基于GA-PSO-Otsu算法的质子交换膜燃料电池催化层孔结构自适应识别

车载质子交换膜燃料电池催化层的孔结构识别效率低、精度差且实验要求严格，无法适应日趋规模化的行业发展体系，因此针对该问题，本文提出基于遗传粒子群的最大化类间方差（GA-PSO-Otsu）优化算法，实现对催化层扫描电镜图孔径分布和孔隙率高效、精确且自适应的识别和测算。首先，协同引入高斯卷积核与二值化阈值最大化类间方差，有效降低噪声和手动调参对精度和效率的影响，实现自动化去噪和孔结构识别；其次，进一步提出遗传粒子群算法，有效解决传统方法遍历参数耗时长和易陷入局部优化的问题，兼具高精度和高效率的优点；最后，通过对催化层结构和灰度分布差异明显的扫描电镜图的对比实验验证，表明该方法具备良好的鲁棒性、自适应性和实用性，与遍历所有参数的传统Otsu算法的孔隙率误差小于0.5%，测算耗时降低约26.2%。