鋁合金的實(shí)驗(yàn)室鹽霧試驗(yàn)腐蝕行為圖像特征提取

張琪，汪笑鶴，孟超

（中國華陰兵器試驗(yàn)中心 環(huán)境模擬室，陜西 華陰 714200）

武器裝備在大氣環(huán)境服役過程中發(fā)生化學(xué)或電化學(xué)反應(yīng)而產(chǎn)生大氣腐蝕失效，相比于其他類型的環(huán)境腐蝕，大氣腐蝕更加普遍。每年都有大量的金屬構(gòu)件和裝備因腐蝕而報(bào)廢，據(jù)統(tǒng)計(jì)，由大氣腐蝕造成的損失占全部腐蝕的一半。因而，開展武器裝備的大氣腐蝕規(guī)律研究對(duì)準(zhǔn)確掌握裝備使用性能和防護(hù)涂層相關(guān)研究具有重要意義。關(guān)鍵結(jié)構(gòu)件是以鋁合金為典型材料的沿海部署裝備雷達(dá)，在運(yùn)輸貯存和工作期間長(zhǎng)期耐受海洋大氣腐蝕。文中針對(duì)沿海部署雷達(dá)裝備主要功能部件的鋁合金天線，從腐蝕失重法和表面形貌圖像分析兩個(gè)方面出發(fā)，對(duì)模擬加速臨海大氣環(huán)境條件下的早期腐蝕行為作了研究。

確定大氣腐蝕速度的重要方法是傳統(tǒng)的基于質(zhì)量檢測(cè)的失重法，此方法測(cè)得的結(jié)果為一段時(shí)間內(nèi)的平均值，不具有連續(xù)性，不能反映金屬材料在某一時(shí)刻的動(dòng)態(tài)腐蝕過程。特別是金屬材料大氣腐蝕早期質(zhì)量損失量很少，測(cè)量誤差相對(duì)比較大，實(shí)際狀態(tài)難以測(cè)得。金屬腐蝕程度的評(píng)估也可以通過分析腐蝕形貌圖像定性地判斷，對(duì)于這類腐蝕早期質(zhì)量損失量少的試樣，圖像分析法能減少失重法測(cè)量中產(chǎn)生的誤差，提高腐蝕評(píng)估的精確度[1-4]。文中所建立的基于圖像分形和小波分析的鋁合金天線早期腐蝕行為圖像分析思路如圖1所示。

整個(gè)過程可以分為三步：首先對(duì)腐蝕試樣進(jìn)行形貌圖像采集和預(yù)處理；第二步，對(duì)預(yù)處理后的腐蝕形貌圖像提取特征，分別通過DBC計(jì)盒維數(shù)法提取分形維數(shù)和小波分解提取子圖像能量值；最后分析圖像特征值與腐蝕失重之間的關(guān)系，有利于進(jìn)一步應(yīng)用于試樣的腐蝕程度進(jìn)行定性和定量分析，判斷并預(yù)測(cè)試樣的腐蝕速度。

1 實(shí)驗(yàn)數(shù)據(jù)采集累積和腐蝕規(guī)律研究

1.1 實(shí)驗(yàn)過程

鋁和鋁合金以其優(yōu)良的導(dǎo)電性能廣泛應(yīng)用于雷達(dá)結(jié)構(gòu)中的天線、機(jī)箱、機(jī)柜、饋線中。該試驗(yàn)選取1060純鋁、5A06Al-Mg、6061Mg2Si、2A12高強(qiáng)度硬鋁等四種鋁合金材料為研究對(duì)象，依據(jù) GJB 150.11A—2009采用中性鹽霧試驗(yàn)方法，推薦使用每周期24 h噴霧、24 h干燥兩種狀態(tài)干濕交替的試驗(yàn)程序，進(jìn)行了5個(gè)周期的實(shí)驗(yàn)室鹽霧箱試驗(yàn)。噴霧階段以試驗(yàn)箱溫度為 35 ℃，鹽霧沉降率為(1～3) mL/(80 cm2·h)的條件進(jìn)行連續(xù)噴霧[5]。

1.2 腐蝕形貌圖像的采集與預(yù)處理

對(duì)20個(gè)規(guī)格約為4 cm×5 cm的試樣，記錄與分析了試驗(yàn)后樣本圖像原貌，采用掃描電鏡分別采集了原始大小，500，1000倍的放大圖像，并采用能譜儀分析了成分結(jié)構(gòu)。為了減少腐蝕產(chǎn)物的影響，采用化學(xué)法清洗試件，用單反相機(jī)采集了去除腐蝕產(chǎn)物后的表面形貌圖像。用電子天平分別稱取了清洗前后的樣本質(zhì)量。

1.3 鋁合金的腐蝕動(dòng)力學(xué)

