基于图像处理的多孔电极孔隙率的计算

向宇涵，付晓薇*，田 菁，李 曦

(1.武汉科技大学计算机科学与技术学院，湖北 武汉 430065；2.湖北省智能信息处理与实时工业系统重点实验室，湖北武汉 430065；3.华中科技大学自动化学院图像信息处理及智能控制教育部重点实验室，湖北武汉 430074)

基于图像处理的多孔电极孔隙率的计算

向宇涵1,2，付晓薇*1,2，田 菁1,2，李 曦3

(1.武汉科技大学计算机科学与技术学院，湖北 武汉 430065；2.湖北省智能信息处理与实时工业系统重点实验室，湖北武汉 430065；3.华中科技大学自动化学院图像信息处理及智能控制教育部重点实验室，湖北武汉 430074)

针对固体氧化物燃料电池(SOFC)的电极孔隙率评估问题，提出了一种基于区域生长的图像分割改进方法来标识出电子显微镜下电极图像中的孔隙。该方法首先利用Otsu阈值法获取原图像的二值图像并标记连通区域，然后在每一个连通区域选取一个灰度值最小的像素点作为种子点进行区域生长，最后根据区域生长后的结果图像计算SOFC孔隙率。实验结果表明该方法可以有效地计算SOFC电极孔隙率用于分析SOFC的性能。

图像分割；固体氧化物燃料电池(SOFC)；孔隙；区域生长

固体氧化物燃料电池(solid oxide fuel cell，SOFC)将燃料从化学能转变成电能和热能，其高利用率和低污染性的优点在近年来越来越受到关注[1-2]。SOFC工作部分包括：固体电解质、阴极和阳极。固体电解质在SOFC中起着传导氧离子和分离两边气体的作用；电极是由全固态结构的多孔陶瓷组成，这种多孔结构保证了反应气体的输运，增加电极、电解质、燃料气体的相反应界面。多孔电极的性能与其孔隙的结构参数，如孔隙率、孔径、孔径分布、孔隙形貌、比表面积等最基本的参量有着直接的关系[3]。其中孔隙率对多孔电极力学、物理和化学等方面性能的影响最为显著[4]。研究表明，孔隙率越大，反应气体的扩散越容易，多孔电极反应受气体扩散控制越小；但孔隙率过大也会减少三相反应界面，降低多孔电极的结构强度，从而影响多孔电极的性能[5-7]。因此，准确测量多孔电极的孔隙率与孔隙分布对于SOFC微观结构的控制及判断SOFC的性能具有重要意义。

目前测量多孔电极孔隙率的常用方法主要有：压汞法[8]、浸泡介质法[9]、显微分析法[10]。

压汞法，又称汞孔隙率法。该方法利用汞对一般固体不润湿原理，通过测量施加不同压力时进入多孔材料中的汞的量来进行孔表征。其缺点在于实验材料汞含有剧毒使操作不安全，由于将汞压入微细孔洞中需要很大的压力，有可能将待测材料压碎，毁坏样品。

浸泡介质法是利用流体静力学和排体积法原理算出多孔孔隙率。这种方法操作过于复杂，在一定程度上限制了其应用。

显微分析法采用扫描电子显微镜 (Scanning Electron Microscopy，SEM)对多孔材料进行直接观察。SEM是以电子束作为照明源，把聚焦很细的电子束以光栅状扫描方式[11]照射到样本上，产生各种与样本性质有关的信息，然后加以收集和处理，从而获得微观形貌放大相的一种显微镜。通过SEM可以准确得到多孔材料的切面图像，人工肉眼直接观察估算出大致孔隙率。由于不同观察者会得到不同的结果，因此这种方法是不科学且不准确的。

对多孔材料的SEM图像进行图像处理分析是近年来测量孔隙率的新的研究方向，其主要应用于马铃薯块[12]、纳米纤维膜[13]、土壤[14]等多孔材料。本文首次将图像处理技术应用到SOFC多孔电极的SEM图像中进行处理并分析计算得到电极孔隙率。这种无损检测的计算机图像处理法比传统测量SOFC多孔电极的孔隙率方法更具优势。图像分割是图像处理中的一种，它能够利用灰度特征的不同将SOFC电极的SEM目标图像划分为孔隙区域和前景区域两种类型。鉴于此，本文提出了一种基于图像处理技术的孔隙率计算方法。

1 实验

1.1 实验材料

本实验采用平板式阳极支撑型SOFC[15]，阳极材料是Ni-YSZ。本文采用流延法制备电池阳极，流延工艺包括准备浆料、流延、控制干燥等步骤。

1.2 实验仪器和设备

实验所用的仪器主要是Sirion场发射扫描电子显微镜(Sirion 200，荷兰FEI公司)；实验的硬件环境为2.60 GHz AMD Athlon64 X2 5000+N680 PC机，软件开发平台为Matlab。

