基于圖像處理的多孔電極孔隙率的計算

向宇涵，付曉薇*，田 菁，李 曦

(1.武漢科技大學計算機科學與技術學院，湖北 武漢 430065；2.湖北省智能信息處理與實時工業系統重點實驗室，湖北武漢 430065；3.華中科技大學自動化學院圖像信息處理及智能控制教育部重點實驗室，湖北武漢 430074)

基于圖像處理的多孔電極孔隙率的計算

向宇涵1,2，付曉薇*1,2，田 菁1,2，李 曦3

(1.武漢科技大學計算機科學與技術學院，湖北 武漢 430065；2.湖北省智能信息處理與實時工業系統重點實驗室，湖北武漢 430065；3.華中科技大學自動化學院圖像信息處理及智能控制教育部重點實驗室，湖北武漢 430074)

針對固體氧化物燃料電池(SOFC)的電極孔隙率評估問題，提出了一種基于區域生長的圖像分割改進方法來標識出電子顯微鏡下電極圖像中的孔隙。該方法首先利用Otsu閾值法獲取原圖像的二值圖像并標記連通區域，然后在每一個連通區域選取一個灰度值最小的像素點作為種子點進行區域生長，最后根據區域生長后的結果圖像計算SOFC孔隙率。實驗結果表明該方法可以有效地計算SOFC電極孔隙率用于分析SOFC的性能。

圖像分割；固體氧化物燃料電池(SOFC)；孔隙；區域生長

固體氧化物燃料電池(solid oxide fuel cell，SOFC)將燃料從化學能轉變成電能和熱能，其高利用率和低污染性的優點在近年來越來越受到關注[1-2]。SOFC工作部分包括：固體電解質、陰極和陽極。固體電解質在SOFC中起著傳導氧離子和分離兩邊氣體的作用；電極是由全固態結構的多孔陶瓷組成，這種多孔結構保證了反應氣體的輸運，增加電極、電解質、燃料氣體的相反應界面。多孔電極的性能與其孔隙的結構參數，如孔隙率、孔徑、孔徑分布、孔隙形貌、比表面積等最基本的參量有著直接的關系[3]。其中孔隙率對多孔電極力學、物理和化學等方面性能的影響最為顯著[4]。研究表明，孔隙率越大，反應氣體的擴散越容易，多孔電極反應受氣體擴散控制越小；但孔隙率過大也會減少三相反應界面，降低多孔電極的結構強度，從而影響多孔電極的性能[5-7]。因此，準確測量多孔電極的孔隙率與孔隙分布對于SOFC微觀結構的控制及判斷SOFC的性能具有重要意義。

目前測量多孔電極孔隙率的常用方法主要有：壓汞法[8]、浸泡介質法[9]、顯微分析法[10]。

壓汞法，又稱汞孔隙率法。該方法利用汞對一般固體不潤濕原理，通過測量施加不同壓力時進入多孔材料中的汞的量來進行孔表征。其缺點在于實驗材料汞含有劇毒使操作不安全，由于將汞壓入微細孔洞中需要很大的壓力，有可能將待測材料壓碎，毀壞樣品。

浸泡介質法是利用流體靜力學和排體積法原理算出多孔孔隙率。這種方法操作過于復雜，在一定程度上限制了其應用。

顯微分析法采用掃描電子顯微鏡 (Scanning Electron Microscopy，SEM)對多孔材料進行直接觀察。SEM是以電子束作為照明源，把聚焦很細的電子束以光柵狀掃描方式[11]照射到樣本上，產生各種與樣本性質有關的信息，然后加以收集和處理，從而獲得微觀形貌放大相的一種顯微鏡。通過SEM可以準確得到多孔材料的切面圖像，人工肉眼直接觀察估算出大致孔隙率。由于不同觀察者會得到不同的結果，因此這種方法是不科學且不準確的。

對多孔材料的SEM圖像進行圖像處理分析是近年來測量孔隙率的新的研究方向，其主要應用于馬鈴薯塊[12]、納米纖維膜[13]、土壤[14]等多孔材料。本文首次將圖像處理技術應用到SOFC多孔電極的SEM圖像中進行處理并分析計算得到電極孔隙率。這種無損檢測的計算機圖像處理法比傳統測量SOFC多孔電極的孔隙率方法更具優勢。圖像分割是圖像處理中的一種，它能夠利用灰度特征的不同將SOFC電極的SEM目標圖像劃分為孔隙區域和前景區域兩種類型。鑒于此，本文提出了一種基于圖像處理技術的孔隙率計算方法。

