本發(fā)明涉及一種金屬生產(chǎn)加工領(lǐng)域，尤其涉及一種金屬腐蝕試驗(yàn)試樣和試件自動(dòng)評(píng)級(jí)方法。

背景技術(shù)：

國(guó)內(nèi)的金屬腐蝕實(shí)驗(yàn)普遍采用人工進(jìn)行評(píng)級(jí)，一方面，存在控制精度不高，評(píng)級(jí)不夠穩(wěn)定現(xiàn)象，不提供相關(guān)圖像分析材料等問題；另一方面，需參照當(dāng)前金屬防腐蝕評(píng)級(jí)相關(guān)國(guó)家標(biāo)準(zhǔn)，在進(jìn)行金屬腐蝕的鹽霧實(shí)驗(yàn)之后金屬腐蝕圖像等信息結(jié)合用戶自己的經(jīng)驗(yàn)及期望，人工分析提出該批次金屬防腐蝕品質(zhì)等級(jí)。本發(fā)明在金屬腐蝕試驗(yàn)試樣和試件自動(dòng)評(píng)級(jí)設(shè)備研制中，應(yīng)用專家系統(tǒng)知識(shí)庫及支持向量機(jī)相結(jié)合的人工智能系統(tǒng)理論，達(dá)到金屬防腐蝕品質(zhì)進(jìn)行精確自動(dòng)評(píng)級(jí)目的。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的提出一種金屬腐蝕試驗(yàn)試樣和試件自動(dòng)評(píng)級(jí)方法，通過知識(shí)庫的分析得以在實(shí)際生產(chǎn)確定中對(duì)金屬防腐蝕品質(zhì)進(jìn)行自動(dòng)評(píng)級(jí)。

本發(fā)明針對(duì)金屬腐蝕實(shí)驗(yàn)普遍采用人工進(jìn)行評(píng)級(jí)等問題，把工程師和專家們的控制經(jīng)驗(yàn)歸納成定性描述的產(chǎn)生一組條件語句,運(yùn)用模糊和集合理論將其定量化使控制器得以接受工程師的經(jīng)驗(yàn),模仿專家的操作策略,產(chǎn)生模糊集合理論為基礎(chǔ)的核模糊控制器，用于設(shè)計(jì)金屬腐蝕試驗(yàn)試樣和試件智能評(píng)級(jí)設(shè)備。

上述發(fā)明的技術(shù)解決方案如圖2所示，主要包括圖像采集系統(tǒng)、推理機(jī)、知識(shí)庫和數(shù)據(jù)庫、控制器，所述知識(shí)庫包括金屬腐蝕紋理、金屬腐蝕色澤、金屬腐蝕形狀、金屬腐蝕多少和金屬表面破損情況;所述知識(shí)庫的信息最終會(huì)送至推理機(jī)進(jìn)行金屬腐蝕圖像的模糊推理，推理完畢后推理機(jī)訪問知識(shí)庫和數(shù)據(jù)庫得出金屬防腐蝕等級(jí)。本發(fā)明的具體技術(shù)方案為:采用擁有arm與dsp雙核架構(gòu)的達(dá)芬奇處理器和h.264算法對(duì)金屬腐蝕圖像的顏色特征進(jìn)行研究，對(duì)典型金屬腐蝕樣本圖像進(jìn)行尺寸縮放、平穩(wěn)和旋轉(zhuǎn)變化，建立完備的金屬腐蝕樣本庫，實(shí)現(xiàn)監(jiān)測(cè)、分析與狀態(tài)判別實(shí)時(shí)化、一體化，創(chuàng)建基于人工神經(jīng)網(wǎng)絡(luò)技術(shù)專家系統(tǒng)知識(shí)庫的人工智能系統(tǒng)，根據(jù)應(yīng)用來選擇和確定神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，選擇學(xué)習(xí)算法，對(duì)與求解問題有關(guān)的樣本進(jìn)行學(xué)習(xí)，以調(diào)整系統(tǒng)的連接權(quán)值，完成知識(shí)自動(dòng)獲取和分布式的存儲(chǔ)，構(gòu)建系統(tǒng)的知識(shí)庫；在進(jìn)行金屬腐蝕的鹽霧實(shí)驗(yàn)之后對(duì)該批次金屬腐蝕紋理、金屬腐蝕色澤、金屬腐蝕形狀、金屬腐蝕多少和金屬表面破損情況等進(jìn)行檢測(cè)，根據(jù)知識(shí)庫對(duì)金屬腐蝕相關(guān)數(shù)據(jù)的分析提出該批次金屬的品質(zhì)等級(jí)。