1060鋁合金樣品在鹽霧箱內(nèi)暴露不同時(shí)間的腐蝕深度（由質(zhì)量損失量換算得出）見表1。可以看出，隨著暴露時(shí)間的延長(zhǎng)，腐蝕深度增加呈冪指數(shù)變化趨勢(shì)。

表1 1060鋁合金在鹽霧箱暴露不同時(shí)間的腐蝕深度

由腐蝕失重法測(cè)得腐蝕速率變化趨勢(shì)如圖 2所示[6]?？梢钥闯觯骄g速率在80 h內(nèi)腐蝕速率持續(xù)快速降低；80～150 h內(nèi)腐蝕速率增加；150 h以后又開始逐漸降低，最后趨于平緩。這是因?yàn)榍?80 h表面直接接觸腐蝕大氣，腐蝕加??；第二個(gè)階的腐蝕速率逐漸減緩，表明銹層的形成有效阻礙了腐蝕性離子滲入到基體表面；第三個(gè)階段腐蝕趨勢(shì)又增加，說明銹層和基體之間發(fā)生氧化還原反應(yīng)，電化學(xué)反應(yīng)阻力減小，銹層的保護(hù)性降低。

2 腐蝕圖像表面形貌特征值提取

數(shù)字圖像處理技術(shù)作為計(jì)算機(jī)視覺的一種實(shí)用工具，已廣泛應(yīng)用于科學(xué)研究的各個(gè)領(lǐng)域，大到衛(wèi)星遙感進(jìn)行全球環(huán)境氣候監(jiān)測(cè)，小到指紋識(shí)別實(shí)現(xiàn)安全防護(hù)。同時(shí)，現(xiàn)代數(shù)學(xué)理論的發(fā)展成熟也使數(shù)字圖像處理技術(shù)日益完善。分形理論和小波分解是近些年來得到迅速發(fā)展并在圖像處理領(lǐng)域得到廣泛應(yīng)用的數(shù)學(xué)理論[7]。

由于腐蝕形貌圖像自身的特殊性，目前還沒有專門的針對(duì)腐蝕形貌圖像的處理軟件和標(biāo)準(zhǔn)。為此，在Windows環(huán)境下，應(yīng)用MATLAB軟件編寫了腐蝕形貌圖像處理程序。

為有效抑制圖像中的噪聲信息而準(zhǔn)確提取圖像特征，對(duì)腐蝕形貌原始圖像進(jìn)行預(yù)處理。首先對(duì)單反相機(jī)采集的照片信息，進(jìn)行灰度轉(zhuǎn)換，并依次進(jìn)行中值濾波、模糊增強(qiáng)預(yù)處理突顯目標(biāo)，最后二值化圖像，將圖像中的有用信息提取出來，使發(fā)生點(diǎn)蝕或縫隙等腐蝕的部位明顯顯現(xiàn)。

2.1 提取表面形貌圖像分形特征——分維指標(biāo)

分形理論通過復(fù)雜隨機(jī)現(xiàn)象的表面來揭示其內(nèi)在深層規(guī)律。將二值化圖進(jìn)行最常用的盒記數(shù)法分形分析。把分形維數(shù)這一參數(shù)作為腐蝕表面形貌特征，用于后面的分析識(shí)別。

分形維數(shù)是腐蝕形貌圖像表面不規(guī)則程度的一種度量，反映了腐蝕形貌圖像灰度曲面的粗糙程度。n維歐氏空間中的任一有界集合具有分形特性，通過分形維數(shù)可以描述和測(cè)量其分形特性。常用 Richardson定律來估計(jì)分形維數(shù)FD。

式中：ε為分割盒子的邊長(zhǎng)與圖像大小的比值；Nε為該尺度下的盒子總數(shù)；K為分形系數(shù)。為了便于計(jì)算，對(duì)式(1)兩邊取對(duì)數(shù)，有：

對(duì)試樣圖像的分析結(jié)果見表2。

2.2 提取小波分解子圖像能量特征——灰度指標(biāo)

將原始圖像轉(zhuǎn)換為灰度圖像。離散化后的圖像可以用f(x,y)二維矩陣表示，矩陣中每一個(gè)元素就是圖像對(duì)應(yīng)該點(diǎn)的像素。像素值越小，越暗（黑），反之，圖像越亮（白）。小波變換的目的是將圖像的能量盡量集中在少量系數(shù)上，從而最大程度地去除原始圖像數(shù)據(jù)中的相關(guān)性[8-10]。

表2 表征粗糙度的分形維數(shù)

用db1小波進(jìn)行2層分解，獲取第二層的近似系數(shù)(A2)和細(xì)節(jié)系數(shù)（水平方向H2、垂直方向V2、對(duì)角線方向D2），處理輸入結(jié)果如下。

EH1，EH2，EV1，EV2以及ED1，ED2分別為水平方向、垂直方向和對(duì)角方向進(jìn)行 1，2層小波變換后的子圖像的能量值。λ是第二層小波分解得到的子圖像能量值差異的最大值：

