哈尔滨工业大学硕士学位论文
摘要
腐蚀损伤作为影响船体结构安全的重要因素，越来越引起相关研究者的高度
重视。腐蚀损伤会导致船体结构极限强度下降，承载力降低，甚至发生屈曲或断裂
的情况，因此世界各国以及国际船级社协会等组织机构出台了相关规定对腐蚀损
伤进行检测和评估，各国学者们也从理论层面对腐蚀损伤的机理和腐蚀损伤结构
的安全评估进行探究，并研发了许多腐蚀损伤检测与安全评估的产品。近十年，由
于人工智能和深度学习的快速发展，基于这两者的图像识别与处理技术正在腐蚀
损伤检测与评估的领域发挥巨大作用。本文将图像识别处理技术和卷积神经网络
模型相结合，提出了针对船体水下外板腐蚀损伤程度的识别与评估方法，并建立了
腐蚀损伤等级评估系统，可以提高检测效率，降低检测成本，完善腐蚀检测与评估
的量化过程。
本文的研究内容主要分为四个部分：首先在对船体结构腐蚀损伤进行理论分
析的基础上，设计并进行了模拟船体全浸区腐蚀情况的船体水下外板实验室加速
腐蚀试验，通过对腐蚀样本拍照获取腐蚀损伤图像，建立腐蚀损伤数据库，对样本
进行称重计算获取重量增加比、腐蚀失重比和平均腐蚀速率参数。其次采用传统数
字图像处理方法，编写了腐蚀图像识别处理控制台应用，实现图像预处理、边缘检
测、轮廓提取和腐蚀面积与周长计算等操作，利用基于无监督学习的改进自组织神
经网络聚类算法进行图像腐蚀区域的识别和分割，两种方法结合可获取腐蚀中心、
腐蚀面积、腐蚀总面积比等腐蚀损伤表征参数，利用以上参数建立腐蚀损伤等级评
估准则，进而对图像进行腐蚀损伤等级划分，建立含有腐蚀损伤评估标签的腐蚀损
伤参数数据库。然后采用经过结构调整的卷积神经网络模型导入数据集进行训练，
获取腐蚀损伤评估卷积神经网络模型。最后建立腐蚀损伤检测与评估交互界面，输
入相应腐蚀损伤图像，可以给出腐蚀损伤等级评估结果。
根据卷积神经网络预测结果准确率可知，该方法可应用于评估监测区域内船
体外板的腐蚀程度，在获取船体板腐蚀损伤图像的基础上，利用训练完毕的卷积神
经网络模型与界面友好、可视化程度高的腐蚀损伤评估程序进行连接，通过在界面
输入腐蚀损伤图像路径并点击按钮，便可以实现对于腐蚀结构的损伤评估功能，适
用于实际工程。
关键字：船体板；腐蚀损伤；图像识别；损伤等级评估
-I-
哈尔滨工业大学硕士学位论文
Abstract
Asanimportantfactoraffectingthesafetyofhullstructure,corrosiondamagehas
attractedmoreandmoreattentionfromrelevantresearchers.Corrosiondamagewilllead
tothereductionofultimatestrengthandbearingcapacityofhullstructures,andeven
bucklingorfracture.Therefore,relevantregulationshavebeenissuedbyvarious
countriesandorganizationssuchastheInternationalAssociationofClassification
Societiestodetectandevaluatecorrosiondamage.Scholarsfromvariouscountrieshave
alsoexploredthemechanismofcorrosiondamageandthesafetyassessmentofcorrosion-
damagedstructuresfromthetheoreticallevel.Anddevelopedanumberofcorrosion
damagedetectionandsafetyassessmentproducts.