本發(fā)明的有益效果:針對(duì)金屬腐蝕的監(jiān)測(cè)特點(diǎn)，提出基于專家系統(tǒng)知識(shí)庫及支持向量機(jī)相結(jié)合的人工智能系統(tǒng)理論，保證金屬腐蝕試驗(yàn)試樣和試件自動(dòng)評(píng)級(jí)設(shè)備的精度以及判定的可靠性和時(shí)效性。

附圖說明

圖1為本發(fā)明實(shí)施例的支持向量機(jī)結(jié)構(gòu)圖。

圖2為本發(fā)明實(shí)施例的流程框圖。

具體實(shí)施方式

以下結(jié)合附圖和具體實(shí)施例對(duì)本發(fā)明進(jìn)行詳細(xì)陳述。

本發(fā)明所采用的具體技術(shù)方案為:采用擁有arm與dsp雙核架構(gòu)的達(dá)芬奇處理器和h.264算法對(duì)金屬腐蝕圖像的顏色特征進(jìn)行研究，對(duì)典型金屬腐蝕樣本圖像進(jìn)行尺寸縮放、平穩(wěn)和旋轉(zhuǎn)變化，建立完備的金屬腐蝕樣本庫，實(shí)現(xiàn)監(jiān)測(cè)、分析與狀態(tài)判別實(shí)時(shí)化、一體化，創(chuàng)建基于人工神經(jīng)網(wǎng)絡(luò)技術(shù)專家系統(tǒng)知識(shí)庫的人工智能系統(tǒng)，根據(jù)應(yīng)用來選擇和確定神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，選擇學(xué)習(xí)算法，對(duì)與求解問題有關(guān)的樣本進(jìn)行學(xué)習(xí)，以調(diào)整系統(tǒng)的連接權(quán)值，完成知識(shí)自動(dòng)獲取和分布式的存儲(chǔ)，構(gòu)建系統(tǒng)的知識(shí)庫；在進(jìn)行金屬腐蝕的鹽霧實(shí)驗(yàn)之后對(duì)該批次金屬腐蝕紋理、金屬腐蝕色澤、金屬腐蝕形狀、金屬腐蝕多少和金屬表面破損情況等進(jìn)行檢測(cè)，根據(jù)知識(shí)庫對(duì)金屬腐蝕相關(guān)數(shù)據(jù)的分析提出該批次金屬的品質(zhì)等級(jí)。

本實(shí)施例的圖1支持向量機(jī)的結(jié)構(gòu)圖。支持向量機(jī)采用不同的核函數(shù)k(x,xi)將形成不同的算法，擬采用徑向基核函數(shù)：

k(xi,xj)=exp{-︱x-xi︱/δ²=φ(xi)φ(xj)

因金屬腐蝕圖像中磨粒為強(qiáng)反射金屬表面，故應(yīng)用一對(duì)一多類分類方法，使用交叉驗(yàn)證方法得到參數(shù)c和γ，依次選擇其中兩類特征進(jìn)行分類識(shí)別，具體描述如下：

步驟ａ，選取少數(shù)訓(xùn)練樣本對(duì)系統(tǒng)進(jìn)行訓(xùn)練，訓(xùn)練過程如下:

步驟ａ-１，給定兩種特征的c個(gè)訓(xùn)練樣本，提取金屬圖像中磨粒分類特征向量作為分類依據(jù)．

步驟ａ-２，利用上述樣本的特征向量進(jìn)行線性內(nèi)積支持向量訓(xùn)練，確定線性識(shí)別模型函數(shù)；

步驟ａ-３，利用上述樣本的特征向量進(jìn)行核函數(shù)線性內(nèi)積支持向量機(jī)訓(xùn)練，確定非線性識(shí)別模型函數(shù)．

步驟ａ-４，選取磨粒測(cè)試樣本對(duì)系統(tǒng)進(jìn)識(shí)別，識(shí)別階段算法：

步驟ｂ，對(duì)于給定的待識(shí)別測(cè)試樣本，提取其中磨粒特征向量．

步驟ｂ-１，將待識(shí)別樣本的特征向量m代入線性分類支持向量機(jī)的模型函數(shù)，如果f(m)＞τ,則可確定待識(shí)別樣本的種類，τ為訓(xùn)練所獲得的分類閾值，若f(m)＜τ則轉(zhuǎn)步驟3。

