本申请提供了一种孔结构识别方法，包括：获取预处理后的孔结构图像；提取所述图像的参数；所述参数包括噪声参数和二值化阈值参数；基于多个算法，调整所述参数；利用图像和调整后的参数，识别孔结构。以此填补了当前燃料电池芯片产线缺乏的高效率和高精度的孔隙结构的识别方法，能够对灰色区域多、微孔识别难度大、背景色度差异小，及灰度分布差异大的扫描电镜图高效、精确且自动化地识别测算。精确且自动化地识别测算。精确且自动化地识别测算。
【技术实现步骤摘要】
一种孔结构识别方法及装置
[0001]本申请涉及图像识别的
，特别是涉及一种孔结构识别方法。
技术介绍
[0002]近年来，燃料电池技术不断发展，可以将氢能高效利用。规模化氢能产业体系对燃料电池核心零部件提出了更高的要求。其中，催化层作为燃料电池系统电化学反应的核心零部件，其孔结构的精准识别及测算成为影响燃料电池性能的重要因素。
[0003]而现有对于孔结构的识别方法以压汞法为主要测算方式，扫描电镜法为辅助观察手段。传统压汞法测算单个实验样品耗时长且实验要求高，耗材大；扫描电镜法仅采用肉眼观察的方式识别孔结构，耗时长，准确率低。并且由于扫描电镜图存在背景和目标色度差异小、灰色过渡区域多且难识别，图像噪声影响大，以及不同电镜图亮度和对比度差异较大的特点，采用传统固定阈值二值化的方法需要同时调整多个算法参数，效率低且精度差；而采用传统的最大化类间方差法需遍历所有参数耗时长，且未在自适应过程中考虑图像噪声的影响，对微孔介孔等孔结构识别能力差。
[0004]因此，如何提高孔结构识别的效率、准确率，减少识别成本，是本领域技术人员急需解决的技术问题。
技术实现思路
[0005]有鉴于此，本申请实施例提供了一种孔结构识别方法及装置，旨在提高孔结构识别的效率、准确率，减少识别成本。
[0006]第一方面，本申请实施例提供了一种孔结构识别方法，包括：
[0007]获取预处理后的孔结构图像；
[0008]提取所述图像的参数；所述参数包括噪声参数和二值化阈值参数；
[0009]基于多个算法，调整所述参数；所述多个算法包括第一算法、第二算法和第三算法，所述第一算法用于利用所述参数生成目标适应度函数评估适应度，所述第二算法用于加速所述目标适应度函数寻优，所述第三算法用于增加随机性寻优，并比较第二算法和第三算法的结果的评估值，得到调整方案，所述调整方案用于指示调整所述参数；
[0010]利用图像和调整后的参数，识别孔结构。
[0011]优选的，所述利用图像和调整后的参数，识别孔结构包括：
[0012]利用图像和调整后的参数，确定孔的拓扑结构并标记孔结构轮廓。
[0013]优选的，所述利用图像和调整后的参数，识别孔结构包括：
[0014]计算所有孔的孔面积和等效孔径。
[0015]优选的，在获取预处理后的孔结构图像之前，还包括：
[0016]获取截面的扫描电镜图；
[0017]判断所述扫描电镜图的维度是否为预设值；
[0018]若是，转换为灰度图；
[0019]若否，导入原图。
[0020]优选的，在获利用图像和调整后的参数，识别孔结构之前，还包括：
[0021]对孔结构进行扩张。
[0022]第二方面，本申请实施例提供了一种孔结构识别装置，包括：
[0023]第一获取模块，用于获取预处理后的孔结构图像；
[0024]图像参数提取模块，用于提取所述图像的参数；所述参数包括噪声参数和二值化阈值参数；
[0025]自适应调整模块，用于基于多个算法，调整所述参数；所述多个算法包括第一算法、第二算法和第三算法，所述第一算法用于利用所述参数生成目标适应度函数评估适应度，所述第二算法用于加速所述目标适应度函数寻优，所述第三算法用于增加随机性寻优，并比较第二算法和第三算法的结果的评估值，得到调整方案，所述调整方案用于指示调整所述参数；
[0026]识别模块，用于利用图像和调整后的参数，识别孔结构。
[0027]优选的，所述识别模块包括：
[0028]孔结构划分单元，用于利用图像和调整后的参数，确定孔的拓扑结构并标记孔结构轮廓。
[0029]优选的，所述识别模块包括：
[0030]孔径分布和孔隙率测算单元，用于计算所有孔的孔面积和等效孔径。
[0031]第三方面，本申请实施例提供了一种设备，所述设备包括存储器和处理器，所述存储器用于存储指令或代码，所述处理器用于执行所述指令或代码，以使所述设备执行前述第一方面任一项所述的孔结构识别方法。
