10.16208/j.issn1000-7024.2020.02.026
基于深度学习的SOFC球壳结构检测方法
为优化固体氧化物燃料电池(SOFC)制备工艺提供数据支持和理论依据,提出一种基于光学显微镜微观图像的球壳检测方法.在SOFC阳极微观图像上如果出现球壳结构,表明氧化镍(NiO)未完全还原,该现象严重影响电池的电化学性能、稳定性和使用寿命.为此,利用深度学习方法对SOFC光学显微镜图像进行球壳结构检测,分析阳极NiO的还原程度,通过预选框尺度、网络结构及参数的优化来提高检测性能.为充分利用有限的数据训练网络模型,对训练数据进行扩增.实验结果表明,该检测方法可准确有效地检测与识别形状复杂的SOFC阳极球壳结构,具有检测速度快,球壳结构定位精度较高等优点.
固体氧化物燃料电池(SOFC)、球壳结构、还原程度、深度学习、检测
41
TP391(计算技术、计算机技术)
国家自然科学基金项目 ;材料成形与模具技术国家重点实验室开放课题研究基金项目;湖北省自然科学基金项目 ;智能信息处理与实时工业系统湖北省重点实验室开放课题基金项目
2020-04-14(万方平台首次上网日期,不代表论文的发表时间)
共6页
471-476