[发明专利]一种识别钢材锈蚀类型的方法

权利要求书

1.一种识别钢材锈蚀类型的方法，其特征在于，该方法包括：

根据表观形态特征将各种钢结构锈蚀情况分为多种不同的钢结构锈蚀类型；

采集各种钢结构锈蚀的图片，并根据钢结构锈蚀类型对采集得到的钢结构锈蚀的图片进行分类，得到各种钢结构锈蚀类型图片；

对各种钢结构锈蚀类型图片进行预处理；

将预处理后的每种钢结构锈蚀类型图片均按照预设的比例划分为训练集、验证集和测试集，并对训练集和验证集中的钢结构锈蚀类型图片进行数据标注；

建立用于识别各种钢结构锈蚀类型的卷积神经网络模型；

使用每种钢结构锈蚀类型图片的训练集对卷积神经网络模型进行训练，使用对应的验证集进行验证，并设置卷积神经网络模型的超参数；

根据各种钢结构锈蚀类型图片的训练集对设置后的卷积神经网络模型进行训练；

根据各种钢结构锈蚀类型图片的测试集对训练后的卷积神经网络模型进行测试，生成测试结果；

将测试结果与测试集中对应的钢结构锈蚀类型图片所属的钢结构锈蚀类型进行对比，根据对比结果确定测试结果的精度；

使用训练后的卷积神经网络模型对待测试的钢结构锈蚀的图片进行识别，确定该待测试的钢结构锈蚀的图片的钢结构锈蚀类型。

2.根据权利要求1所述的方法，其特征在于，将各种钢结构锈蚀发展的过程分为5种钢结构锈蚀类型：未锈蚀类型、点蚀类型、均匀锈蚀类型、剥落类型和分层类型；

其中，所述未锈蚀类型的表观形态特征为：金属表面基本没有变化或轻微颜色变化但未产生浮锈；

所述点蚀类型的表观形态特征为：金属表面局部产生小孔状的腐蚀坑；

所述均匀锈蚀类型的表观形态特征为：金属表面大部分或全部普遍发生腐蚀，腐蚀产物在金属表面形成，且不发生穿孔；

所述剥落类型的表观形态特征为：沿平行金属表面的晶体横向产生各种形式的层状分离；

所述分层类型的表观形态特征为：沿垂直金属表面的晶体横向产生各种形式的层状分离。

3.根据权利要求2所述的方法，其特征在于：将点蚀类型、均匀锈蚀类型、剥落类型和分层类型均再细分为轻微型和严重型；

其中，所述点蚀类型的轻微型的表观形态特征为：腐蚀孔孤立或稀疏的存在于金属表面；多数孔径小且孔坑浅；

所述点蚀类型的严重型的表观形态特征为：腐蚀孔紧凑的聚集于金属表面；多数孔径大且孔坑深；

所述均匀锈蚀类型的轻微型的表观形态特征为：金属表面轻微变色或产生浮锈；

所述均匀锈蚀类型的严重型的表观形态特征为：金属表面颜色变暗且产生致密锈层或产生碎片；

所述剥落类型的轻微型的表观形态特征为：金属表面产生不连续的小碎片、泡疤；

所述剥落类型的严重型的表观形态特征为：金属表面大块金属片脱离金属本体；

所述分层类型的轻微型的表观形态特征为：垂直金属表面的晶体横向产生一或两层较薄的层状分离，与基体厚度相差较大；

所述分层类型的严重型的表观形态特征为：垂直金属表面的晶体横向产生多层层状分离，与基体厚度相差较小。

4.根据权利要求1所述的方法，其特征在于，所述对各种钢结构锈蚀类型图片进行预处理包括：

根据预设的分辨率，对各种钢结构锈蚀类型图片进行裁剪；

对裁剪后的钢结构锈蚀类型图片进行数据筛选，剔除不符合筛选条件的图片；

对数据筛选后的钢结构锈蚀类型图片进行数据扩增，使得各种钢结构锈蚀类型图片的数量均达到预设的数量。

5.根据权利要求4所述的方法，其特征在于，所述对数据筛选后的钢结构锈蚀类型图片进行数据扩增包括：

通过旋转和/或翻转对数据筛选后的钢结构锈蚀类型图片进行数据扩增。

6.根据权利要求1所述的方法，其特征在于，所述对训练集和验证集中的钢结构锈蚀类型图片进行数据标注包括：

根据每种钢结构锈蚀类型图片分别建立对应的钢结构锈蚀类型图片数据库，并为每个钢结构锈蚀类型图片数据库设置唯一的标识符；

为每个钢结构锈蚀类型图片数据库中的训练集和验证集中的钢结构锈蚀类型图片进行数据标注。