1.3 实验方法

1.3.1 流延法制备电池阳极

阳极支撑体流延成型用的浆料由粉体、溶剂、粘结剂、增塑剂、分散剂等添加剂组成。粉料由一定量的NiO和8YSZ混合而成，溶剂由二甲苯和乙醇的混合溶液构成，并加入鱼油作分散剂，将溶剂和粉料混合后在行星球磨机上球磨24 h，然后加入丁苄酯(BBP)和聚烷基二醇(PAG)以增加流延基片的塑性，加入粘接剂聚乙烯醇缩丁醛(PVB)以增加粉体间的结合力，继续球磨24 h后，制得流延用浆料。经过除泡处理后，将混合好的浆料倾倒在运动的流延带上，通过流延刀头控制形成厚度均一的流延基片。采用模具在流延出的阳极基片上切割出128 mm×128 mm的正方形阳极支撑体基片(烧结后面积为100 mm×100 mm)。

1.3.2 SOFC多孔电极图像的采集

由于在扫描电镜下观测得到多孔电极的SEM图像有不同倍率，因此要选择合适倍率下拍摄的SEM图像用于计算孔隙率。图1分别列出了多孔电极中同一阳极在电镜倍数为60 000、10 000、5 000、2 000下拍摄得到的截面图像。

如图可见，当放大倍数高至60 000时，由于放大倍数过高，所得图像展现细节具有片面性且不具有代表性；当放大倍率低至2 000时，多孔电极的SEM图像上孔隙与骨架之间重叠交错，图片信息过多，一些微小孔隙采集不到造成结果不准确。经实验测试，本文选取倍率为10 000和5 000的图像进行后续分析；该多孔电极SEM图像目标较清晰，有利于SOFC孔隙率的计算与验证。

1.3.3 SOFC多孔电极孔隙率计算原则

如图2所示，平板式阳极支撑型SOFC的阳极较阴极偏厚。实际应用中，通常以阳极孔隙率作为燃料电池的孔隙率值[6]。华中科技大学燃料电池创新中心在对本文实验电极进行相关物理分析后，得到阳极孔隙率的理论值近似为36%[15]。

图1 同一阳极在不同倍率下的SEM图像

图2 阳极支撑型平板电池的微观结构

图1展示了在不同倍率下，SOFC多孔电极的断层图，由于内部的Ni-YSZ等固态物质和孔隙对X射线的吸收程度不同得到了不同的灰度分布。SOFC电极的二维电镜图像可以分为三个部分：上层骨架、下层骨架和最深孔隙。上层骨架一般灰度值较高，下层骨架一般灰度值较低，最深孔隙则是图像中灰度值最低的部分。

基于SOFC多孔电极特有的图像灰度分布规律，本文算法计算孔隙率原则如下：(1)孔隙判断原则：以最亮的边缘为边界，下层骨架与最深孔隙都作为孔隙；(2)孔隙率判断原则：同一电极在不同放大倍率图像下的孔隙率应该接近。

1.3.4 本文算法

针对SOFC多孔电极的SEM图像特征，本文提出了一种基于区域生长的图像处理方法来标识图像中的孔隙，从而计算出SOFC的孔隙率。

(1)确定种子点：由于目标分布复杂，本算法采取自动获取种子点进行区域生长。首先，利用Otsu算法获取阈值并得到相应的二值图像；然后将二值图像中的连通区域标记出来，从中计算找出种子点，每一个连通区域确定一个种子点。

(2)建立区域生长规则：从每个种子点出发，按照生长规则进行区域生长，根据生长稳定后的图像算出该张电镜图像中的SOFC电极孔隙率。生长规则如下：

本文算法流程如图3所示。

图3 本文方法流程图

步骤1：初始化

利用Otsu算出图像阈值，同时生成原始图像的二值图像。在二值图像中加入方差为0，均值为0.02的椒盐噪声，然后对图像进行5×5的中值滤波，得到边缘平滑二值图像，以便标记连通区域。

本算法引入椒盐噪声是因为利用Otsu算法生成的二值图像总是在区域的边缘部分不太平滑，一些原本应该连通区域分离，以致得到的种子点集合不准确。为了解决这个问题，本文做了大量尝试，发现添加椒盐噪声后进行中值滤波是平滑区域边缘的一个有效且快捷的方法。与测试用的腐蚀膨胀法相比更容易使得区域边缘平滑，腐蚀膨胀法大多数情况下会让区域边缘呈锯齿状扩散。

步骤2：种子点选取

对上述二值图像结果进行连通区域标记。选择每个连通区域中灰度值为最小值像素作为该区域的种子点。

步骤3：区域生长

本算法采用队列作为算法的基础数据结构，将选取好的种子点作为种子集，访问种子集中的第一个元素即第一个种子；在原始图像中取种子点的8-邻域像素点，满足生长公式(1)的像素点加入到种子集中；然后重复第一个种子点的处理过程，获取下一个种子点进行下一轮处理，直到种子集为空。

步骤4：计算孔隙率

2 实验结果与讨论

本文选取倍率为10 000和5 000的SEM图像进行实验分析。由于篇幅有限，本文给出两幅特征图像的实验结果。

图4和图5中(a)是多孔电极原始图像；(b)是利用Otsu方法分割结果；(c)是本文方法分割结果。在图像分割的结果中，白色表示上层骨架，黑色表示孔隙。从视觉效果来看，(b)Otsu方法出现过分割现象，孔隙边缘模糊且受噪声影响较大；(c)本文方法将最深孔隙和下层骨架作为孔隙都基本上分割出来，孔隙清晰且边缘平滑。本文方法的分割结果符合燃料电池孔隙测试专家的主观判断。