[0032]第四方面，本申请实施例提供了一种计算机存储介质，所述计算机存储介质中存储有代码，当所述代码被运行时，运行所述代码的设备实现前述第一方面任一项所述的孔结构识别方法。
[0033]本申请实施例提供了一种孔结构识别方法。在执行所述方法时，先获取预处理后的孔结构图像，后提取所述图像的参数；所述参数包括噪声参数和二值化阈值参数，然后基于多个算法，调整所述参数；所述多个算法包括第一算法、第二算法和第三算法，所述第一算法用于利用所述参数生成目标适应度函数评估适应度，所述第二算法用于加速所述目标适应度函数寻优，所述第三算法用于增加随机性寻优，并比较第二算法和第三算法的结果的评估值，得到调整方案，所述调整方案用于指示调整所述参数，最后利用图像和调整后的参数，以识别孔结构。这样，通过多个算法对参数进行调整，达到了高效、精准识别孔结构的效果。如此，相较于现有技术，本申请具有以下有益效果：本申请填补了燃料电池芯片产线缺乏的高效率和高精度的孔结构识别方法的技术空缺，能够对灰色区域多、微/介孔识别难度大、背景/目标色度差异小及灰度分布差异大的扫描电镜图高效、精确且自动化地识别测算，对规模化的燃料电池技术发展具有重要意义。
附图说明
[0034]为更清楚地说明本实施例或现有技术中的技术方案，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地介绍，显而易见地，下面描述中的附图仅仅是本申请的
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他的附图。
[0035]图1为本申请实施例提供的孔结构识别方法的一种方法流程图；
[0036]图2为本申请实施例提供的孔结构预处理的流程图；
[0037]图3为本申请实施例提供的孔结构识别方法的另一种方法流程图；
[0038]图4为本申请实施例提供的样品1的扫描电镜图；
[0039]图5为本申请实施例提供的样品2的扫描电镜图；
[0040]图6为本申请实施例提供的样品1的灰度图；
[0041]图7为本申请实施例提供的样品2的灰度图；
[0042]图8为本申请实施例提供的高斯模糊工作示意图；
[0043]图9为本申请实施例提供的样品1的高斯模糊后的灰度图；
[0044]图10为本申请实施例提供的样品1的二值化取反后的灰度图；
[0045]图11为本申请实施例提供的样品2的高斯模糊后的灰度图；
[0046]图12为本申请实施例提供的样品2的二值化取反后的灰度图；
[0047]图13为本申请实施例提供的样品1的膨胀图像形态学运算后的灰度图；
[0048]图14为本申请实施例提供的样品2的膨胀图像形态学运算后的灰度图；
[0049]图15为本申请实施例提供的样品1的孔结构轮廓图；
[0050]图16为本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种孔结构识别方法，其特征在于，所述方法包括：获取预处理后的孔结构图像；提取所述图像的参数；所述参数包括噪声参数和二值化阈值参数；基于多个算法，调整所述参数；所述多个算法包括第一算法、第二算法和第三算法，所述第一算法用于利用所述参数生成目标适应度函数评估适应度，所述第二算法用于加速所述目标适应度函数寻优，所述第三算法用于增加随机性寻优，并比较第二算法和第三算法的结果的评估值，得到调整方案，所述调整方案用于指示调整所述参数；利用图像和调整后的参数，识别孔结构。2.根据权利要求1所述的方法，其特征在于，所述利用图像和调整后的参数，识别孔结构包括：利用图像和调整后的参数，确定孔的拓扑结构并标记孔结构轮廓。3.根据权利要求1所述的方法，其特征在于，所述利用图像和调整后的参数，识别孔结构包括：计算所有孔的孔面积和等效孔径。4.根据权利要求1所述的方法，其特征在于，在获取预处理后的孔结构图像之前，还包括：获取截面的扫描电镜图；判断所述扫描电镜图的维度是否为预设值；若是，转换为灰度图；若否，导入原图。5.根据权利要求1所述的方法，其特征在于，在获利用图像和调整后的参数，识别孔结构之前，还包括：对孔结构进行扩张。6.一种孔结构识别装置，其特征在于，所述装置包括：第一获取模块，用于获...
【专利技术属性】
技术研发人员：袁新杰，侯中军，刘芳，张雪，吴晓燕，
申请(专利权)人：上海捷氢科技股份有限公司，
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。