1 實驗

1.1 實驗材料

本實驗采用平板式陽極支撐型SOFC[15]，陽極材料是Ni-YSZ。本文采用流延法制備電池陽極，流延工藝包括準備漿料、流延、控制干燥等步驟。

1.2 實驗儀器和設備

實驗所用的儀器主要是Sirion場發射掃描電子顯微鏡(Sirion 200，荷蘭FEI公司)；實驗的硬件環境為2.60 GHz AMD Athlon64 X2 5000+N680 PC機，軟件開發平臺為Matlab。

1.3 實驗方法

1.3.1 流延法制備電池陽極

陽極支撐體流延成型用的漿料由粉體、溶劑、粘結劑、增塑劑、分散劑等添加劑組成。粉料由一定量的NiO和8YSZ混合而成，溶劑由二甲苯和乙醇的混合溶液構成，并加入魚油作分散劑，將溶劑和粉料混合后在行星球磨機上球磨24 h，然后加入丁芐酯(BBP)和聚烷基二醇(PAG)以增加流延基片的塑性，加入粘接劑聚乙烯醇縮丁醛(PVB)以增加粉體間的結合力，繼續球磨24 h后，制得流延用漿料。經過除泡處理后，將混合好的漿料傾倒在運動的流延帶上，通過流延刀頭控制形成厚度均一的流延基片。采用模具在流延出的陽極基片上切割出128 mm×128 mm的正方形陽極支撐體基片(燒結后面積為100 mm×100 mm)。

1.3.2 SOFC多孔電極圖像的采集

由于在掃描電鏡下觀測得到多孔電極的SEM圖像有不同倍率，因此要選擇合適倍率下拍攝的SEM圖像用于計算孔隙率。圖1分別列出了多孔電極中同一陽極在電鏡倍數為60 000、10 000、5 000、2 000下拍攝得到的截面圖像。

如圖可見，當放大倍數高至60 000時，由于放大倍數過高，所得圖像展現細節具有片面性且不具有代表性；當放大倍率低至2 000時，多孔電極的SEM圖像上孔隙與骨架之間重疊交錯，圖片信息過多，一些微小孔隙采集不到造成結果不準確。經實驗測試，本文選取倍率為10 000和5 000的圖像進行后續分析；該多孔電極SEM圖像目標較清晰，有利于SOFC孔隙率的計算與驗證。

1.3.3 SOFC多孔電極孔隙率計算原則

如圖2所示，平板式陽極支撐型SOFC的陽極較陰極偏厚。實際應用中，通常以陽極孔隙率作為燃料電池的孔隙率值[6]。華中科技大學燃料電池創新中心在對本文實驗電極進行相關物理分析后，得到陽極孔隙率的理論值近似為36%[15]。

圖1 同一陽極在不同倍率下的SEM圖像

圖2 陽極支撐型平板電池的微觀結構

圖1展示了在不同倍率下，SOFC多孔電極的斷層圖，由于內部的Ni-YSZ等固態物質和孔隙對X射線的吸收程度不同得到了不同的灰度分布。SOFC電極的二維電鏡圖像可以分為三個部分：上層骨架、下層骨架和最深孔隙。上層骨架一般灰度值較高，下層骨架一般灰度值較低，最深孔隙則是圖像中灰度值最低的部分。

基于SOFC多孔電極特有的圖像灰度分布規律，本文算法計算孔隙率原則如下：(1)孔隙判斷原則：以最亮的邊緣為邊界，下層骨架與最深孔隙都作為孔隙；(2)孔隙率判斷原則：同一電極在不同放大倍率圖像下的孔隙率應該接近。

1.3.4 本文算法

針對SOFC多孔電極的SEM圖像特征，本文提出了一種基于區域生長的圖像處理方法來標識圖像中的孔隙，從而計算出SOFC的孔隙率。

(1)確定種子點：由于目標分布復雜，本算法采取自動獲取種子點進行區域生長。首先，利用Otsu算法獲取閾值并得到相應的二值圖像；然后將二值圖像中的連通區域標記出來，從中計算找出種子點，每一個連通區域確定一個種子點。