表3 鋁合金試樣腐蝕形貌圖像特征值

以6061-1號(hào)試樣為例，圖3是鹽霧試驗(yàn)箱2個(gè)循環(huán)試驗(yàn)后4個(gè)試樣（大小約為5 cm×4 cm）進(jìn)行小波變換前后的結(jié)果?？梢钥闯?，腐蝕形貌圖像中的特征細(xì)節(jié)已經(jīng)被提取出來了，變換的目的是分離低頻信息與高頻信息。A2可以看到概貌圖，而從其他子圖中能看到邊緣和點(diǎn)等細(xì)節(jié)。隨著鹽霧試驗(yàn)時(shí)間的延長(zhǎng)，蝕點(diǎn)和裂縫數(shù)目增多，鋁合金表面腐蝕產(chǎn)物形貌顏色變暗，能量減小，如圖4所示。

3 圖像分析法與失重法的相關(guān)性分析

將特征值λ對(duì)腐蝕深度作圖，擬合結(jié)果如圖5所示，擬合的關(guān)系見式（4）。

由圖5和式(4)可以看出，在大氣腐蝕初期，試樣腐蝕形貌特征值λ與試樣腐蝕深度之間有較高的相關(guān)系數(shù)，可以用歸納的鋁合金試樣大氣腐蝕數(shù)據(jù)識(shí)別以及預(yù)測(cè)[11-13]。

4 結(jié)語

文中運(yùn)用分形理論和小波變換從模糊圖像增強(qiáng)后的鋁合金金屬腐蝕表面圖像中提取出特征值，作為腐蝕程度的表征。與以質(zhì)量損失量為基礎(chǔ)的腐蝕深度特征值進(jìn)行了相關(guān)性對(duì)比，得出基于圖像分析的特征提取法的準(zhǔn)確度和精度比較高，可以用于沿海裝備鋁合金材料大氣腐蝕早期行為識(shí)別研究。

[1] 宋詩哲, 王守琰, 高志明, 等. 圖像識(shí)別技術(shù)研究有色金屬大氣腐蝕早期行為[J]. 金屬學(xué)報(bào), 2002, 38(8)：893-896.

[2] 王守琰, 高志明, 宋詩哲. 實(shí)海試樣腐蝕形貌圖像特征提取及分析[J]. 腐蝕科學(xué)與防護(hù)技術(shù), 2001, 13(增刊)：461-463.

[3] 宋詩哲, 王守琰, 高志明, 等. 小波圖像分析研究有色金屬大氣腐蝕早期行為[C]// 全國腐蝕電化學(xué)進(jìn)展與應(yīng)用學(xué)術(shù)研討會(huì)論文集. 昆明： 中國腐蝕與防護(hù)學(xué)會(huì),2000.

[4] 徐忠營(yíng), 王偉, 孟松鶴, 等. 數(shù)字圖像相關(guān)技術(shù)在高溫?zé)崤蛎浵禂?shù)測(cè)量中的應(yīng)用[J]. 裝備環(huán)境工程, 2016,13(3)： 37-42.

[5] 王金棟, 陳定海, 姜曉明, 等. 鋁合金表面腐蝕損傷面積等效方法分析[J]. 裝備環(huán)境工程, 2016, 13(1)： 33-38.

[6] 金濤, 何衛(wèi)平, 廖圣智, 等. 2420-T62鋁合金涂層外場(chǎng)腐蝕環(huán)境下電化學(xué)性能研究[J]. 裝備環(huán)境工程, 2016,13(1)： 8-13.

[7] 周珊珊, 柴金廣. 圖像預(yù)處理的濾波算法研究[J]. 科學(xué)技術(shù)與工程, 2009, 13(9)： 3831-3832.

[8] 張淑玲, 鄒復(fù)民. 基于小波分析的人臉圖像特征提取[J]. 科學(xué)技術(shù)與工程, 2002,12(6)： 1719-1721.

[9] 李榮, 徐燕華. 基于視覺信息的圖像特征提取算法研究[J]. 電子設(shè)計(jì)工程, 2016, 24(9)： 188-190.

[10] 趙健. 小波與分形理論在圖像處理中的應(yīng)用[D]. 西安：西北工業(yè)大學(xué), 2003：56-123.

[11] 李曉剛, 董超芳. 西沙海洋大氣環(huán)境下典型材料腐蝕/老化行為與機(jī)理[M]. 北京： 科學(xué)出版社, 2014.

[12] 翁永基, 李相怡. 腐蝕預(yù)測(cè)和計(jì)量學(xué)基礎(chǔ)[M]. 北京：石油工業(yè)出版社, 2011.

[13] 趙海濱. Matlab應(yīng)用大全[M]. 北京： 清華大學(xué)出版社,2012.