一种钢板腐蚀像素级定位以及腐蚀程度识别方法及系统

本发明属于钢铁材料腐蚀程度检测，具体涉及一种钢板腐蚀像素级定位以及腐蚀程度识别方法及系统。

背景技术：

1、腐蚀是由温度、压力、化学物质等多种环境因素引起的材料失效行为。处于暴露环境中的钢板不可避免地会发生腐蚀从而降低使用寿命，若不对其进行实时检测，并据此指导维护，很容易造成安全事故以及经济损失。因此，研究高效准确的钢板腐蚀程度无损检测方法具有重要意义。然而，目前钢板材料腐蚀程度检测主要依赖人工目测，通过观察材料外观、颜色、形状等特征变化确定腐蚀程度。然而，肉眼检测不仅容易产生误差，而且无法提供材料腐蚀程度的详细信息。并且，对于船舶、桥梁或供电系统等大型设施来说，肉眼检测是一项十分耗时、需要大量劳动力甚至及其危险的工作。除人工目测外，国际上对钢板材料腐蚀程度检测方法还包括电化学测试、扫描电镜、超声检测、涡流检测、声发射检测等。然而这些钢板腐蚀检测方法过程会耗费大量的时间，甚至会对钢板材料本身造成损伤，不能及时警示风险信息，因此难以落实到企业日常巡检过程中。因此，为了有效应对材料腐蚀问题，需要发展高效准确的材料腐蚀程度自动化检测方法。

技术实现思路

1、为了克服现有技术存在的上述问题，本发明提供一种钢板腐蚀像素级定位以及腐蚀程度识别方法及系统，用于解决现有技术中存在的上述问题。

2、一种钢板腐蚀像素级定位以及腐蚀程度识别方法，包括以下步骤：

3、s1.对钢片样品进行腐蚀试验，获得不同腐蚀程度的真实腐蚀图像；

4、s2.对事先获取的腐蚀图像数据样本集进行训练，得到与真实腐蚀图像高度相似的虚拟腐蚀图像；

5、s3.对虚拟腐蚀图像与真实腐蚀图像的合成腐蚀图像进行快速自动化分割标注，并创建mn-deeplabv3算法进行训练从而识别钢板的腐蚀程度。

6、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具体包括：

7、s11.将不同等级的钢板的钢片样品进行腐蚀试验并采集腐蚀图片；

8、s12.对所有的腐蚀图片中的腐蚀图像进行裁剪和归一化处理得到真实腐蚀图像样本。

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s2包括：

10、s21.根据真实腐蚀图像建立用于图像生成的真实腐蚀图像数据集；

11、s22.建立stylegan3-t图像生成模型，对腐蚀图像数据集进行训练，得到虚拟腐蚀图像。

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，所述不同等级至少包括六级。

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，采用sam算法模型对合成腐蚀图像进行快速自动化分割标注。

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，采用sam算法模型对合成腐蚀图像进行快速自动化分割标注，具体包括：

15、(1)在标注软件中调用sam算法模型权重，对合成腐蚀图像中腐蚀区域进行自动化分割标注，得到标注区域；

16、(2)然后采用人工方式对标注区域进行再次细化分割标注，使腐蚀区域定位更加准确。

17、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中采用语义分割算法mn-deeplabv3对钢板腐蚀区域进行精确分割以及腐蚀程度识别。

18、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，所述采用语义分割算法mn-deeplabv3对钢板腐蚀区域进行精确分割以及腐蚀程度识别，具体包括：(1)搭建deeplabv3算法模型，并将主干网络xception替换为mobilenetv2，获得mn-deeplabv3算法模型；

19、(2)使用mn-deeplabv3算法模型在真实腐蚀图像数据集与虚拟腐蚀图像数据集上分别进行训练，获得不同腐蚀程度的分割图像。

20、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mobilenetv2网络模型采用如下步骤：

21、向mobilenetv2网络模型输入真实腐蚀图像数据、虚拟腐蚀图像数据以及相应的图像标注信息进行训练，得到符合评估指标的模型权重，从而实现钢板中腐蚀区域像素级定位以及腐蚀程度识别。

