当前位置: 首页 > 专利查询>天津大学专利>正文

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

技术编号:18523471 阅读:31 留言:0更新日期:2018-07-25 11:39
本发明专利技术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。本发明专利技术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。

Judgement of protective composition changes in rust layer and protection method of rust layer by rust layer image

The invention discloses a method of using the rust layer image to judge the protective composition changes in the rust layer and the protection of the rust layer, and mix the pure phase of the alpha FeOOH and the pure phase of the gamma FeOOH into the sample rust layer, collect the images of the rust layer of each sample, and process the color image to obtain the image RGB distribution waveform, and extract the map. Like the eigenvalue, the image characteristic value of the sample rust layer is used as the network input, and the proportion of the FeOOH in the FeOOH sample rust layer is the network output, the neural network is trained and the neural network is established. The image of the rust layer is obtained, and the image characteristic value of the rust layer is obtained, and the rust will be measured. When the image eigenvalue of the layer is input into the established neural network, the specific gravity of the alpha FeOOH in the rust layer can be obtained. The rust layer analysis method of the invention has low cost and easy operation, and it can quickly and accurately analyze the proportion of the protective components in the corrosion products of the rust layer, and is suitable for application to the corrosion site.

【技术实现步骤摘要】
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
本专利技术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。
技术介绍
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。
技术实现思路
本专利技术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。本专利技术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。本专利技术的优点和有益效果为:本专利技术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,本专利技术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
的人员更好地理解本专利技术方案,下面结合具体实施例进一步说明本专利技术的技术方案。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1200×1000dpi,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,而随着时间增加本文档来自技高网
...

【技术保护点】
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。

【技术特征摘要】
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...

【专利技术属性】
技术研发人员:高志明张新新胡文彬夏大海修妍卢丽花
申请(专利权)人:天津大学
类型:发明
国别省市:天津,12

网友询问留言 已有0条评论
  • 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。

1