CN114913521A - 一种计算钝化金属极化腐蚀后表面点蚀坑直径分布的方法 - Google Patents
一种计算钝化金属极化腐蚀后表面点蚀坑直径分布的方法 Download PDFInfo
- Publication number
- CN114913521A CN114913521A CN202210420270.2A CN202210420270A CN114913521A CN 114913521 A CN114913521 A CN 114913521A CN 202210420270 A CN202210420270 A CN 202210420270A CN 114913521 A CN114913521 A CN 114913521A
- Authority
- CN
- China
- Prior art keywords
- pitting
- pit
- calculating
- pits
- independent
- 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.)
- Granted
Links
- 230000007797 corrosion Effects 0.000 title claims abstract description 35
- 238000005260 corrosion Methods 0.000 title claims abstract description 35
- 239000002184 metal Substances 0.000 title claims abstract description 34
- 229910052751 metal Inorganic materials 0.000 title claims abstract description 34
- 238000000034 method Methods 0.000 title claims abstract description 26
- 230000010287 polarization Effects 0.000 title claims abstract description 23
- 239000002131 composite material Substances 0.000 claims abstract description 25
- 238000003709 image segmentation Methods 0.000 claims abstract description 9
- 238000012549 training Methods 0.000 claims abstract description 7
- 238000004364 calculation method Methods 0.000 claims description 13
- 239000012535 impurity Substances 0.000 claims description 2
- 230000011218 segmentation Effects 0.000 claims description 2
- 238000011156 evaluation Methods 0.000 abstract description 5
- 238000011160 research Methods 0.000 abstract description 3
- 238000005530 etching Methods 0.000 abstract 2
- 238000012360 testing method Methods 0.000 description 8
- 238000002161 passivation Methods 0.000 description 7
- 239000000243 solution Substances 0.000 description 4
- VEXZGXHMUGYJMC-UHFFFAOYSA-M Chloride anion Chemical compound [Cl-] VEXZGXHMUGYJMC-UHFFFAOYSA-M 0.000 description 2
