钢结构耐久性评定方法、系统及装置与流程

本发明涉及钢结构耐久性评定，尤其是涉及一种钢结构耐久性评定方法、系统及装置。

背景技术：

1、随着钢结构的不断服役，结构性能在慢慢退化，很多结构即将进入设计使用寿命的后期，构件性能下降明显，进而对结构的安全性和可靠性造成了很大的影响。现役钢结构腐蚀领域存在的问题是如何建立快捷有效的腐蚀钢结构安全性能检测及评价体系。该评价体系要能够准确地识别腐蚀及其类型，并为腐蚀程度做出量化评价。腐蚀检测是识别腐蚀的主要方法，只有基于正确的腐蚀产物成分及腐蚀等级才能及时地调整防腐措施，从而避免防腐措施不当造成的事故及损失。

2、目前，腐蚀检测的常用方法包括超声波检测法、x射线检测法、涡流检测法、漏磁检测法及电化学检测法等。这些方法存在不同程度的缺点：超声波检测法对检测器运行速度有严格要求，如果检测器在检测工件时的运行速度不能达到要求，会造成超声波检测结果不准确；x射线检测法在对构件进行检测时，所耗费时间过长，而且仪器体积庞大、操作不便，并不适用于检测几何形状较为复杂的构件；涡流检测法在对构件进行检测时，难以区分缺陷的种类和形状，检测过程中通常也容易受到多种因素的干扰；漏磁检测法则只能在内部能够形成磁场的一类材料中使用，特别是在对构造复杂的工件进行检测时，难于形成规则的磁场；电化学检测法的设置尚无统一标准，存在很多能够使电化学信号产生波动的因素。

3、公开号为cn116380760a，名称为一种利用高光谱成像实现金属腐蚀程度可视化监测的方法的专利申请，提出一种利用高光谱成像实现金属腐蚀程度可视化监测的方法，该方法将rgb颜色空间转换为hsv颜色空间，将腐蚀程度分为六个等级，该方法利用高光谱成像技术对金属样片对应不同等级的腐蚀区域进行可视化显示，但不能评价腐蚀程度，也不能给出腐蚀产物成分及腐蚀类型（例如初期腐蚀、高温腐蚀及暴晒腐蚀等），无法在工程应用中指导防腐措施。

技术实现思路

1、本发明的目的在于提供一种钢结构耐久性评定方法、系统及装置，以解决现有技术中存在的至少一种上述技术问题。

2、第一方面，为解决上述技术问题，本发明提供了一种钢结构耐久性评定方法，包括如下步骤：

3、步骤s10、基于被测钢结构及腐蚀等级，制备若干组第一试件，采集第一试件的物理指标；基于钢结构腐蚀产物，按预设比例制备腐蚀产物混合物；

4、步骤s20、基于所述物理指标、腐蚀等级及腐蚀时间，计算腐蚀溶液浓度；基于所述腐蚀溶液浓度配置试验溶液，对第一试件进行加速腐蚀试验；

5、步骤s30、通过光谱相机，组建光谱系统，例如近红外高光谱系统；

6、步骤s40、对第一试件的表面及腐蚀产物混合物进行光谱扫描，得到相应的光谱成像数据；

7、步骤s50、对所述光谱成像数据进行预处理；

8、步骤s60、对所述光谱成像数据进行光谱匹配，确定第一试件中腐蚀产物的成分含量；

9、步骤s70、基于所述成分含量及所述光谱成像数据，构建数据库；

10、步骤s80、通过数学分析方法，简化所述数据库，提取与所述成分含量具有相关性的特征波长；

11、步骤s90、基于所述成分含量及所述特征波长，构建第一模型，用于通过特征波长推算钢结构的腐蚀产物成分含量；

12、步骤s100、采集所述光谱成像数据中的平均光谱反射率数据并转化为灰度值；通过离散值统计筛选出波段组合；通过相关性分析，筛选出相关度最小的灰度值；通过rgb三通道合成，得到伪彩色图像；对所述伪彩色图像进行降噪处理；分析所述伪彩色图像的颜色统计特征和纹理特征；