22、本发明还提供了一种钢板腐蚀像素级定位以及腐蚀程度识别系统，所述系统用于所述的方法，包括：

23、样本获取模块，用于对钢片样品进行腐蚀试验，获得不同腐蚀程度的真实腐蚀图像样本；

24、训练模块，用于对真实腐蚀图像样本进行训练，得到与真实腐蚀图像高度相似的虚拟腐蚀图像；

25、分割标注模块，用于对虚拟腐蚀图像与真实腐蚀图像的合成腐蚀图像进行快速自动化分割标注，并创建mn-deeplabv3算法进行训练从而识别钢板的腐蚀程度。

26、本发明的有益效果

27、与现有技术相比，本发明有如下有益效果：

28、本发明的钢板腐蚀像素级定位以及腐蚀程度识别方法，首先，对钢片样品进行腐蚀试验，获得不同腐蚀程度的真实腐蚀图像；其次，对事先获取的腐蚀图像数据样本集进行训练，得到与真实腐蚀图像高度相似的虚拟腐蚀图像；最后对虚拟腐蚀图像与真实腐蚀图像的合成腐蚀图像进行快速自动化分割标注，并创建mn-deeplabv3算法进行训练从而识别钢板的腐蚀程度。本发明提供的自动化检测方法，能够实现对碳钢表面腐蚀区域进行自动化像素级定位的同时识别其腐蚀程度，为碳钢腐蚀表面智能检测提供一种有前景的技术策略。

技术特征：

1.一种钢板腐蚀像素级定位以及腐蚀程度识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的钢板腐蚀像素级定位以及腐蚀程度识别方法，其特征在于，所述s1具体包括：

3.根据权利要求1所述的钢板腐蚀像素级定位以及腐蚀程度识别方法，其特征在于，所述s2包括：

4.根据权利要求2所述的钢板腐蚀像素级定位以及腐蚀程度识别方法，其特征在于，所述不同等级至少包括六级。

5.根据权利要求1所述的钢板腐蚀像素级定位以及腐蚀程度识别方法，其特征在于，采用sam算法模型对合成腐蚀图像进行快速自动化分割标注。

6.根据权利要求5所述的钢板腐蚀像素级定位以及腐蚀程度识别方法，其特征在于，采用sam算法模型对合成腐蚀图像进行快速自动化分割标注，具体包括：

7.根据权利要求6所述的钢板腐蚀像素级定位以及腐蚀程度识别方法，其特征在于，所述s3中采用语义分割算法mn-deeplabv3对钢板腐蚀区域进行精确分割以及腐蚀程度识别。

8.根据权利要求7所述的钢板腐蚀像素级定位以及腐蚀程度识别方法，其特征在于，所述采用语义分割算法mn-deeplabv3对钢板腐蚀区域进行精确分割以及腐蚀程度识别，具体包括：

9.根据权利要求8所述的钢板腐蚀像素级定位以及腐蚀程度识别方法，其特征在于，所述mobilenetv2网络模型采用如下步骤：

10.一种钢板腐蚀像素级定位以及腐蚀程度识别系统，其特征在于，所述系统用于实现权利要求1-9任一项所述的方法，包括：

技术总结
本发明涉及一种钢板腐蚀像素级定位以及腐蚀程度识别方法及系统，首先，采集钢铁材料腐蚀图像，并进行裁剪以及归一化处理，制作统一大小的腐蚀图像数据集。其次，基于图像生成算法对真实腐蚀图像样本进行训练，得到与真实碳钢腐蚀图像高度相似的虚拟腐蚀图像；然后，基于SAM算法模型实现对钢板中腐蚀区域进行半自动化分割标注；最后，提出一种基于DeepLabv3+的语义分割算法MN‑DeepLabv3，分别对真实腐蚀图像数据集和虚拟生成图像数据集进行训练，实现钢板腐蚀区域像素级定位以及腐蚀程度识别。本发明提供的自动化检测方法，能够实现对碳钢表面腐蚀区域进行自动化像素级定位的同时识别其腐蚀程度，为碳钢腐蚀表面智能检测提供一种有前景的技术策略。

技术研发人员：张达威,王秋霁,龚海燕,富忠恒,马菱薇,李晓刚
受保护的技术使用者：北京科技大学
技术研发日：
技术公布日：2024/8/13