- FAPWRFPIFSIZLT-UHFFFAOYSA-M Sodium chloride Chemical compound [Na+].[Cl-] FAPWRFPIFSIZLT-UHFFFAOYSA-M 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 238000006056 electrooxidation reaction Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000002791 soaking Methods 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- WFKWXMTUELFFGS-UHFFFAOYSA-N tungsten Chemical compound [W] WFKWXMTUELFFGS-UHFFFAOYSA-N 0.000 description 2
- 229910052721 tungsten Inorganic materials 0.000 description 2
- 239000010937 tungsten Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- ZOMNIUBKTOKEHS-UHFFFAOYSA-L dimercury dichloride Chemical class Cl[Hg][Hg]Cl ZOMNIUBKTOKEHS-UHFFFAOYSA-L 0.000 description 1
- 238000003487 electrochemical reaction Methods 0.000 description 1
- 238000003411 electrode reaction Methods 0.000 description 1
- 239000008151 electrolyte solution Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 229910001105 martensitic stainless steel Inorganic materials 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- BASFCYQUMIYNBI-UHFFFAOYSA-N platinum Chemical compound [Pt] BASFCYQUMIYNBI-UHFFFAOYSA-N 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 239000013535 sea water Substances 0.000 description 1
- 239000011780 sodium chloride Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Investigating And Analyzing Materials By Characteristic Methods (AREA)
Abstract
本发明涉及一种计算钝化金属极化腐蚀后表面点蚀坑直径分布的方法。首先,对电镜扫描原始图像进行人工标注,形成点蚀坑图像数据集,并进行点蚀坑图像分割网络训练;利用训练好的点蚀坑图像分割模型定位并提取点蚀坑信息;对提取出的点蚀坑进行分类;利用像素点计算每个A类独立点蚀坑面积,并将其等效为等面积圆,等效圆直径即为A类独立点蚀坑等效直径;提取B类复合点蚀簇轮廓,并将其拟合成多段光滑弧线,再将弧线拟合成封闭曲线,计算B类复合点蚀簇中每个组成点蚀坑的等效直径;最后对所有点蚀坑等效直径进行统计,得出点蚀坑直径分布直方图。本发明时间短、精度高,为后续金属耐点蚀性评估提供有效依据,具有重要的研究和应用价值。
Description
技术领域
本发明属于电化学腐蚀和图像识别领域,具体涉及一种计算钝化金属极化腐蚀后表面点蚀坑直径分布的方法。
背景技术
金属在腐蚀环境中初期的腐蚀行为主要取决于表面的钝化膜,致密的钝化膜一定程度上保护了零件免遭腐蚀的侵扰。但海水环境中存在大量具有侵蚀性的氯离子,长期浸泡氯离子会穿透钝化膜,形成点蚀主导的局部腐蚀。在电解质溶液中,金属与溶液之间会形成电极反应,电流密度反应电化学反应的速率,钝化膜被击穿时的电位反应了钝化膜的稳定性,动电位极化测试是一种加速模拟金属在腐蚀介质中长期浸泡腐蚀过程的实验方式,通过动电位极化法可以检测金属表面的腐蚀速率和钝化膜击穿的临界电位,进而评估金属在特定介质中抗点蚀的能力。
通常而言,钝化金属由于表面钝化膜的存在,在极化腐蚀后表面会形成大小不一、随机分布的点蚀坑,统计这些点蚀坑分布是衡量金属材料电化学腐蚀性能好坏最直观的方法。
