【技术实现步骤摘要】
【】本专利技术涉及钢铁冶金，尤其涉及一种铀合金腐蚀预测方法、系统及可读存储介质。
技术介绍
0、
技术介绍
1、鉴于腐蚀带来的严重危害，金属寿命预测技术的出现与发展则可以在很大程度上避免严重的腐蚀事故的出现，可以给金属服役安全提供强有力的保障，使得金属因腐蚀而发生的严重事故大幅度减少。在金属合金材料的各个应用场景，需要对其进行定期的维护，对于维护人员来说，快速检测各个应用场景中金属的寿命信息，能够帮助维护人员提高维修效率。
2、针对u-nb合金与纯铀这两种特殊金属，采用物理化学方法不易操作并有较大的危险性，所以计算机技术相关检测方法，可以方便、准确、安全的应用在这两种金属的腐蚀检测、腐蚀时间预测、腐蚀寿命预测都具有较大实际意义。
3、其中目前主流的检测方法为物理化学方法，该种方法大多数都需准备较多的材料和设备，而且需要花费的时间较长，且由于金属表面腐蚀纹理的多样性，这些方法在检测金属腐蚀寿命精确度上还需做出较多改进。而利用计算机视觉的相关检测方法，则相对于基于物理化学的检测方法能够减少各种材料的消耗和人力的需求，在应用上有较大的研究价值。
4、因此，有必要研究一种铀合金腐蚀预测方法、系统及可读存储介质来应对现有技术的不足，以解决或减轻上述一个或多个问题。
技术实现思路
0、
技术实现思路
1、有鉴于此，本专利技术提供了一种铀合金腐蚀预测方法、系统及可读存储介质，利用计算机视觉领域的深度学习神经网络u-net+来进行铀合
2、一方面，本专利技术提供一种铀合金腐蚀预测方法，所述预测方法包括以下步骤：
3、s1：预设腐蚀采集时间，从铀合金腐蚀开始，获取对应不同腐蚀采集时间的第一腐蚀图像数据；
4、s2：将不同腐蚀采集时间的腐蚀图像数据进行预处理，获取对应不同预测时间的第二腐蚀图像数据；
5、s3：将不同预测时间的第二腐蚀图像采集数据进行特征提取，获取不同预测时间的图像特征参数；
6、s4：建立腐蚀预测回归模型，通过不同预测时间的图像特征参数对腐蚀预测回归模型进行训练，获取训练后的蚀腐预测回归模型；
7、s5：通过训练后的蚀腐预测回归模型对已发生腐蚀的铀合金进行腐蚀预测。
8、如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述s2中腐蚀图像数据的预处理包括但不限于图像降噪处理、图像二值化处理和图像扩增处理。
9、如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述s3中图像特征参数包括腐蚀发生时间、腐蚀斑块数量、腐蚀斑块直径和腐蚀面积占有率。
10、如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述s3中腐蚀面积占有率通过u-net深度学习网络对腐蚀斑块进行分割后计算获得。
11、如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述s3中通过u-net深度学习网络对腐蚀斑块进行分割过程中，通过resnet101网络对输入图像提取不同尺度的特征图，然后将不同尺度的特征图对应地送入u-net网络的encoder部分。
12、如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述s4中腐蚀预测模型包括但不限于svm回归模型、xgboost回归模型、lightgbm模型和bp神经网络模型。
13、如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述s1中预设的腐蚀采集时间为3秒和/或5秒。
14、如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述s5中腐蚀预测包括通过已发生腐蚀的铀合金的腐蚀图像信息对腐蚀时间进行预测，和通过已发生腐蚀的铀合金的腐蚀时间对腐蚀图像进行预测。
15、如上所述的方面和任一可能的实现方式，进一步提供一种铀合金腐蚀预测系统，所述预测系统包括：