13、步骤s110、基于与腐蚀等级相关的伪彩色图像、颜色特征及纹理特征等图谱特征，通过监督学习算法，构建第二模型，用于对钢结构的腐蚀等级进行分类识别；

14、步骤s120、采集被测钢结构表面的光谱成像数据，输入至第一模型及第二模型，得到被测钢结构的腐蚀产物成分含量及腐蚀等级，从而评定构件或结构是否安全。

15、通过上述方法，可以利用钢结构表面光谱数据中有关腐蚀产物的光谱曲线特征，构建第一模型及第二模型，通过二者完成对被测钢结构的耐久性评定，评定设备简单小巧、操作方便，可对不同形状及尺寸的构件进行检测，从而大大提升了评定效率并扩展了适用范围。

16、在一种可行的实施方式中，采集第一试件物理指标的具体方法是：按照与第一试件相同的材料、工艺及涂层，制备第二试件；根据技术规范，采集所述第二试件的物理指标，将所述物理指标作为第一试件的物理指标；所述物理指标包括：密度、弹性模量、导电率及力学性能等。

17、在一种可行的实施方式中，步骤s10中腐蚀产物主要包括和/或和/或和/或和/或和/或和/或和/或。

18、在一种可行的实施方式中，在试验室中将上述腐蚀产物的纯净粉末按预设比例混合后得到腐蚀产物混合物，再进行压片制样。

19、在一种可行的实施方式中，根据被测钢结构在实际工况中产生的化学反应，选择腐蚀产物及预设比例，制备腐蚀产物混合物。

20、在一种可行的实施方式中，所述腐蚀等级可依据技术规范，例如中国腐蚀与防护学会主编的《金属防腐蚀手册》中的腐蚀等级标准进行制定，所述腐蚀等级标准为金属材料耐蚀性十级标准。

21、在一种可行的实施方式中，步骤s20中计算腐蚀溶液浓度的具体公式可以为：

22、；

23、其中，表示腐蚀速率，单位为mm/a，可根据《金属防腐蚀手册》中金属材料耐蚀性十级标准进行选取； c表示腐蚀溶液（nacl）浓度，单位为%； t表示腐蚀时间，单位为天，可按照《人造气氛腐蚀试验 盐雾试验》（gb/t 10125-2012）中的推荐值进行选取；

24、在一种可行的实施方式中，步骤s20中加速腐蚀试验为中性盐雾试验，这样可以模拟出大气腐蚀环境。

25、在一种可行的实施方式中，所述步骤s30具体包括：

26、步骤s30-1、黑白标定：首先拍摄全白标定图像 w，然后拍摄全黑标定图像 s，计算标定后的相对图像 r,具体公式可以为：

27、；

28、其中， i表示原始图像；

29、步骤s30-2、扫描参数设定：测量第一试件上表面距离相机镜头的高度，根据高度计算光谱图像采集时的曝光时间及扫描速度等参数，并根据第一试件待测面的大小确定扫描距离，以保证可以采集到整个第一试件待测面的图像即可。

30、在一种可行的实施方式中，步骤s50中预处理的方法包括：多元散射校正、标准正态变量变换、尺度缩放、平滑算法、导数算法、主成分滤波和独立成分滤波、小波变换等现有方法，可根据实际情况选择合适的预处理方法。

31、在一种可行的实施方式中，步骤s60具体包括：

32、步骤s60-1、对腐蚀产物混合物的光谱成像数据进行整理，建立腐蚀产物的光谱库；

33、步骤s60-2、基于加速腐蚀试验前后第一试件表面的光谱成像数据，通过光谱解混方法进行解混，例如光谱比值法及光谱导数法等，得到腐蚀产物的光谱解混模型；

34、步骤s60-3、通过最小距离匹配、光谱角(sam)匹配算法、光谱相关系数(scc)、光谱信息散度(sid)等方法，将所述光谱解混模型与所述光谱库进行匹配；

35、步骤s60-4、分别提取所述光谱解混模型和所述光谱库的特征，对光谱曲线的吸收位置、深度、吸收面积和对称性等特征，进行光谱特征参量拟合（sff）；

36、步骤s60-5、从所述光谱库中，筛选出与所述光谱解混模型拟合值均在预设拟合值以上的光谱曲线，将该光谱曲线所对应的腐蚀产物成分含量作为第一试件中腐蚀产物的成分含量。

