司 一种三维电阻抗断层扫描图像重建方法及相关设备
CN116524123B (zh) * 2023-04-20 2024-02-13 深圳市元甪科技有限公司 一种三维电阻抗断层扫描图像重建方法及相关设备

Similar Documents

Publication Publication Date Title
CN114565716A (zh) 图像三维重建方法、装置、设备及介质
Shojaeefard et al. A review on microstructure reconstruction of PEM fuel cells porous electrodes for pore scale simulation
Fadzillah et al. Review on microstructure modelling of a gas diffusion layer for proton exchange membrane fuel cells
Shanian et al. TOPSIS multiple-criteria decision support analysis for material selection of metallic bipolar plates for polymer electrolyte fuel cell
Rama et al. An X-ray tomography based lattice Boltzmann simulation study on gas diffusion layers of polymer electrolyte fuel cells
Roberts et al. Insights into lithium-ion battery degradation and safety mechanisms from mesoscale simulations using experimentally reconstructed mesostructures
Aureli et al. On the capacitance-boost of ionic polymer metal composites due to electroless plating: theory and experiments
Froning et al. Impact of compression on gas transport in non-woven gas diffusion layers of high temperature polymer electrolyte fuel cells
Brus et al. Combining structural, electrochemical, and numerical studies to investigate the relation between microstructure and the stack performance
Wang et al. Effect of binder and compression on the transport parameters of a multilayer gas diffusion layer
Cruz-Manzo et al. Inductive effect on the fuel cell cathode impedance spectrum at high frequencies
Dujc et al. Modeling the effects of using gas diffusion layers with patterned wettability for advanced water management in proton exchange membrane fuel cells
Hwang et al. Integrated application of semantic segmentation-assisted deep learning to quantitative multi-phased microstructural analysis in composite materials: Case study of cathode composite materials of solid oxide fuel cells
Froning et al. Stochastic aspects of mass transport in gas diffusion layers
Liu et al. Predicting elastic modulus of porous La0. 6Sr0. 4Co0. 2Fe0. 8O3-δ cathodes from microstructures via FEM and deep learning
Brus et al. An anisotropic microstructure evolution in a solid oxide fuel cell anode
Jiao et al. Two-phase flow in porous electrodes of proton exchange membrane fuel cell
CN115270633A (zh) 燃料电池三维物理场的预测方法、系统、设备及介质
Tjaden et al. Contradictory concepts in tortuosity determination in porous media in electrochemical devices
Khatoonabadi et al. Insights on the interaction of serpentine channels and gas diffusion layer in an operating polymer electrolyte fuel cell: Numerical modeling across scales
Wang et al. Degradation characteristics of membrane electrode assembly under drive cycle test protocol
He et al. Three-dimensional numerical simulation of solid oxide fuel cell cathode based on lattice Boltzmann method with sub-grid scale models
Meiler et al. An empirical stationary fuel cell model using limited experimental data for identification
Wang Microscale correlations adoption in solid oxide fuel cell
Kishimoto Three-dimensional microstructure of solid oxide fuel cell anode: observation, quantification, and application to numerical analysis

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