步驟ｂ-２，將待識(shí)別樣本的特征向量m代入非線性分類支持向量機(jī)的模型函數(shù)，將fmax(m)歸到相應(yīng)的缺陷類中。

步驟ｃ，設(shè)置支持向量機(jī)的參數(shù)變換范圍為c=[2⁶,2⁷,2⁸,…,2¹²],γ=[2^-4,2^-3,…,2²],將(c，γ)綁定成計(jì)算交叉驗(yàn)證精度，然后選取交叉驗(yàn)證精度最高的一組參數(shù)進(jìn)行訓(xùn)練和測(cè)試，直至完成基于規(guī)則的樣本識(shí)別。

圖2為本發(fā)明實(shí)施例的流程框圖。金屬腐蝕試驗(yàn)試樣和試件自動(dòng)評(píng)級(jí)系統(tǒng)包括圖像采集系統(tǒng)、推理機(jī)、知識(shí)庫和數(shù)據(jù)庫、控制器，所述知識(shí)庫包括金屬腐蝕紋理、金屬腐蝕色澤、金屬腐蝕形狀、金屬腐蝕多少和金屬表面破損情況;所述知識(shí)庫的信息最終會(huì)送至推理機(jī)進(jìn)行金屬腐蝕圖像的模糊推理，推理完畢后推理機(jī)訪問知識(shí)庫和數(shù)據(jù)庫得出金屬防腐蝕等級(jí)。

本發(fā)明實(shí)施例的專家系統(tǒng)的知識(shí)庫和數(shù)據(jù)庫包括金屬腐蝕紋理數(shù)據(jù)庫、金屬腐蝕色澤知識(shí)庫、金屬腐蝕形狀知識(shí)庫、各品質(zhì)金屬防腐蝕要求及金屬表面破損情況數(shù)據(jù)庫、金屬腐蝕曲線數(shù)據(jù)庫。

本發(fā)明實(shí)施例的知識(shí)庫有三部分，分別為攝像頭采集圖像、腐蝕實(shí)驗(yàn)環(huán)境信息以及金屬腐蝕狀況信息。攝像頭采集圖像包括探頭式圖像采集裝置測(cè)得的高度方向點(diǎn)陣金屬磨蝕圖像和光譜式圖像采集裝置測(cè)得的金屬表面磨蝕區(qū)域。腐蝕實(shí)驗(yàn)環(huán)境信息包括腐蝕試劑信息和腐蝕裝置信息，腐蝕試劑信息包括腐蝕試劑品名、腐蝕試劑濃度和腐蝕試劑配比，腐蝕裝置信息包括腐蝕裝置材質(zhì)、腐蝕裝置容量和腐蝕裝置結(jié)構(gòu)。金屬腐蝕狀況信息包括由攝像頭檢測(cè)得出的金屬腐蝕紋理、金屬腐蝕色澤和金屬腐蝕形狀等。先進(jìn)行多個(gè)小區(qū)域的金屬防腐蝕品質(zhì)分析，分析的主要內(nèi)容為金屬腐蝕形狀、金屬腐蝕多少、金屬腐蝕情況等信息，得到的多個(gè)信息用以判斷小區(qū)域內(nèi)金屬的腐蝕面積、金屬腐蝕深度等具體數(shù)據(jù);其次，進(jìn)行大區(qū)域的金屬腐蝕分析，分析的主要內(nèi)容為金屬腐蝕紋理、金屬腐蝕色澤等信息，這些信息用以判斷金屬整體腐蝕情況，作為智能系統(tǒng)金屬腐蝕自動(dòng)評(píng)級(jí)的依據(jù)。

以上的數(shù)據(jù)輸入系統(tǒng)的三個(gè)部分的信息源給出的信息最終匯總至推理機(jī)進(jìn)行金屬腐蝕自動(dòng)評(píng)級(jí)的模糊推理，推理機(jī)訪問相關(guān)數(shù)據(jù)庫及知識(shí)庫得出這一批金屬防腐蝕的等級(jí)。

上面所述僅僅是對(duì)本發(fā)明優(yōu)選實(shí)施方式進(jìn)行描述，并非對(duì)本發(fā)明的構(gòu)思和范圍進(jìn)行限定，在不脫離本發(fā)明設(shè)計(jì)思想的前提下，本領(lǐng)域中普通工程技術(shù)人員如對(duì)本發(fā)明的技術(shù)方案中的金屬腐蝕試驗(yàn)試樣和試件自動(dòng)評(píng)級(jí)設(shè)備和評(píng)級(jí)方法進(jìn)行改變，均應(yīng)屬于本發(fā)明的保護(hù)范圍。