37、通过上述方法，便于通过光谱匹配的方法，准确确定第一试件中腐蚀产物的成分含量。

38、在一种可行的实施方式中，所述预设拟合值为0.95。

39、在一种可行的实施方式中，所述步骤s70的数据库，具体包括不同腐蚀等级下的第一试件，其腐蚀产物的成分含量与光谱曲线之间的一一对应关系。

40、在一种可行的实施方式中，所述步骤s80中的数学分析方法包括相关系数法、权重系数法、主成分分析法、波段比、遗传算法、逐步回归法等，通过这些方法可以得到与腐蚀产物的成分含量具有较强相关性的特征波长。

41、在一种可行的实施方式中，步骤s90具体包括：将所述数据库中的数据按照70%、15%和15%的比例划分为训练集、验证集和测试集，将所述成分含量作为标签；使用z-score或者min-max scaling等标准化方法对数据进行标准化，使得模型训练过程更加稳定；对神经网络模型，例如一维卷积神经网络（1d-cnn），进行训练、验证和测试，得到第一模型，从而建立钢结构腐蚀产物的成分含量与光谱曲线特征之间的数学模型。

42、在一种可行的实施方式中，所述数据库中还可以包括腐蚀溶液浓度、物理指标及腐蚀类型等数据，从而可以根据实际需求，构建出包括上述任何项目作为评定结果的第一模型。

43、在一种可行的实施方式中，步骤s100中得到伪彩色图像的具体方法包括：

44、步骤s100-1、基于腐蚀等级及分类识别精度，将光谱成像数据划分为 f个预设等级，采集每个预设等级的平均光谱反射率数据（取值范围为0-1），将平均光谱反射率数据转化为灰度值（取值范围为0-255），具体公式可以为：

45、；

46、其中，表示图像平均光谱波段 i处的灰度值；表示图像平均光谱波段 i处的反射率数据；表示图像平均光谱波段 i处的最大反射率数据；表示图像平均光谱波段 i处的最小反射率数据；

47、步骤s100-2、当 t波段处任意2个预设等级的灰度值之差大于预设阈值 l时，设定为彼此离散，离散值记为1；统计所述离散值，得到最大离散值；将不同预设等级的离散值与最大离散值之比记为散度k；按照k值由大到小，将各波段进行排序，将第一顺位的波段作为rgb合成伪彩色图像的第一波段，以此类推分别得到第二波段及第三波段，最终将前三顺位的波段作为波段组合，这样可以得到离散效果最好的波段组合；

48、预设阈值 l的具体公式可以为：

49、；

50、其中，表示 t波段处的灰度最大值；表示 t波段处的灰度最小值；

51、步骤s100-3、根据相关性计算公式，计算波段组合中三个波段各灰度值之间的相关性，筛选出三个波段中相关度最小的灰度值合成得到伪彩色图像，这样可以避免当三个波段的灰度谱分布极为相似，即三个波段的相关性较高时，合成的伪彩色图像成为近似黑白图像，具体公式可以为：

52、；

53、；

54、；

55、；

56、其中， q表示第一试件的第 q个预设等级；表示波段组合中第 m个波段里第 q个预设等级的灰度值；表示波段组合中第 m个波段的平均灰度值；表示波段组合中第 n个波段里第 q个预设等级的灰度值；表示波段组合中第 n个波段的平均灰度值；表示波段组合中第 m个波段的灰度值方差；表示波段组合中第 n个波段的灰度值方差；表示波段组合中第 m个波段与第 n个波段的灰度值协方差；表示 m波段与 n波段之间的相关系数。

57、在一种可行的实施方式中，所述 f值为5，这样可以兼顾腐蚀等级及分类识别精度，并提升后序运算效率。

58、在一种可行的实施方式中，所述步骤s100中的颜色统计特征是指针对灰度值，通过三阶颜色矩，分析腐蚀等级变化导致表面颜色变化的现象：第一阶颜色矩反映图像明暗程度；第二阶颜色矩反映图像颜色分布范围；第三阶颜色矩反映图像颜色分布对称性；具体公式可以为：

59、；

60、；

61、；

62、其中，表示第 v个颜色通道的第一阶颜色矩；表示第 v个颜色通道的第二阶颜色矩；表示第 v个颜色通道的第三阶颜色矩；表示第 v个颜色通道分量中出现 y灰度值像素的概率；表示第 v个颜色通道分量中出现 y灰度值像素的第一阶颜色矩； n表示图像灰度级数。

