项目编号： 2004?

400型FC电堆气体扩散层微观图像的智能识别和性能定制开发

Custom Development and Intelligent Recognition of Microscopic Image on 400 Type FC Stack Gas Diffusion Layer

 

项目研制单位：同济大学、上海捷氢科技股份有限公司

主要研制人员：林瑞、高源、吴晓燕、兰顺博、陈朝刚、朱孟倩、瞿同庆

 

主题词：燃料电池气体扩散层、图像智能识别软件、结构特征定量计算

1、研究内容介绍

（1）本研究的目的意义：

气体扩散层（Gas Diffusion Layer, GDL）是质子交换膜燃料电池（Proton Exchange Membrane Fuel Cell, PEMFC）的核心零部件之一。气体扩散层位于双极板和催化层之间，属于微观多孔介质，通常由基底层和微孔层构成。其中，基底层多使用高孔隙率、热电特性良好的碳纸材料。碳纸主要由碳纤维、胶质粘结剂和少量聚四氟乙烯组成。微孔层主要是由碳粉等导电物质和聚四氟乙烯等疏水粘结剂的混合物涂布烧结而成的。

气体扩散层在燃料电池中起着导气、导水、导电和导热的作用，保证了反应气体在催化层的均匀分布和产物水的顺利排出，同时支撑保护催化层。气体扩散层结构主要由内部组分及制备工艺决定，气体扩散层不同的微观结构对其性能有很大的影响，进而影响燃料电池的水热管理。为挖掘“结构-性能”间的影响规律，气体扩散层内部结构的分析至关重要。

长期以来，气体扩散层的生产被国外垄断。目前国外主要的生产厂家有日本东丽、德国科德宝、美国Avcarb等公司，而国内近两年才出现些许具备量产气体扩散层的供应商。随着燃料电池市场逐渐扩大，市面上售出的气体扩散层种类逐渐增多，筛选时通常以传统试错的方式，测试得到材料基本物性和电池性能，数据较多但其中的规律尚未有明确结论，这主要是因为不同厂家工艺路线对材料物性的影响都是耦合的，而电池性能是综合指标。但对于同一厂家的样品而言，工艺路线确定，工艺参数改变带来的影响相对明确，因此建立气体扩散层“结构-性能”间的关系是能够实现的。

综上所述，在挖掘气体扩散层“结构-性能”的规律过程中，结构分析是必不可少的一环，也是实际评估过程中容易忽略的关键点。因此，本项目提出借助图像智能识别方法对气体扩散层进行结构识别并提取特征信息，短期助力现有产品的筛选评估，长期助力实现气体扩散层的定制化设计需求。

（2）要解决的关键技术

1）使用图像处理技术提取气体扩散层图像结构特征

采用灰度阈值等方法，提取气体扩散层纤维、裂缝和孔隙等的特征参数，其中纤维特征参数主要包括纤维数目、纤维角度分布、纤维束宽度，裂缝特征参数主要包括裂缝数目、裂缝尺寸和分布，孔隙特征主要包括孔隙率、纤维和树脂的体积占比。

2）构建卷积神经网络模型智能判断气体扩散层性能和纤维分散优劣

针对电池性能与纤维结构直接相关的系列样品，搭建神经网络，通过大量图像信息与最终性能信息的学习，自动分析“结构-性能”隐含规律，实现基于卷积神经网络技术智能判断气体扩散层的性能优劣。针对电池性能与纤维结构无法直接相关的所有样品，借助神经网络模型，通过大量图像信息与纤维分散好坏的学习，自动分析纤维分散优劣。

3）算法集成验证和软件开发应用

基于气体扩散层的实际应用，自主完成灰度阈值算法和卷积神经网络算法的验证与集成，即设计用户交互界面，将这些程序和模型封装为软件工具，便于后续新增气体扩散层的结构分析以及软件的进一步验证应用。

4）基于图像识别的气体扩散层实现微结构定制化开发

基于图像识别结果，挖掘分析气体扩散层“结构-性能”的隐含规律，根据电堆性能要求提出气体扩散层的最佳结构参数区间，并与供应商深度联合开发，定制化开发结构更优、性能更佳的气体扩散层材料。

