一种涂层老化特征智能化评价方法与流程

本发明涉及涂层寿命评价，尤其是一种涂层老化特征智能化评价方法。

背景技术：

1、涂层的失效会造成金属材料的腐蚀，甚至会引发较严重的事故。所以，及时掌握涂层的失效情况及预测涂层的剩余使用寿命，既能为金属材料保护涂层的设计和检修提供重要的依据，又能避免事故的发生，减小了经济损失。

2、目前，防腐涂层服役效果评价没有可靠的现场监测与检测技术。厚度检测法、结合力检测法、表面形貌检测法，多针对已失效或已产生严重缺陷的涂层，结果较为片面且费时，对涂层本体具有破坏性。eis技术，解析复杂，测试时间长，数据重现性不理想，不适用于工程现场测试。涂层腐蚀寿命预测模型则是根据腐蚀机理结合涂层检测方法，通过数据处理建立腐蚀特征参数与腐蚀之间的数学模型，但是由于涂层腐蚀影响因素众多、复杂，数学模型参数难于确定，因而进行实际预测时有一定的局限性。而发展避免复杂计算、数据现场可测且容易获取的涂层腐蚀性能评价方法至关重要。

技术实现思路

1、为了克服现有技术中存在的上述问题，本发明提出一种涂层老化特征智能化评价方法。

2、本发明解决其技术问题所采用的技术方案是：一种涂层老化特征智能化评价方法，包括如下步骤：

3、步骤1，将涂层试样进行加速腐蚀试验，通过图像采集装置获取涂层老化过程中的形貌变化图像，收集涂层试样自然老化过程中的形貌变化图像，共同组成老化图像数据集；

4、步骤2，对步骤1所得数据集中具有明确等级的图像进行特征提取，利用提取的特征，基于深度学习网络建立涂层老化定量表征模型实现图像老化特征信息的定量转换；

5、步骤3，对国标、iso标准等级判定图像、有明确等级的涂层老化图像进行识别与提取，建立单项老化程度量化等级标准；

6、步骤4，在步骤3所得的单项老化程度量化等级标准的基础上，确定因素集和评价集，利用正态分布隶属函数确定评价矩阵，根据专家打分得到各因素的权重分配，确定权重集利评价矩阵和权重集，通过合成的加权平均算法得到综合评判结果向量，并采用加权法对向量中的各数据进行加权计算，得到综合老化等级评估结果；

7、步骤5，使用步骤4所得的综合老化等级评估结果对神经网络进行训练得到智能腐蚀等级评定模型；

8、步骤6，将需要判定的涂层试样图像输入到步骤5所得的智能腐蚀等级评定模型中，智能腐蚀等级评定模型输出等级评定结果。

9、上述的一种涂层老化特征智能化评价方法，所述步骤1中进行加速腐蚀试验时基于机器学习算法建立特征重要性预测计算模型，通过主要影响因子特征重要性评价，筛选加速涂层失效的关键影响因子/组合因子，构建耐老化性能指标、涂层耐候性能指标与加速实验时间的关系，将加速数据与自然腐蚀数据相比较，验证试验结果的加速性及等效性。

10、上述的一种涂层老化特征智能化评价方法，所述机器学习算法包括随机森林算法、决策树、神经网络中的一种。

11、上述的一种涂层老化特征智能化评价方法，采用所述随机森林算法筛选加速涂层失效的关键影响因子/组合因子的具体方法包括：采用均方误差、平均绝对误差作为计算指标，研究特征在通过决策树搭建随机森林的过程中降低的混沌程度，综合所有的树后，平均降低越大的则被判定为越重要的特征；打乱每个特征的特征值顺序，研究顺序变动对模型的精确率的影响；随机打乱特征顺序后，用袋外数据计算出基本误差，对需要测量的特征做重新组合处理，计算出新的准确率和基线准确率的差值，差值越大代表该特征越重要；

12、其中袋外数据计算方法如下：a：使用相应的袋外数据来计算它的袋外数据误差,记为erroob1；b:随机地对袋外数据oob所有样本的特征x加入噪声干扰，再次计算它的袋外数据误差,记为erroob2；c：若随机森林中有ntree棵树，则对于特征x的重要性＝∑(erroob2-erroob1)/ntree。

13、上述的一种涂层老化特征智能化评价方法，所述步骤2中对具有明确等级的图像进行特征提取的具体步骤包括：对具有明确等级的图像进行增强去噪提高图像质量，使用otsu算法通过计算获取特征灰度阈值，并根据阈值与图像中每个像素灰度值的对比，把每个像素划分到合适的类别；将具有相同特性的像素定义为一个区域，每个区域互不相交，结合基于区域的分隔算法对图像进行分隔；对分隔后的结果进行形态学处理。

14、上述的一种涂层老化特征智能化评价方法，所述步骤3单项老化程度量化等级包括特征面积与腐蚀等级关系、特征大小与腐蚀等级关系、特征数量与腐蚀等级关系、颜色分量与腐蚀等级关系。

