一种金属腐蚀试验试样和试件自动评级设备及其评级方法与流程

本发明涉及一种金属生产加工领域，尤其涉及一种金属腐蚀试验试样和试件自动评级方法。

背景技术：

国内的金属腐蚀实验普遍采用人工进行评级，一方面，存在控制精度不高，评级不够稳定现象，不提供相关图像分析材料等问题；另一方面，需参照当前金属防腐蚀评级相关国家标准，在进行金属腐蚀的盐雾实验之后金属腐蚀图像等信息结合用户自己的经验及期望，人工分析提出该批次金属防腐蚀品质等级。本发明在金属腐蚀试验试样和试件自动评级设备研制中，应用专家系统知识库及支持向量机相结合的人工智能系统理论，达到金属防腐蚀品质进行精确自动评级目的。

技术实现要素：

本发明的目的提出一种金属腐蚀试验试样和试件自动评级方法，通过知识库的分析得以在实际生产确定中对金属防腐蚀品质进行自动评级。

本发明针对金属腐蚀实验普遍采用人工进行评级等问题，把工程师和专家们的控制经验归纳成定性描述的产生一组条件语句,运用模糊和集合理论将其定量化使控制器得以接受工程师的经验,模仿专家的操作策略,产生模糊集合理论为基础的核模糊控制器，用于设计金属腐蚀试验试样和试件智能评级设备。

上述发明的技术解决方案如图2所示，主要包括图像采集系统、推理机、知识库和数据库、控制器，所述知识库包括金属腐蚀纹理、金属腐蚀色泽、金属腐蚀形状、金属腐蚀多少和金属表面破损情况;所述知识库的信息最终会送至推理机进行金属腐蚀图像的模糊推理，推理完毕后推理机访问知识库和数据库得出金属防腐蚀等级。本发明的具体技术方案为:采用拥有arm与dsp双核架构的达芬奇处理器和h.264算法对金属腐蚀图像的颜色特征进行研究，对典型金属腐蚀样本图像进行尺寸缩放、平稳和旋转变化，建立完备的金属腐蚀样本库，实现监测、分析与状态判别实时化、一体化，创建基于人工神经网络技术专家系统知识库的人工智能系统，根据应用来选择和确定神经网络结构，选择学习算法，对与求解问题有关的样本进行学习，以调整系统的连接权值，完成知识自动获取和分布式的存储，构建系统的知识库；在进行金属腐蚀的盐雾实验之后对该批次金属腐蚀纹理、金属腐蚀色泽、金属腐蚀形状、金属腐蚀多少和金属表面破损情况等进行检测，根据知识库对金属腐蚀相关数据的分析提出该批次金属的品质等级。

本发明的有益效果:针对金属腐蚀的监测特点，提出基于专家系统知识库及支持向量机相结合的人工智能系统理论，保证金属腐蚀试验试样和试件自动评级设备的精度以及判定的可靠性和时效性。

附图说明

图1为本发明实施例的支持向量机结构图。

图2为本发明实施例的流程框图。

具体实施方式

以下结合附图和具体实施例对本发明进行详细陈述。

本发明所采用的具体技术方案为:采用拥有arm与dsp双核架构的达芬奇处理器和h.264算法对金属腐蚀图像的颜色特征进行研究，对典型金属腐蚀样本图像进行尺寸缩放、平稳和旋转变化，建立完备的金属腐蚀样本库，实现监测、分析与状态判别实时化、一体化，创建基于人工神经网络技术专家系统知识库的人工智能系统，根据应用来选择和确定神经网络结构，选择学习算法，对与求解问题有关的样本进行学习，以调整系统的连接权值，完成知识自动获取和分布式的存储，构建系统的知识库；在进行金属腐蚀的盐雾实验之后对该批次金属腐蚀纹理、金属腐蚀色泽、金属腐蚀形状、金属腐蚀多少和金属表面破损情况等进行检测，根据知识库对金属腐蚀相关数据的分析提出该批次金属的品质等级。

本实施例的图1支持向量机的结构图。支持向量机采用不同的核函数k(x,xi)将形成不同的算法，拟采用径向基核函数：

k(xi,xj)=exp{-︱x-xi︱/δ²=φ(xi)φ(xj)