统计极化测试后钝化金属表面所有点蚀坑的总面积是体现每个钝化金属试样所受点蚀破坏程度的一种方式,但每个试样表面的点蚀坑大小分布存在极大的偶然性,极端情况下,钝化金属表面一处薄弱处点蚀坑的大小可以与数十个钝化膜保护性较好处形成的点蚀坑总面积相当,一两处较大的点蚀坑并不能反映试样表面整体的耐蚀性,因此,用点蚀坑总面积来评估金属表面遭受点蚀程度具有一定的局限性;同时,金属表面点蚀坑形状不规则,且存在多个点蚀交错成群的现象,给计算单个点蚀坑直径带来了麻烦,常规方法难以有效计算其点蚀直径分布。
如何有效的提取极化腐蚀后钝化金属表面的点蚀坑分布,并合理计算每个独立点蚀坑和复合点蚀簇的点蚀直径是点蚀坑评估的一大难题。
基于以上问题,设计一种计算钝化金属极化腐蚀后表面点蚀坑直径分布的方法就显得很有必要。
发明内容
为了解决现有技术中的不足之处,本申请提出一种计算钝化金属极化腐蚀后表面点蚀坑直径分布的方法。
为了实现上述目的,本申请采取的技术方案如下:
一种计算钝化金属极化腐蚀后表面点蚀坑直径分布的方法,包括以下步骤:
S1、对电镜扫描原始图像进行人工标注标出点蚀坑图像,形成点蚀坑图像数据集,并进行点蚀坑图像分割网络训练;
S2、利用训练好的点蚀坑图像分割模型定位并提取点蚀坑信息,对提取出的点蚀坑进行分类,A类为独立点蚀坑,B类为复合点蚀簇;
S3、利用像素点计算每个A类独立点蚀坑面积,并将其等效为等面积圆,等效圆直径即为A类独立点蚀坑等效直径;
S4、提取B类复合点蚀簇轮廓,将其拟合成多段光滑弧线,每段弧线代表复合点蚀簇里一个组成点蚀坑,进一步将弧线拟合成封闭曲线,使用A类独立点蚀坑的计算方法分别计算B类复合点蚀簇中每个组成点蚀坑的等效直径;
S5、重复步骤S1-S4对其它原始图像中的点蚀坑进行提取、分类、计算,最后对所有点蚀坑等效直径进行统计,得出点蚀坑直径分布直方图。
其中,所述步骤S1中在对原始图像进行人工标注前,还需采用灰度化算法和高斯滤波对原始图像进行去噪处理,去除金属表面划痕和细小杂物的影响;对处理好的原始图像人工标注时,将点蚀坑区域设置为前景,其他区域设置为背景,在此基础上做点蚀坑图像数据集并进行分割网络训练,训练模型可采用U-Net图像分割网络模型;
其中,所述步骤S2中点蚀坑的分类采用人工分类,本领域的操作或技术人员可以仅凭自己的肉眼从所有点蚀坑中挑选出只存在明显类圆轮廓的点蚀坑,即为A类独立点蚀坑,其余点蚀则为B类复合点蚀簇。
其中,所述步骤S3中A类独立点蚀坑等效直径的计算步骤为:
1)利用图像软件统计原始图像的像素点总数PiMax,单位个;
2)根据原始图像上的比例尺计算单张原始图像总面积SN,N为第N张原始图像,单位μm2;
3)计算每个像素点所代表的实际面积SPi,单位μm2,计算公式为:
其中,所述步骤S4中B类复合点蚀坑轮廓的拟合方法为,在每段代表复合点蚀簇中组成点蚀的曲线中,每隔一定距离选取一个像素点,像素点的间隔距离主要取决于高轮廓线的像素点总数,像素点总数小于30,每隔两点取一点,像素点总数大于30的,每隔3点取一点,将选取出的像素点拟合为一条只有一个凹凸性的光滑弧线;
进一步的,将所有光滑弧线补足为封闭椭圆曲线,使用权利要求4中A类独立点蚀坑等效直径的计算方法计算每个B类复合点蚀簇中组成点蚀坑的等效直径。
本发明具有以下有益效果:
该方法除了点蚀坑图像数据集采集和点蚀坑分类需要占用少量人工时间,其余步骤都可借助计算机和图像算法完成,时间短、精度高,为后续金属耐点蚀性评估提供有效依据,具有重要的研究和应用价值。
附图说明
图1为本申请提出的一种计算钝化金属极化腐蚀后表面点蚀坑直径分布的方法流程示意图;
图2为本申请实施例中由普通相机拍摄的动电位极化测试后钝化金属表面宏观腐蚀形貌图。
图3为本申请实施例中一张由S-3400N型可变真空钨灯丝扫描电子显微镜拍摄的原始图像。
图4为本申请实施例中从原始图像图3中提取出的点蚀信息。
图5a为本申请实施例中的一个A类独立点蚀坑,图5b为本申请实施例中的一个B类复合点蚀簇。
图6为本申请实施例中图5b所示B类复合点蚀簇轮廓拟合与组成点蚀坑的拟合。
图7为本申请实施例中电位极化测试后钝化金属表面点蚀坑直径分布直方图。
具体实施方式
选择2Cr13马氏体不锈钢为研究对象,3.5wt.%NaCl溶液为腐蚀溶液,电化学工作站为CHI600,动电位极化测试采用的是典型的三电极系统,饱和甘汞溶液作参比电极,铂箔作对电极,初始电位-0.2Vvs.OCP,结束电位0.2V,扫描速率1mV/s。
使用华为P30手机自带相机拍摄动电位极化测试后钝化金属表面宏观腐蚀形貌图,如图2所示
使用S-3400N型可变真空钨灯丝扫描电子显微镜拍摄试样表面的微观腐蚀形貌,其中选取一张如图3所示。
使用训练好的U-Net图像分割网络模型提取图3中所有点蚀坑信息,并编号,如图4所示。
对图4中所有编号点蚀坑进行分类,图4共提取点蚀坑(簇)44个,其中A类独立点蚀坑41个,B类复合点蚀簇3个。
计算每个A类独立点蚀坑的等效点蚀直径。