15、上述的一种涂层老化特征智能化评价方法，所述颜色分量与腐蚀等级关系的建立过程包括：对步骤1中所得数据集重点图片去噪，用非线性变换将r、g、b颜色空间转换为hsv颜色空间；以试验前涂层试样宏观形貌图像作为标准样本，采用欧式距离得到距离标准图像的颜色特征值cp，结合目视检测法对颜色特征进行等级划分，建立颜色分量与腐蚀等级关系。

16、上述的一种涂层老化特征智能化评价方法，所述步骤4中因素集为涂层体系单项老化损伤指标的集合，评价集为涂层老化损伤等级划分的集合。

17、本发明的有益效果是，本发明方法可避免复杂计算，数据现场可测且容易获取，对涂层本体无破坏。本发明方法腐蚀等级评估不需要检测人员的分类，不会受限于测试人员测试过程及测试经验，避免人为主观判断影响，提高评估效率。在损伤测量时，传统的测量工具在现场环境下，很难保证测量精度；对于不规则的防腐层缺陷，比如生锈面积的测量、剥离面积和裂纹长度等也没有行之有效的测量工具，本发明方法通过像素分割实现精确测量。

技术特征：

1.一种涂层老化特征智能化评价方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种涂层老化特征智能化评价方法，其特征在于，所述步骤1中进行加速腐蚀试验时基于机器学习算法建立特征重要性预测计算模型，通过主要影响因子特征重要性评价，筛选加速涂层失效的关键影响因子/组合因子，构建耐老化性能指标、涂层耐候性能指标与加速实验时间的关系，将加速数据与自然腐蚀数据相比较，验证试验结果的加速性及等效性。

3.根据权利要求2所述的一种涂层老化特征智能化评价方法，其特征在于，所述机器学习算法包括随机森林算法、决策树、神经网络中的一种。

4.根据权利要求3所述的一种涂层老化特征智能化评价方法，其特征在于，采用所述随机森林算法筛选加速涂层失效的关键影响因子/组合因子的具体方法包括：采用均方误差、平均绝对误差作为计算指标，研究特征在通过决策树搭建随机森林的过程中降低的混沌程度，综合所有的树后，平均降低越大的则被判定为越重要的特征；打乱每个特征的特征值顺序，研究顺序变动对模型的精确率的影响；随机打乱特征顺序后，用袋外数据计算出基本误差，对需要测量的特征做重新组合处理，计算出新的准确率和基线准确率的差值，差值越大代表该特征越重要；

5.根据权利要求1所述的一种涂层老化特征智能化评价方法，其特征在于，所述步骤2中对具有明确等级的图像进行特征提取的具体步骤包括：对具有明确等级的图像进行增强去噪提高图像质量，使用otsu算法通过计算获取特征灰度阈值，并根据阈值与图像中每个像素灰度值的对比，把每个像素划分到合适的类别；将具有相同特性的像素定义为一个区域，每个区域互不相交，结合基于区域的分隔算法对图像进行分隔；对分隔后的结果进行形态学处理。

6.根据权利要求1所述的一种涂层老化特征智能化评价方法，其特征在于，所述步骤3单项老化程度量化等级包括特征面积与腐蚀等级关系、特征大小与腐蚀等级关系、特征数量与腐蚀等级关系、颜色分量与腐蚀等级关系。

7.根据权利要求6所述的一种涂层老化特征智能化评价方法，其特征在于，所述颜色分量与腐蚀等级关系的建立过程包括：对步骤1中所得数据集重点图片去噪，用非线性变换将r、g、b颜色空间转换为hsv颜色空间；以试验前涂层试样宏观形貌图像作为标准样本，采用欧式距离得到距离标准图像的颜色特征值cp，结合目视检测法对颜色特征进行等级划分，建立颜色分量与腐蚀等级关系。

8.根据权利要求1所述的一种涂层老化特征智能化评价方法，其特征在于，所述步骤4中因素集为涂层体系单项老化损伤指标的集合，评价集为涂层老化损伤等级划分的集合。

技术总结
本发明公开了一种涂层老化特征智能化评价方法，包括将涂层试样进行加速腐蚀试验，获取涂层老化过程中的形貌变化图像，收集自然老化过程中的形貌变化图像，共同组成老化图像数据集；对数据集中具有明确等级的图像进行特征提取，利用提取的特征，基于深度学习网络建立涂层老化定量表征模型实现图像老化特征信息的定量转换；对国标、ISO标准等级判定图像、有明确等级的涂层老化图像进行识别与提取，建立单项老化程度量化等级标准；基于单项老化程度量化等级标准，得到综合老化等级评估结果；用综合老化等级评估结果对神经网络进行训练得到智能腐蚀等级评定模型。本发明可避免复杂计算，数据现场可测且容易获取，对涂层本体无破坏，测量精度高。

技术研发人员：董彩常,孙丹丹,王琳,张波,付婷,万卫浩,王海舟
受保护的技术使用者：钢研纳克检测技术股份有限公司
技术研发日：
技术公布日：2024/3/27