（3）采用的技术路线和方法：

本项目总体技术路线如图1所示。针对气体扩散层微观图像，分析二维和三维结构特征对性能的影响机理。采用灰度阈值法等图像处理技术对特征参数进行提取，采用卷积神经网络智能识别气体扩散层，挖掘气体扩散层“结构-性能”规律。本项目最终完成特征提取算法的开发及神经网络模型的构建，利用气体扩散层图像实现特征参数的识别及最终性能的预测。

图1技术路线图

（4）达到的效果和成果技术水平：

基于400型燃料电池（FC）电堆中气体扩散层（GDL）的国产化自主定制开发需求，本项目开发了针对GDL微观特征的智能图像识别技术，实现了从材料海量微观图像中快速定量挖掘结构特征，助力捷氢科技定量分析了15款GDL的结构特性，提出了结构上的定量要求，最终帮助捷氢科技成功向供应商定制了满足要求的气体扩散层新样品，且单电池性能提升50mV，电堆短堆性能提升8.6%，最终实现了400型FC电堆气体扩散层微观图像智能识别和性能定制开发。

本项目具体完成了以下3方面内容：

内容一：完成了图像处理算法的开发，实现了气体扩散层纤维、裂缝等结构特征识别功能的算法开发、程序编写和程序验证应用。

气体扩散层纤维识别算法编写，能够准确识别碳纸显微图像中纤维数量、走向及成束特征，精度90.9%；气体扩散层裂缝识别算法编写，能够准确识别气体扩散层中较大裂缝区域，并对识别出的气体扩散层裂缝进行多角度的几何特征识别；气体扩散层孔隙识别算法编写，能够在二维图像中实现对孔隙进行估算；三维图像重构算法编写，重构出的三维结构支持不同方向的切片操作，同时能够使用重构后的三维模型准确计算碳纸孔隙率；三维图像中的纤维、胶质、孔隙分割算法编写，能够定量计算碳纸中各组分体积占比。基于纤维识别程序，对新增样品进行应用，计算分析获得了系列样品纤维量的定量差别，为碳纸定制开发提供了有效信息；基于裂缝识别程序，拓展至了微孔层离线耐久的应用，并基于计算对新样品提出与耐久性相关的定量要求。

内容二：完成了气体扩散层图像神经网络的模型搭建、模型训练及验证。

基于6000多张气体扩散层图像，按照不同分类规则进行分类、整合以及图像处理，建立多种气体扩散层数据库，用于神经网络训练、分析及验证；通过尝试不同的神经网络模型筛选出适合样本数据的网络，经过训练使网络对碳纸性能做出准确的预测；最终经过训练验证得到了用于J系列新样品的性能预测和纤维分布均一性的质检和用于所有样品纤维分散等级识别的可靠模型，具体搭建训练了3种神经网络模型，精度均大于94%，适用于2个系列：其一针对电池性能与纤维结构直接相关的系列样品J系列，实现智能判断气体扩散层的性能优劣；其二针对电池性能与纤维结构间接相关的所有样品，自动分析纤维分散优劣，也可用于样品微观无损质检。

内容三：气体扩散层图像智能识别的功能集成和软件界面开发。

基于内容一和内容二的程序功能，将气体扩散层相关图像识别算法程序进行了封装集成和软件开发。完成了3版软件的优化编写，用户界面友好，具备一键切换及批量计算等功能，方便用户快捷使用。

（5）附典型图表、数据、产品图说明：

1）灰度阈值法算法的开发，实现了气体扩散层纤维、裂缝等结构特征识别，共编写代码1420行，识别效果如下图所示，图2为GDL显微图中的纤维识别结果，精度90.9%；图3为MPL中的裂缝识别结果；图4为μ-CT图切片中纤维和胶质的划分结果，其中蓝色表示孔隙、红色表示纤维、绿色表示胶质。

图2 GDL显微图中的纤维识别结果

图3 MPL中的裂缝识别结果

图4 μ-CT图切片中纤维和胶质的划分结果（蓝：孔隙；红：纤维；绿：胶质）

2）神经网络模型的搭建、训练及验证，共编写代码290行，最后获得了可用于J系列新样品的性能预测和纤维分布均一性的质检和用于所有样品纤维分散等级识别的可靠模型，包括3种神经网络模型，精度均大于94%，最终效果呈现如图5。

图5 神经网络模型调用界面

3）气体扩散层图像智能识别软件开发，优化后的代码共1959行，用户界面更加友好，使用更为方便，主界面如图6所示，点击模块按钮便可进入相应的功能界面，能够一键点击返回主界面，具有识别单张图像以及批量处理的功能。