图5 5 000×阳极SEM图像

表1是两幅图像分别经过Otsu和本文方法处理后的孔隙率计算结果和计算结果与理论值之间存在的误差。误差的计算公式如下：

表1 孔隙率计算结果

表1所示，通过Otsu方法计算出10 000和5 000倍率下的孔隙率分别是35.064%和46.47%，其中46.47%已经远超出理论参考值36%。通过本文方法计算出10 000倍率和5 000倍率图片的孔隙率分别是35.864%和37.64%。根据孔隙率判断标准——电极同一部分在不同倍率下的孔隙率值应该接近——Otsu方法计算出多孔电极在不同倍率下的孔隙率值差异较大，本文方法相比Otsu方法更符合SOFC孔隙率判断标准。

此外，在表1中，本文方法得到的两幅图像孔隙率相对于理论值误差分别是0.136%和1.64%；而Otsu方法误差分别是0.936%和10.47%。在不同放大倍率下，本文方法的误差值都远小于Otsu方法的误差值。从数据上看，本文方法对于SOFC多孔电极孔隙率的计算较准确。

本文对大量SEM电极图像进行实验，实验图片的误差在2%以内，得出的孔隙率值可作为燃料电池性能分析的参考值。误差产生的原因是实验图片中上层骨架和下层骨架相互交错有重叠的部分，而实际上这两层骨架处于不同平面。多孔电极的孔隙率直接影响气体组分的扩散和多孔介质中固体部分对电流的传递。本实验使用的是合格的阳极支撑型SOFC，相关研究表明[6,7,15]，合格的多孔电极的孔隙率至少在30%以上，此时在平行于气体流动方向，高温区域在阳极内增大，气体扩散更加充分，电化学反应热能更加迅速在阳极内传递。经过本文方法计算得到的该电池的孔隙率数值在30%～40%，与研究论文[15]结果一致，反映出该成品SOFC电池有较好的气体扩散效果，电池的输出电压稳定，电池运行良好。

3 结论

本文提出了一种基于区域生长的图像分割方法，该方法通过对SOFC多孔电极SEM图像进行分割处理，计算电极孔隙率。将图像处理技术应用于SOFC电极孔隙率计算并取得较好的效果。针对SEM电极图像的实验结果表明，本文方法可无损自动找出原始图像中的孔隙并计算孔隙率，大大提高了SOFC检测的工作效率。这种计算机辅助测试方法为新能源材料的研究提供了一种新的研究思路。

[1]王玉璋，惠宇，于建国.平板式SOFC的Ni/YSZ阳极上甲烷重整过程实验研究[J].中国电机工程学报，2009,29(14):104-108.

[2]谢龙.SOFC多孔电极内微尺度流动换热的性能研究[D].上海：上海交通大学，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]于建国，惠宇，王玉璋.SOFC阳极上甲烷重整过程的性能和有效动力学模型[J].上海交通大学学报，2009,43(5):777-782.

[6]单耕.固体氧化物燃料电池阳极结构研究[D].大连：大连理工大学，2005.

[7]于建国，王玉璋，惠宇，等.阳极孔隙率对固体氧化物燃料电池性能影响的数值分析[J].硅酸盐学报，2010,38(2):246-251.

[8]陈逸群，方永浩，贾丽丽，等.碱磷渣胶凝材料硬化浆体及其与骨料界面结构[J].河海大学学报，2010,38(1):72-75.

[9]中国金属学会，中国有色金属学会.金属材料物理性能手册(第一册)：金属物理性能及测试方法[M].北京：冶金工业出版社，1987：18.

[10]梁永仁，张露，崔树茂，等.多孔材料表征与性能测试[J].材料导报刊，2006,4(2):56-59.

[11]邓湘云，王晓慧，李龙土.扫描电子显微镜在新型陶瓷材料显微分析中的应用[J].硅酸盐通报，2007,26(1):194-196.

[12]刘凤和，李二娜，李丽，等.基于SEM图像处理法的冻干马铃薯内部孔隙率表征[J].干燥技术与设备，2013,11(4):51-56.

[13]周明，王鸿博，王银利，等.基于图像处理技术的纳米纤维膜孔隙率表征[J].纺织学报，2012，33(1):20-23.

[14]周清，王康，朱磊.基于图像分析的粘土孔隙分形维数研究[J].土壤通报，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

国家自然科学基金项目(61201423,61573162)；智能信息处理与实时工业系统湖北省重点实验室开发基金子项目(znss2013B016)；武汉科技大学研究生院教研项目 (Yjp1311, Yjg201309)；2015年湖北省科技支撑计划项目(2015BCE059)

向宇涵(1992—)，女(土家族)，湖北省人，硕士生，主要研究方向为图像处理。

付晓薇，E-mail：fxw_wh0409@wust.edu.cn