本发明专利技术涉及一种晶粒裂纹检测识别方法、计算机装置和存储介质。包括：1、通过深度神经网络模型对横断面扫描电镜图提取边缘纹理，获得整体边缘纹理图，获得横断面扫描电镜图上的单一颗粒的掩模图，2、将整体边缘纹理图与对应的单一颗粒的掩模图相乘，获得单一颗粒的边缘纹理图，3、将单一颗粒的边缘纹理图实施裂纹分割操作得到单一颗粒的裂纹二值掩模图，4、将单一颗粒的裂纹二值掩模图进行形态学骨架化操作，提取出单一颗粒的裂纹结果图。本申请可获得单一颗粒的裂纹结果图。且裂纹的检测识别结果较为清楚和准确。为后续研究奠定了良好的基础。本申请得到的裂纹结果图可以进一步进行量化分析，用于锂电池寿命预测、正极材料设计优化等研究。等研究。等研究。
【技术实现步骤摘要】
一种晶粒裂纹检测识别方法、计算机装置和存储介质
[0001]本专利技术涉及晶粒裂纹识别
，特别是涉及晶粒裂纹检测识别方法、系统、计算机装置和存储介质。
技术介绍
[0002]在一些领域，材料发生碎裂后会产生一些裂纹，这些裂纹很细小，仅仅通过扫描电镜等成像手段难以清楚的观察到这些细小裂纹。而对这些细小裂纹的定量化研究，对材料的性能改进有很大帮助。
[0003]例如，在新能源汽车电池领域，锂离子电池是目前最优的动力来源选择。主要原因是相比较传统的镍氢电池或铅酸电池来说，锂离子电池具有能量密度高、无记忆效应、循环寿命长、环境污染小等特点，因此越来越多的汽车厂家选择采用锂离子电池为新能源汽车提供动力输出。
[0004]锂离子电池包括正极材料、负极材料、电池隔膜、电解液等几部分。其中按照正极材料的组成差异，主要可分为磷酸铁锂电池和三元锂电池（由镍钴铝或镍钴锰三种材料按一定比例搭配形成正极）两类。其中，三元锂电池能量密度高，充放电循环性能好于正常钴酸锂电池，但相对更容易老化，老化会影响使用寿命。
[0005]三元锂电池的正极材料的老化机制一直是新能源电池领域十分重要的研究课题。研究结果表明，三元锂电池层状过渡金属氧化物多晶结构正极材料的应变诱发裂纹（充放电过程中由于各向异性的晶格变化导致晶界开裂）是造成电池老化失效的主要成因之一。晶粒的裂纹包括晶间裂纹（层状材料碎裂形成的二次颗粒内部裂纹）和晶内裂纹两类。其中晶间裂纹形成是最著名的材料老化机制之一，原因在于晶间裂纹可导致差的晶粒间连接，引起导电性变弱；另一方面晶内裂纹虽然尺寸较小，也可产生许多暴露于电解质的微小表面，进一步导致电池容量的衰减。因此，正极材料颗粒碎裂化表征工作作为三元锂电池正极材料性能优化研究的切入点具有切实的探索价值。
[0006]为了观测正极材料颗粒碎裂的微观结构状况，需要沿特定横断面“切开”，常用的加工技术手段有基于聚焦离子束和离子研磨仪两类。在获得横断面的基础上，利用扫描电子显微镜对正极材料晶粒间的裂纹分布情况进行拍摄成像以用于研究分析。
[0007]但扫描电镜等成像手段难以清楚的观察到晶间裂纹等细小裂纹且无法定量评估，这为进一步研究带来极大困难。
技术实现思路
[0008]基于此，有必要针对传统的成像技术无法清楚看到晶间裂纹等细小裂纹的问题，提供一种晶粒裂纹检测识别方法。
[0009]一种晶粒裂纹检测识别方法，包括：S100、通过深度神经网络模型对横断面扫描电镜图提取边缘纹理，获得整体边缘纹理图，获得横断面扫描电镜图上的单一颗粒的掩模图，
S200、将整体边缘纹理图与对应的单一颗粒的掩模图相乘，获得单一颗粒的边缘纹理图，S300、将单一颗粒的边缘纹理图实施裂纹分割操作得到单一颗粒的裂纹二值掩模图，S400、将单一颗粒的裂纹二值掩模图进行形态学骨架化操作，提取出单一颗粒的裂纹结果图。
[0010]本申请采用上述方法，可以获得单一颗粒的裂纹结果图。且裂纹的检测识别结果较为清楚和准确。为后续研究奠定了良好的基础。本申请得到的裂纹结果图可以进一步进行量化分析，用于锂电池寿命预测、正极材料设计优化等研究。
[0011]在其中一个实施例中，所述横断面扫描电镜图为三元锂电池的正极材料碎裂形成的二次颗粒的横断面扫描电镜图。
[0012]在其中一个实施例中，步骤S100中，所述深度神经网络模型为多尺度边缘提取深度神经网络模型。
[0013]在其中一个实施例中，步骤S100中，所述多尺度边缘提取深度神经网络模型为HED模型。
[0014]在其中一个实施例中，先对横断面扫描电镜图像进行预处理，然后进行步骤S100的操作。
[0015]在其中一个实施例中，所述预处理为单一预处理步骤，或级联的多个预处理步骤，或分别经过多个单一预处理操作后实施融合达到复合的预处理效果。