图6 气体扩散层识别软件的主界面

2、技术创新点

（1）首次提出智能定量化识别气体扩散层微观结构特征参数，通过获取纤维、胶质、孔隙及裂缝信息，帮助气体扩散层的定制化开发。

（2）利用图像阈值处理和聚类算法对纤维、裂缝特征进行提取，相对于现有方法更为简单，识别速度更快，操作方便并具有较高准确度。

（3）利用灰度值和非局部均值的联合分布特性提出纤维胶质分割方法，在不同区域的分割中展现出较好的分割精度。

（4）利用气体扩散层数据库搭建神经网络模型，通过大量图像信息及特征参数信息的提取学习，可以智能判断气体扩散层的性能与纤维分散优劣。

3、专利/论文/获奖情况

（1）申请了专利《一种基于图像识别的气体扩散层纤维测量方法》(CN113610790A)。

（2）软件著作权“气体扩散层图像智能识别软件V1.0”提交申请中。

4、成果应用及经济效益预测

（1）项目成果最终帮助捷氢科技定量分析了15款GDL的结构特性，提出了结构上的定量要求，成功向供应商定制了满足要求的气体扩散层新样品，单电池性能提升50mV，电堆短堆性能提升8.6%，最终实现了400型FC电堆气体扩散层微观图像智能识别和性能定制开发。

（2）项目具体应用实例如下：

1）纤维识别程序的验证应用：实现了9款GDL碳纸的纤维数目及分布特征的提取，识别结果如下：针对W系列4款样品，显微镜20X下纤维数目小于＜24的性能最好，同时计算纤维宽度显示该样品纤维束聚集较为严重。捷氢科技据此向供应商提出了定量要求，所定制的新样品性能提升明显，20X下纤维数为10，纤维成束现象明显减少。针对新增GDL的5款产品，对其纤维数目和纤维角度分布等进行了计算分析，结果发现不同厂家样品的纤维数目有明显的差别，综合电池、热电及力学特性性能表现较好的样品，显微镜10X下图像中的纤维数目处于30左右。另外，基于纤维取向角度的计算，还发现机器方向45~60°竖向角度的纤维最多，进一步补充说明了该方向其力学弯曲更好的原因。

2）裂缝识别程序的验证应用：实现了5款GDL产品的微孔层裂缝结构特征识别，识别结果如下：针对1）中2款初始样品，计算发现透气时间并不一定由裂缝数目多及裂缝面积直接决定，裂缝角度有明显的取向性，基本都是沿着机器方向形成。针对新增3款耐久实验的样品，计算结果帮助捷氢科技对供应商所供应样品明确提出要求，需满足同J4样品的定量要求，腐蚀后的裂缝平均占比必须＜1%，不满足要求的视为不合格样品。

3）胶质纤维划分的应用：定量计算了3种碳纸系列的纤维、胶质和孔隙的体积占比，捷氢科技与国产J系列和S系列的供应商一直在开展深度合作，对标国外D系列进行碳纸开发，虽然孔隙率信息和克重都能得到，但是重要的纤维和胶质的比例信息是未知的。通过此程序能够获得定量信息，助力碳纸样品的开发。同时此信息还可以用于碳纸结构的三维重构，进一步通过仿真手段研究纤维添加量和胶质添加量对透气、导电及单池性能的影响，也是本项目成果可以进一步拓展应用的方向。

4）神经网络模型的应用：对不同分类方法的大量碳纸纤维图像进行神经网络模型训练验证，包括按样品性能分类和按纤维分布分类的两种模型。以两种分类标准得到的训练模型将用于不同场景的使用，预测J系列样品性能以及微区质检工具。

（3）经济效益：目前所需要的气体扩散层图像识别功能并没有商用软件能够全部实现，相关软件主要有Geodict，部分模块买断约200多万，租用一年需70-80万，并且不包括碳纸纤维识别功能和神经网络模块。本项目所开发软件的功能，首先预计可节省200-300万的软件分析费用，其次短期助力筛选评估气体扩散层，可缩减研发周期约1年，预计节省研发经费100万/年，并且有效帮助快速提升性能，预计总共节省200万/年。还可长期持续支持气体扩散层定制化开发，提升企业有效竞争力，预计可提升效益约100万/年。