因金属腐蚀图像中磨粒为强反射金属表面，故应用一对一多类分类方法，使用交叉验证方法得到参数c和γ，依次选择其中两类特征进行分类识别，具体描述如下：

步骤ａ，选取少数训练样本对系统进行训练，训练过程如下:

步骤ａ-１，给定两种特征的c个训练样本，提取金属图像中磨粒分类特征向量作为分类依据．

步骤ａ-２，利用上述样本的特征向量进行线性内积支持向量训练，确定线性识别模型函数；

步骤ａ-３，利用上述样本的特征向量进行核函数线性内积支持向量机训练，确定非线性识别模型函数．

步骤ａ-４，选取磨粒测试样本对系统进识别，识别阶段算法：

步骤ｂ，对于给定的待识别测试样本，提取其中磨粒特征向量．

步骤ｂ-１，将待识别样本的特征向量m代入线性分类支持向量机的模型函数，如果f(m)＞τ,则可确定待识别样本的种类，τ为训练所获得的分类阈值，若f(m)＜τ则转步骤3。

步骤ｂ-２，将待识别样本的特征向量m代入非线性分类支持向量机的模型函数，将fmax(m)归到相应的缺陷类中。

步骤ｃ，设置支持向量机的参数变换范围为c=[2⁶,2⁷,2⁸,…,2¹²],γ=[2^-4,2^-3,…,2²],将(c，γ)绑定成计算交叉验证精度，然后选取交叉验证精度最高的一组参数进行训练和测试，直至完成基于规则的样本识别。

图2为本发明实施例的流程框图。金属腐蚀试验试样和试件自动评级系统包括图像采集系统、推理机、知识库和数据库、控制器，所述知识库包括金属腐蚀纹理、金属腐蚀色泽、金属腐蚀形状、金属腐蚀多少和金属表面破损情况;所述知识库的信息最终会送至推理机进行金属腐蚀图像的模糊推理，推理完毕后推理机访问知识库和数据库得出金属防腐蚀等级。

本发明实施例的专家系统的知识库和数据库包括金属腐蚀纹理数据库、金属腐蚀色泽知识库、金属腐蚀形状知识库、各品质金属防腐蚀要求及金属表面破损情况数据库、金属腐蚀曲线数据库。

本发明实施例的知识库有三部分，分别为摄像头采集图像、腐蚀实验环境信息以及金属腐蚀状况信息。摄像头采集图像包括探头式图像采集装置测得的高度方向点阵金属磨蚀图像和光谱式图像采集装置测得的金属表面磨蚀区域。腐蚀实验环境信息包括腐蚀试剂信息和腐蚀装置信息，腐蚀试剂信息包括腐蚀试剂品名、腐蚀试剂浓度和腐蚀试剂配比，腐蚀装置信息包括腐蚀装置材质、腐蚀装置容量和腐蚀装置结构。金属腐蚀状况信息包括由摄像头检测得出的金属腐蚀纹理、金属腐蚀色泽和金属腐蚀形状等。先进行多个小区域的金属防腐蚀品质分析，分析的主要内容为金属腐蚀形状、金属腐蚀多少、金属腐蚀情况等信息，得到的多个信息用以判断小区域内金属的腐蚀面积、金属腐蚀深度等具体数据;其次，进行大区域的金属腐蚀分析，分析的主要内容为金属腐蚀纹理、金属腐蚀色泽等信息，这些信息用以判断金属整体腐蚀情况，作为智能系统金属腐蚀自动评级的依据。

以上的数据输入系统的三个部分的信息源给出的信息最终汇总至推理机进行金属腐蚀自动评级的模糊推理，推理机访问相关数据库及知识库得出这一批金属防腐蚀的等级。

上面所述仅仅是对本发明优选实施方式进行描述，并非对本发明的构思和范围进行限定，在不脱离本发明设计思想的前提下，本领域中普通工程技术人员如对本发明的技术方案中的金属腐蚀试验试样和试件自动评级设备和评级方法进行改变，均应属于本发明的保护范围。