(2)建立區域生長規則：從每個種子點出發，按照生長規則進行區域生長，根據生長穩定后的圖像算出該張電鏡圖像中的SOFC電極孔隙率。生長規則如下：

本文算法流程如圖3所示。

圖3 本文方法流程圖

步驟1：初始化

利用Otsu算出圖像閾值，同時生成原始圖像的二值圖像。在二值圖像中加入方差為0，均值為0.02的椒鹽噪聲，然后對圖像進行5×5的中值濾波，得到邊緣平滑二值圖像，以便標記連通區域。

本算法引入椒鹽噪聲是因為利用Otsu算法生成的二值圖像總是在區域的邊緣部分不太平滑，一些原本應該連通區域分離，以致得到的種子點集合不準確。為了解決這個問題，本文做了大量嘗試，發現添加椒鹽噪聲后進行中值濾波是平滑區域邊緣的一個有效且快捷的方法。與測試用的腐蝕膨脹法相比更容易使得區域邊緣平滑，腐蝕膨脹法大多數情況下會讓區域邊緣呈鋸齒狀擴散。

步驟2：種子點選取

對上述二值圖像結果進行連通區域標記。選擇每個連通區域中灰度值為最小值像素作為該區域的種子點。

步驟3：區域生長

本算法采用隊列作為算法的基礎數據結構，將選取好的種子點作為種子集，訪問種子集中的第一個元素即第一個種子；在原始圖像中取種子點的8-鄰域像素點，滿足生長公式(1)的像素點加入到種子集中；然后重復第一個種子點的處理過程，獲取下一個種子點進行下一輪處理，直到種子集為空。

步驟4：計算孔隙率

2 實驗結果與討論

本文選取倍率為10 000和5 000的SEM圖像進行實驗分析。由于篇幅有限，本文給出兩幅特征圖像的實驗結果。

圖4和圖5中(a)是多孔電極原始圖像；(b)是利用Otsu方法分割結果；(c)是本文方法分割結果。在圖像分割的結果中，白色表示上層骨架，黑色表示孔隙。從視覺效果來看，(b)Otsu方法出現過分割現象，孔隙邊緣模糊且受噪聲影響較大；(c)本文方法將最深孔隙和下層骨架作為孔隙都基本上分割出來，孔隙清晰且邊緣平滑。本文方法的分割結果符合燃料電池孔隙測試專家的主觀判斷。

圖5 5 000×陽極SEM圖像

表1是兩幅圖像分別經過Otsu和本文方法處理后的孔隙率計算結果和計算結果與理論值之間存在的誤差。誤差的計算公式如下：

表1 孔隙率計算結果

表1所示，通過Otsu方法計算出10 000和5 000倍率下的孔隙率分別是35.064%和46.47%，其中46.47%已經遠超出理論參考值36%。通過本文方法計算出10 000倍率和5 000倍率圖片的孔隙率分別是35.864%和37.64%。根據孔隙率判斷標準——電極同一部分在不同倍率下的孔隙率值應該接近——Otsu方法計算出多孔電極在不同倍率下的孔隙率值差異較大，本文方法相比Otsu方法更符合SOFC孔隙率判斷標準。

此外，在表1中，本文方法得到的兩幅圖像孔隙率相對于理論值誤差分別是0.136%和1.64%；而Otsu方法誤差分別是0.936%和10.47%。在不同放大倍率下，本文方法的誤差值都遠小于Otsu方法的誤差值。從數據上看，本文方法對于SOFC多孔電極孔隙率的計算較準確。

本文對大量SEM電極圖像進行實驗，實驗圖片的誤差在2%以內，得出的孔隙率值可作為燃料電池性能分析的參考值。誤差產生的原因是實驗圖片中上層骨架和下層骨架相互交錯有重疊的部分，而實際上這兩層骨架處于不同平面。多孔電極的孔隙率直接影響氣體組分的擴散和多孔介質中固體部分對電流的傳遞。本實驗使用的是合格的陽極支撐型SOFC，相關研究表明[6,7,15]，合格的多孔電極的孔隙率至少在30%以上，此時在平行于氣體流動方向，高溫區域在陽極內增大，氣體擴散更加充分，電化學反應熱能更加迅速在陽極內傳遞。經過本文方法計算得到的該電池的孔隙率數值在30%～40%，與研究論文[15]結果一致，反映出該成品SOFC電池有較好的氣體擴散效果，電池的輸出電壓穩定，電池運行良好。