以编号为1的独立点蚀坑为例,如图5a所示。首先通过Photoshop软件统计可得图4共计像素点427×392=167384个,通过扫描电镜拍摄图像自带的比例尺计算可得图3面积共559.21×526.35=294340.19μm2,计算可得每个像素点所代表的面积为294342.79/167384=1.7585μm2,通过Photoshop软件中魔棒工具选取独立点蚀坑A1,统计可得A1共占像素点1507,因此,计算可得独立点蚀坑A1的面积为其等效圆直径为使用相同方法可依次计算其余A类独立点蚀坑直径。
计算每个B类独立点蚀簇中组成点蚀坑的等效点蚀直径。
以编号为17的复合点蚀簇为例,该点蚀簇由两个点蚀坑组成,记为B17,如图5b所示。首先在该点蚀簇轮廓曲线上以任一拐点为起点,每隔三个像素点取一点,使用函数算法将这些轮廓点拟合为一个由两段光滑椭圆弧组成的封闭曲线,将这两段曲线分别记为l1和l2,如图6a所示;进一步的,分别将l1和l2补足为封闭椭圆曲线,如图6b所示。使用上述方法计算可得弧线l1和l2分别代表得B17复合点蚀簇两个组成点蚀坑得等效直径分别为29.17μm和30.60μm。
分别对其它原始图像进行点蚀提取、分类、计算,最后画出电位极化测试后钝化金属表面点蚀坑直径分布直方图,如图7所示。
利用该方法可以快速、精确的统计动电位极化测试后钝化金属表面点蚀坑直径分布,后续金属耐点蚀性评估提供有效依据。
Claims (5)
1.一种计算钝化金属极化腐蚀后表面点蚀坑直径分布的方法,其特征在于,具体步骤如下:
S1、对电镜扫描原始图像进行人工标注标出点蚀坑图像,形成点蚀坑图像数据集,并进行点蚀坑图像分割网络训练;
S2、利用训练好的点蚀坑图像分割模型定位并提取点蚀坑信息,对提取出的点蚀坑进行分类,A类为独立点蚀坑,B类为复合点蚀簇;
S3、利用像素点计算每个A类独立点蚀坑面积,并将其等效为等面积圆,等效圆直径即为A类独立点蚀坑等效直径;
S4、提取B类复合点蚀簇轮廓,将其拟合成多段光滑弧线,每段弧线代表复合点蚀簇里一个组成点蚀坑,进一步将弧线拟合成封闭曲线,使用A类独立点蚀坑的计算方法分别计算B类复合点蚀簇中每个组成点蚀坑的等效直径;
S5、重复步骤S1-S4对其它原始图像中的点蚀坑进行提取、分类、计算,最后对所有点蚀坑等效直径进行统计,得出点蚀坑直径分布直方图。
2.如权利要求1所述的一种计算钝化金属极化腐蚀后表面点蚀坑直径分布的方法,其特征在于,步骤S1中,在对原始图像进行人工标注前,还需采用灰度化算法和高斯滤波对原始图像进行去噪处理,去除金属表面划痕和细小杂物的影响;对处理好的原始图像人工标注时,将点蚀坑区域设置为前景,其他区域设置为背景,在此基础上做点蚀坑图像数据集并进行分割网络训练,训练模型采用U-Net图像分割网络模型。
3.如权利要求1所述的一种计算钝化金属极化腐蚀后表面点蚀坑直径分布的方法,其特征在于,步骤S2中,点蚀坑的分类采用人工分类,本领域的操作或技术人员可以仅凭自己的肉眼从所有点蚀坑中挑选出只存在明显类圆轮廓的点蚀坑,即为A类独立点蚀坑,其余点蚀则为B类复合点蚀簇。
5.如权利要求1所述的一种计算钝化金属极化腐蚀后表面点蚀坑直径分布的方法,其特征在于,步骤S4中,B类复合点蚀坑轮廓的拟合方法为,在每段代表复合点蚀簇中组成点蚀的曲线中,每隔一定距离选取一个像素点,像素点的间隔距离主要取决于高轮廓线的像素点总数,像素点总数小于30,每隔两点取一点,像素点总数大于30的,每隔3点取一点,将选取出的像素点拟合为一条只有一个凹凸性的光滑弧线;进一步的,将所有光滑弧线补足为封闭椭圆曲线,使用A类独立点蚀坑等效直径的计算方法计算每个B类复合点蚀簇中组成点蚀坑的等效直径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210420270.2A CN114913521B (zh) | 2022-04-21 | 2022-04-21 | 一种计算钝化金属极化腐蚀后表面点蚀坑直径分布的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210420270.2A CN114913521B (zh) | 2022-04-21 | 2022-04-21 | 一种计算钝化金属极化腐蚀后表面点蚀坑直径分布的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114913521A true CN114913521A (zh) | 2022-08-16 |
CN114913521B CN114913521B (zh) | 2024-03-19 |
Family
ID=82763895