16、原始数据采集模块：用于预设腐蚀采集时间，从铀合金腐蚀开始，获取对应不同腐蚀采集时间的第一腐蚀图像数据；
17、图像预处理模块，用于将不同腐蚀采集时间的腐蚀图像数据进行预处理，获取对应不同预测时间的第二腐蚀图像数据；
18、特征参数提取模块，用于将不同预测时间的第二腐蚀图像采集数据进行特征提取，获取不同预测时间的图像特征参数；
19、建模训练模块，用于建立腐蚀预测回归模型，通过不同预测时间的图像特征参数对腐蚀预测回归模型进行训练，获取训练后的蚀腐预测回归模型；
20、腐蚀预测模块，用于通过训练后的蚀腐预测回归模型对已发生腐蚀的铀合金进行腐蚀预测。
21、如上所述的方面和任一可能的实现方式，进一步提供，一种计算机可读存储介质，所述计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行任一项所述的铀合金腐蚀预测方法的步骤。
22、与现有技术相比，本专利技术可以获得包括以下技术效果：
23、本专利技术不仅避免了繁琐复杂且操作难度极大的铀合金物理、化学腐蚀时间检测方法，同时利用计算机视觉算法能够准确分割识别铀合金氢腐蚀图像，并且能够根据图像特征预测铀合金氢腐蚀发生时间。这对于铀合金在氢腐蚀反应中的寿命预测具有重要意义，并且在铀合金的相关军事应用领域有着深远的影响。
24、当然，实施本专利技术的任一产品并不一定需要同时达到以上所述的所有技术效果。
本文档来自技高网...【技术保护点】
1.一种铀合金腐蚀预测方法，其特征在于，所述预测方法包括以下步骤：
2.根据权利要求1所述的预测方法，其特征在于，所述S2中腐蚀图像数据的预处理包括但不限于图像降噪处理、图像二值化处理和图像扩增处理。
3.根据权利要求1所述的预测方法，其特征在于，所述S3中图像特征参数包括腐蚀发生时间、腐蚀斑块数量、腐蚀斑块直径和腐蚀面积占有率。
4.根据权利要求3所述的预测方法，其特征在于，所述S3中腐蚀面积占有率通过U-net深度学习网络对腐蚀斑块进行分割后计算获得。
5.根据权利要求4所述的预测方法，其特征在于，所述S3中通过U-net深度学习网络对腐蚀斑块进行分割过程中，通过ResNet101网络对输入图像提取不同尺度的特征图，然后将不同尺度的特征图对应地送入U-Net网络的Encoder部分。
6.根据权利要求5所述的预测方法，其特征在于，所述S4中腐蚀预测模型包括但不限于SVM回归模型、XGboost回归模型、LightGBM模型和BP神经网络模型。
7.根据权利要求1所述的预测方法，其特征在于，所述S1中预设的
8.根据权利要求1所述的预测方法，其特征在于，所述S5中腐蚀预测包括通过已发生腐蚀的铀合金的腐蚀图像信息对腐蚀时间进行预测，和通过已发生腐蚀的铀合金的腐蚀时间对腐蚀图像进行预测。
9.一种铀合金腐蚀预测系统，其特征在于，所述预测系统包括：
10.一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存储程序或指令，所述程序或指令使计算机执行如权利要求1至8任一项所述的铀合金腐蚀预测方法的步骤。
...【技术特征摘要】
1.一种铀合金腐蚀预测方法，其特征在于，所述预测方法包括以下步骤：
2.根据权利要求1所述的预测方法，其特征在于，所述s2中腐蚀图像数据的预处理包括但不限于图像降噪处理、图像二值化处理和图像扩增处理。
3.根据权利要求1所述的预测方法，其特征在于，所述s3中图像特征参数包括腐蚀发生时间、腐蚀斑块数量、腐蚀斑块直径和腐蚀面积占有率。
4.根据权利要求3所述的预测方法，其特征在于，所述s3中腐蚀面积占有率通过u-net深度学习网络对腐蚀斑块进行分割后计算获得。
5.根据权利要求4所述的预测方法，其特征在于，所述s3中通过u-net深度学习网络对腐蚀斑块进行分割过程中，通过resnet101网络对输入图像提取不同尺度的特征图，然后将不同尺度的特征图对应地送入u-net网络的enco...
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。