[0016]在其中一个实施例中，步骤S100中，所述获得横断面扫描电镜图上的单一颗粒的掩模图，具体包括：对横断面扫描电镜图进行前景目标对象的分割，获得前景目标掩模图，将前景目标掩模图依次进行形态学腐蚀操作、连通域分析操作和空洞填充操作，最终获得所述单一颗粒的掩模图。
[0017]在其中一个实施例中，将单一颗粒的裂纹结果图叠加到横断面扫描电镜图的对应位置。
[0018]一种计算机装置，包括：处理器、存储器、通信接口和通信总线，所述处理器、存储器和通信接口通过所述通信总线完成相互间的通信，所述存储器用于存放至少一条可执行指令，所述可执行指令使所述处理器执行所述的晶粒裂纹检测识别方法对应的操作。
[0019]一种计算机存储介质，所述计算机存储介质中存储有至少一个可执行指令，所述可执行指令使处理器执行所述的晶粒裂纹检测识别方法对应的操作。
[0020]一种晶粒裂纹检测识别系统，包括：图像获取单元，所述图像获取单元用于获取横断面扫描电镜图，图像处理单元，所述图像处理单元用于对横断面扫描电镜图按照以下步骤进行处理：S100、通过深度神经网络模型对横断面扫描电镜图提取边缘纹理，获得整体边缘纹理图，获得横断面扫描电镜图上的单一颗粒的掩模图，S200、将整体边缘纹理图与对应的单一颗粒的掩模图相乘，获得单一颗粒的边缘纹理图，
S300、将单一颗粒的边缘纹理图实施裂纹分割操作得到单一颗粒的裂纹二值掩模图，S400、将单一颗粒的裂纹二值掩模图进行形态学骨架化操作，提取出单一颗粒的裂纹结果图。
附图说明
[0021]图1为本申请的实施例的晶粒裂纹检测识别方法的流程图。
[0022]图2为本申请的实施例的三元锂电池正极材料晶粒间裂纹自动检测识别、分析的流程图。
[0023]图3为本申请的实施例的三元锂电池正极材料碎裂后形成的二次颗粒的横断面扫描电镜图以及采用不同处理方法形成的边缘纹理图。其中，(a)图为扫描电镜图。(b)图为对(a)图采用HED模型获得的边缘纹理图。(c)图为对(a)图采用Canny算子获得的边缘纹理图。(d)图为对(a)图采用Scharr算子获得的边缘纹理图。
[0024]图4为本申请的第一个实施例的三元锂电池正极材料碎裂后形成的二次颗粒的横断面扫描电镜图以及横断面扫描电镜图上的单一颗粒的掩模图。其中，最上面的(a)图为横断面扫描电镜图，中间的(b)图为对横断面扫描电镜图进行前景目标分割得到的前景目标掩模图，最下面的(c)图为经过形态学腐蚀操作、连通域分析操作和空洞填充操作后，最终获得的单一二次颗粒的掩模图像。
[0025]图5为本申请的第二个实施例的三元锂电池正极材料碎裂后形成的二次颗粒的横断面扫描电镜图以及横断面扫描电镜图上的单一颗粒的掩模图。其中，最上面的(a)图为横断面扫描电镜图，中间的(b)图为对横断面扫描电镜图进行前景目标分割得到的前景目标掩模图，最下面的(c)图为经过形态学腐蚀操作、连通域分析操作和空洞填充操作后，最终获得的单一二次颗粒的掩模图像。
[0026]图6为本申请的第三个实施例的三元锂电池正极材料碎裂后形成的二次本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种晶粒裂纹检测识别方法，其特征在于，包括：S100、通过深度神经网络模型对横断面扫描电镜图提取边缘纹理，获得整体边缘纹理图，获得横断面扫描电镜图上的单一颗粒的掩模图，S200、将整体边缘纹理图与对应的单一颗粒的掩模图相乘，获得单一颗粒的边缘纹理图，S300、将单一颗粒的边缘纹理图实施裂纹分割操作得到单一颗粒的裂纹二值掩模图，S400、将单一颗粒的裂纹二值掩模图进行形态学骨架化操作，提取出单一颗粒的裂纹结果图。2.根据权利要求1所述的晶粒裂纹检测识别方法，其特征在于，所述横断面扫描电镜图为三元锂电池的正极材料碎裂形成的二次颗粒的横断面扫描电镜图。3.根据权利要求1所述的晶粒裂纹检测识别方法，其特征在于，步骤S100中，所述深度神经网络模型为多尺度边缘提取深度神经网络模型。4.根据权利要求3所述的晶粒裂纹检测识别方法，其特征在于，所述多尺度边缘提取深度神经网络模型为HED模型。5.根据权利要求1所述的晶粒裂纹检测识别方法，其特征在于，先对横断面扫描电镜图像进行预处理，然后进行步骤S100的操作。6.根据权利要求5所述的晶粒裂纹检测识别方法，其...
【专利技术属性】
技术研发人员：于伟敏，胡颖超，曹星，田丹女，
申请(专利权)人：江苏集萃苏科思科技有限公司，
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。