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210420270.2A Active CN114913521B (zh) | 2022-04-21 | 2022-04-21 | 一种计算钝化金属极化腐蚀后表面点蚀坑直径分布的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114913521B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113963051A (zh) * | 2021-09-15 | 2022-01-21 | 国网四川省电力公司 | 基于视觉信息和特征提取的目标直径自动测量方法和系统 |
CN113989295A (zh) * | 2021-09-14 | 2022-01-28 | 上海市第六人民医院 | 一种瘢痕和瘢痕疙瘩图像切割及表面积计算方法与系统 |
-
2022
- 2022-04-21 CN CN202210420270.2A patent/CN114913521B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113989295A (zh) * | 2021-09-14 | 2022-01-28 | 上海市第六人民医院 | 一种瘢痕和瘢痕疙瘩图像切割及表面积计算方法与系统 |
CN113963051A (zh) * | 2021-09-15 | 2022-01-21 | 国网四川省电力公司 | 基于视觉信息和特征提取的目标直径自动测量方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114913521B (zh) | 2024-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115082467B (zh) | 基于计算机视觉的建材焊接表面缺陷检测方法 | |
CN111462076B (zh) | 一种全切片数字病理图像模糊区域检测方法及系统 | |
CN114972326A (zh) | 热收缩管扩管工艺的次品识别方法 | |
CN109215009B (zh) | 基于深度卷积神经网络的连铸坯表面图像缺陷检测方法 | |
CN115147414A (zh) | 一种双极型功率晶体管表面击穿缺陷检测方法 | |
CN114372955A (zh) | 一种基于改进神经网络的铸件缺陷x射线图自动识别法 | |
CN111652853A (zh) | 一种基于深度卷积神经网络的磁粉探伤检测方法 | |
CN114749342B (zh) | 一种锂电池极片涂布缺陷识别方法、装置及介质 | |
CN114495098B (zh) | 一种基于显微镜图像的盘星藻类细胞统计方法及系统 | |
CN113516619B (zh) | 一种基于图像处理技术的产品表面瑕疵识别方法 | |
CN111738256A (zh) | 基于改进分水岭算法的复合材料ct图像分割方法 | |
CN115797361B (zh) | 一种铝模板表面缺陷检测方法 | |
CN111738131B (zh) | 一种合金两相微结构参数特征提取方法 | |
CN116758075A (zh) | 基于人工智能的吹风机电机运行故障检测方法 | |
CN116128873A (zh) | 一种基于图像识别的轴承保持器检测方法、设备及介质 | |
CN114581446B (zh) | 一种叠片电池的电芯异常检测方法及系统 | |
CN116953006A (zh) | 一种铸造材料扫描电镜图像缺陷识别与量化方法 | |
CN115330796A (zh) | 一种铜线镀锡缺陷识别方法 | |
CN116823725A (zh) | 一种基于支持向量机的航空发动机叶片表面缺陷检测方法 | |
CN103177244B (zh) | 水下显微图像中快速检测目标生物的方法 | |
CN114943833A (zh) | 一种气液反应器中气泡流的气泡识别图像处理方法 | |
CN117541585A (zh) | 一种锂电池极片露箔缺陷检测方法及装置 | |
CN114913521B (zh) | 一种计算钝化金属极化腐蚀后表面点蚀坑直径分布的方法 | |
CN111709910A (zh) | 一种基于卷积神经网络的pcb板缺陷检测算法 | |
CN109615630A (zh) | 基于图像处理技术的半连续铸造铝硅合金微观组织分析方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |