[发明专利]一种基于机器视觉的钢质腐蚀安全检测方法与系统

权利要求书

1.一种基于机器视觉的钢质腐蚀安全检测方法，其特征在于，具体包括：

S11提取钢质架构的表面图像，并将所述表面图像传输至基于PAM-Resnet算法与Faster R-CNN算法构成的预测模型中，求得所述钢质架构的腐蚀系数；

S12当所述钢质架构的腐蚀系数大于第一腐蚀阈值时，基于所述腐蚀系数、碳元素含量、铜元素含量、磷元素含量、使用年限、所在地区的年平均降雨量、所在地区的空气中的平均盐雾含量构成输入集，并将所述输入集输入到基于ABC-LSTM算法的预测模型中，得到所述钢质架构的腐蚀等级；

S13基于所述腐蚀等级、所述钢质架构的应用场合、所述钢质架构的具体结构、所述钢质架构的所在地区的空气中的平均盐雾含量，确定所述钢质架构的安全状态。

2.根据权利要求1所述的基于机器视觉的钢质腐蚀安全检测方法，其特征在于，所述腐蚀系数的预测步骤为：

S21将所述表面图像传输至基于PAM-Resnet算法的预测模型中，得到所述钢质架构的腐蚀面积和腐蚀比例；

S22将所述表面图像传输至基于Faster R-CNN算法的预测模型中，得到所述钢质架构的腐蚀深度；

S23基于所述腐蚀面积、所述腐蚀比例、所述腐蚀深度构建腐蚀系数。

3.根据权利要求2所述的基于机器视觉的钢质腐蚀安全检测方法，其特征在于，所述腐蚀系数的计算公式为：

其中T为腐蚀系数，S为腐蚀面积、b为腐蚀比例，K₂为腐蚀深度，K₁为补偿系数。

4.根据权利要求1所述的基于机器视觉的钢质腐蚀安全检测方法，其特征在于，所述第一腐蚀阈值的计算公式为：

T₁＝K₃(K₄e^w+K₅ln y)

其中T₁为第一腐蚀阈值，K₃为根据所述钢质架构的应用场合和结构确定的权值系数，K₄、K₅分别为权值系数，w、y分别为所述钢质架构的所在地区的空气中的平均盐雾含量、所在地区的年平均降雨量。

5.根据权利要求1所述的基于机器视觉的钢质腐蚀安全检测方法，其特征在于，还包括第二腐蚀阈值，当所述腐蚀系数大于第二腐蚀阈值时，此时提高对所述腐蚀系数的检测频率，所述第二腐蚀阈值小于第一腐蚀阈值。

6.根据权利要求1所述的基于机器视觉的钢质腐蚀安全检测方法，其特征在于，当所述腐蚀系数大于第二腐蚀阈值且持续时间大于第一时间阈值，且所述钢质架构所处地区的地区影响因素大于第一影响阈值，此时对所述钢质架构的安全状态进行确定。

7.根据权利要求6所述的基于机器视觉的钢质腐蚀安全检测方法，其特征在于，所述地区影响因素的计算公式为:

其中U为地区影响因素，K₆、K₇为权值，W₂、S₂分别为所在地区的空气中的平均盐雾含量、所在地区的空气中的含水量。

8.根据权利要求1所述的基于机器视觉的钢质腐蚀安全检测方法，其特征在于，对所述腐蚀等级的预测步骤为：

S31基于所述腐蚀系数、碳元素含量、铜元素含量、磷元素含量构建本体影响输入数据集；

S32基于使用年限、所在地区的年平均降雨量、所在地区的空气中的平均盐雾含量构建外部影响输入数据集；

S33基于所述本体影响输入数据集和所述外部影响输入数据集输入到基于ABC-LSTM算法的预测模型预测得到所述腐蚀等级。