3 結論

本文提出了一種基于區域生長的圖像分割方法，該方法通過對SOFC多孔電極SEM圖像進行分割處理，計算電極孔隙率。將圖像處理技術應用于SOFC電極孔隙率計算并取得較好的效果。針對SEM電極圖像的實驗結果表明，本文方法可無損自動找出原始圖像中的孔隙并計算孔隙率，大大提高了SOFC檢測的工作效率。這種計算機輔助測試方法為新能源材料的研究提供了一種新的研究思路。

[1]王玉璋，惠宇，于建國.平板式SOFC的Ni/YSZ陽極上甲烷重整過程實驗研究[J].中國電機工程學報，2009,29(14):104-108.

[2]謝龍.SOFC多孔電極內微尺度流動換熱的性能研究[D].上海：上海交通大學，2012.

[3]WANGA Y,YOSHIBA F,KAWASE M,et al.Performance and effective kinetic models of methane steam reforming over Ni/YSZ anode of planar SOFC[J].Int J Hydrogen Energy,2009,34(9):3885-3893.

[4]AGUIAR P,ADJIMAN C S,BRANDON N P.Anode-supported intermediate temperature direct internal reforming solid oxide fuel cell.I:model-based steady-state performance[J].Journal of Power Sources,2004,138:120-136.

[5]于建國，惠宇，王玉璋.SOFC陽極上甲烷重整過程的性能和有效動力學模型[J].上海交通大學學報，2009,43(5):777-782.

[6]單耕.固體氧化物燃料電池陽極結構研究[D].大連：大連理工大學，2005.

[7]于建國，王玉璋，惠宇，等.陽極孔隙率對固體氧化物燃料電池性能影響的數值分析[J].硅酸鹽學報，2010,38(2):246-251.

[8]陳逸群，方永浩，賈麗麗，等.堿磷渣膠凝材料硬化漿體及其與骨料界面結構[J].河海大學學報，2010,38(1):72-75.

[9]中國金屬學會，中國有色金屬學會.金屬材料物理性能手冊(第一冊)：金屬物理性能及測試方法[M].北京：冶金工業出版社，1987：18.

[10]梁永仁，張露，崔樹茂，等.多孔材料表征與性能測試[J].材料導報刊，2006,4(2):56-59.

[11]鄧湘云，王曉慧，李龍土.掃描電子顯微鏡在新型陶瓷材料顯微分析中的應用[J].硅酸鹽通報，2007,26(1):194-196.

[12]劉鳳和，李二娜，李麗，等.基于SEM圖像處理法的凍干馬鈴薯內部孔隙率表征[J].干燥技術與設備，2013,11(4):51-56.

[13]周明，王鴻博，王銀利，等.基于圖像處理技術的納米纖維膜孔隙率表征[J].紡織學報，2012，33(1):20-23.

[14]周清，王康，朱磊.基于圖像分析的粘土孔隙分形維數研究[J].土壤通報，2009,40(4):736-739.

[15]LUO J,YAN D,FANG D,et al.Electrochemical performance and thermal cyclic ability of industrial-sized anode supported planar solid oxide fuel cells[J].Journal of Power Sources,2013,224:37-41.

Porosity evaluation for porous electrodes using image processing

To tackle electrode porosity evaluation for solid oxide fuel cell(SOFC),an image segmentation approach was proposed to exploit region growing for identifying the pores in scanning electron microscopy(SEM)electrode images for the first time.Firstly,the proposed approach extracted the connected regions of the binary image using conventional OTSU thresholding.Then,the pixels with the minimum gray value in each connected region were selected as seed points for region growing.Finally,the SOFC porosity was calculated using the result image obtained from the region growing.Experiment shows that the proposed method is effective to calculate the SOFC electrode porosity for its performance analysis.

image segmentation;solid oxide fuel cell(SOFC);pore;region growing

TM 911

A

1002-087 X(2016)03-0572-03

2015-08-16

國家自然科學基金項目(61201423,61573162)；智能信息處理與實時工業系統湖北省重點實驗室開發基金子項目(znss2013B016)；武漢科技大學研究生院教研項目 (Yjp1311, Yjg201309)；2015年湖北省科技支撐計劃項目(2015BCE059)

向宇涵(1992—)，女(土家族)，湖北省人，碩士生，主要研究方向為圖像處理。

付曉薇，E-mail：fxw_wh0409@wust.edu.cn