63、在一种可行的实施方式中，所述步骤s100中的纹理特征，用于描述物质表面的粗糙度和重复方向；通过灰度共生矩阵算法，得到不同腐蚀等级下第一试件图像的纹理特征，具体包括：

64、步骤s100-4、对经过降噪处理的伪彩色图像进行灰度化处理；将各腐蚀等级下第一试件全像素点的灰度级作为z轴，得到试样表面的腐蚀形貌特征，这样可以间接反应出腐蚀孔洞内外的不同灰度级范围；

65、步骤s100-5、使用灰度共生矩阵算法，设置方向及像素点距离；通过滑动窗口法，设置像素点邻域窗口区域大小，得到全像素点的统计特征值；进行均值化处理，得到各腐蚀等级下伪彩色图像的整体统计特征值；进行方差、对比度、异质性及熵等4种特征值分析，得出与腐蚀等级相关的变化趋势，作为伪彩色图像的纹理特征；方差和对比度反应图像的清晰度和纹理的沟纹深浅程度；异质性和熵值体现图像灰度分布的复杂程度。

66、在一种可行的实施方式中，步骤s110中的监督学习算法，属于现有技术，具体是指通过多核函数方法，将原始特征数据通过某种变换映射到一个线性可分的特征空间内。由于光谱波段数据特征、颜色统计特征、纹理特征、光谱特征等图谱特征是异构特征，不同的特征所对应的最佳核函数不一定相同，因此，使用多核函数算法，寻找不同的权重系数，得到最优的核函数组合，从而能够达到较好的分类效果，进而使最终的组合空间可以准确地对钢结构的腐蚀等级进行分类识别。

67、第二方面，基于相同的发明构思，本技术还提供了一种钢结构耐久性评定系统，包括数据接收模块、数据处理模块及结果生成模块：

68、所述数据接收模块，用于接收被测钢结构表面的光谱数据；

69、所述数据处理模块，包括数据库、模型单元及评定单元：

70、所述数据库，存储有第一试件腐蚀产物的成分含量及光谱成像数据；

71、所述模型单元，通过数学分析方法，简化所述数据库，提取与所述成分含量具有相关性的特征波长，构建第一模型，用于通过特征波长推算钢结构的腐蚀产物成分含量；

72、采集所述光谱成像数据中的平均光谱反射率数据并转化为灰度值；通过离散值统计筛选出波段组合；通过相关性分析，筛选出相关度最小的灰度值；通过rgb三通道合成，得到伪彩色图像；对所述伪彩色图像进行降噪处理；分析所述伪彩色图像的颜色统计特征和纹理特征；通过监督学习算法，构建第二模型，用于对钢结构的腐蚀等级进行分类识别；

73、所述评定单元，将被测钢结构表面的光谱数据，输入至第一模型和第二模型，得到被测钢结构的腐蚀产物成分含量和腐蚀等级；

74、所述结果生成模块，用于将钢结构的腐蚀产物成分含量和腐蚀等级外发。

75、第三方面，基于相同的发明构思，本技术还提供了一种钢结构耐久性评定装置，包括处理器、存储器及总线，所述存储器存储由处理器读取的指令及数据，所述处理器用于调用所述存储器中的指令及数据，以执行如上所述的钢结构耐久性评定方法，所述总线连接各功能部件用于传送信息。

76、采用上述技术方案，本发明具有如下有益效果：

77、本发明提供的一种钢结构耐久性评定方法、系统及装置，基于光谱图像数据鉴定钢结构的腐蚀程度及腐蚀产物成分含量，检测速度快，可大大提高了检测效率和工作效率；将材料的光谱特征信息与已知腐蚀产物混合物的光谱建立对应关系，通过相应的模型，可以准确检测出腐蚀产物成分含量和腐蚀程度并提供了量化结果，后序可以根据腐蚀产物成分含量直接判断腐蚀类型，进而根据腐蚀成分、腐蚀类型和腐蚀程度及时调整防腐措施，避免由于采用不当的防腐措施而造成损失，符合实际工程中对腐蚀诊断的要求；本方案兼具可扩展性和多参数测量能力，基于数百个波长的光谱信息和图像空间，一次成像可同时检测多种腐蚀成分，在加入相关数据指标后，还可以检测其他成分、指标或腐蚀类型，为钢结构建筑的质量评估和监控提供全面的数据支持。