CN104700097A - 一种基于矿物标准色数据库的矿物组分识别方法 - Google Patents
一种基于矿物标准色数据库的矿物组分识别方法 Download PDFInfo
- Publication number
- CN104700097A CN104700097A CN201510148345.6A CN201510148345A CN104700097A CN 104700097 A CN104700097 A CN 104700097A CN 201510148345 A CN201510148345 A CN 201510148345A CN 104700097 A CN104700097 A CN 104700097A
- Authority
- CN
- China
- Prior art keywords
- mineral
- identified
- image
- scanning plane
- scanning
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明公开了一种基于矿物标准色数据库的矿物组分识别方法，包括步骤：一、土样获取；二、面扫描：采用带能谱分析的扫描电子显微镜，获得待识别扫描面的电镜扫描图像；三、化学元素面分布扫描：采用带能谱分析的扫描电子显微镜获得待识别扫描面上所含多种化学元素的面分布图像；四、图像传送；五、基于图像处理的矿物组分识别，过程如下：501、面分布图像着色；502、图像叠加；503、矿物组分识别：结合预先建立的矿物标准色数据库，对待识别扫描面上需识别的一个或多个矿物颗粒的矿物类型分别进行识别。本发明方法简单、设计合理且实现方便、使用效果好，能简便、快速对土体的矿物组分进行准确识别。
Description
技术领域
本发明涉及一种矿物组分识别方法，尤其是涉及一种基于矿物标准色数据库的矿物组分识别方法。
背景技术
以往，利用带能谱分析的扫描电子显微镜对土样的微观结构进行研究时，受测试技术的限制，只注重分析土样中颗粒的外观形态与颗粒大小，但对颗粒的矿物成分及其空间分布对土的工程性质的影响研究不多。尤其是展开特殊土的微观结构研究时，由于特殊土的工程地质和力学特性受其微观结构的影响很大，不仅需分析特殊土中矿物颗粒的外观形态与颗粒大小，并且还需对矿物颗粒的矿物成分及其空间分布进行分析，对矿物颗粒的矿物成分及其空间分布进行分析时，矿物成分的识别至关重要。特殊土在我国分布广阔，特殊土主要包括黄土、膨胀土、红粘土、软土、冻土等，查明土的微观结构，对于研究特殊土的宏观力学性质、优化地基处理工艺等，都有重大的经济意义和社会价值。因而，对土体的微观结构(尤其是特殊土的微观结构)进行研究时，需要一种方法简单、设计合理且实现方便、使用效果好的矿物组分识别方法，能简便、快速对土体的矿物组分进行准确识别。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于矿物标准色数据库的矿物组分识别方法，其方法简单、设计合理且实现方便、使用效果好，能简便、快速对土体的矿物组分进行准确识别。
为解决上述技术问题，本发明采用的技术方案是：一种基于矿物标准色数据库的矿物组分识别方法，其特征在于该方法包括以下步骤：
步骤一、土样获取：获取待识别土样，并对所述待识别土样上需进行矿物组分识别的部位进行打磨和抛光处理，获得扫描面；所述待识别扫描面为平面且其上含有多个矿物颗粒，且所述待识别扫描面为待识别扫描面；
步骤二、面扫描：采用带能谱分析的扫描电子显微镜，对步骤一中所述待识别扫描面进行扫描，获得所述待识别扫描面的电镜扫描图像；
步骤三、化学元素面分布扫描：采用带能谱分析的扫描电子显微镜对所述待识别扫描面进行扫描，并获得所述待识别扫描面上所含多种化学元素的面分布图像，所述面分布图像的数量为多幅，每一种化学元素的面分布图像均为该化学元素在所述待识别扫描面上的面分布图像；
步骤四、图像传送：将步骤二中所述电镜扫描图像和步骤三中多幅所述面分布图像，均传送至图像处理设备；
步骤五、基于图像处理的矿物组分识别：采用所述图像处理设备，对所述待识别扫描面上所含的矿物组分进行识别，过程如下：
步骤501、面分布图像着色：根据预先建立的化学元素着色数据库，调用图像处理软件，对多幅所述面分布图像分别进行着色；着色后，多幅所述面分布图像的颜色均不相同；
所述化学元素着色数据库中包括多种化学元素的颜色信息，且多种化学元素的颜色信息均不相同；
步骤502、图像叠加：调用所述图像处理软件，将步骤501中着色后的各幅所述面分布图像均叠加在所述电镜扫描图像上，并获得叠加后图像，所述叠加后图像为矿物组分识别用图像；
步骤503、矿物组分识别：结合预先建立的矿物标准色数据库，对所述待识别扫描面上需识别的一个或多个矿物颗粒的矿物类型分别进行识别，各矿物颗粒的矿物类型的识别方法均相同；对所述待识别扫描面上任一个矿物颗粒的矿物类型进行识别时，过程如下：
步骤5031、待识别区域选取：调用所述图像处理软件，在所述叠加后图像上选取待识别区域；所述待识别区域为所述待识别扫描面上待识别矿物颗粒所处的图像区域；
步骤5032、色度值计算：先调用所述图像处理软件，计算得出步骤5031中所选取待识别区域的色彩平均值，计算得出的色彩平均值为Lab值；之后，将计算得出的色彩平均值中的a值和b值作为所选取待识别区域的色度值，记作(a均，b均)；
步骤5033、色度值差值计算及矿物类型识别：对所述矿物标准色数据库中各矿物的标准色数据(a标，b标)与步骤5032中所述的色度值(a均，b均)之间的色度值差值ΔE分别进行计算，并根据计算得出的色度值差值ΔE，对所选取待识别区域内矿物颗粒的矿物类型进行识别，且所选取待识别区域内矿物颗粒的矿物类型为所述矿物标准色数据库中标准色数据(a标，b标)与色度值(a均，b均)之间的色度值差值ΔE最小的矿物；
对矿物标准色数据库中各矿物的标准色数据(a标，b标)与色度值(a均，b均)与之间的色度值差值ΔE进行计算时，根据公式(1)进行计算；
所述矿物标准色数据库中包含多种不同类型且矿物组分已知的矿物的标准色数据(a标，b标)，所述矿物标准色数据库中各矿物的标准色数据(a标，b标)的获取方法均相同；
对任一种矿物的标准色数据(a标，b标)进行获取时，先获取内部含有该矿物的试样，并经打磨和抛光处理获得一个扫描面，该扫描面为待分析扫描面且其上含有该矿物的矿物颗粒；之后，在所述待分析扫描面上选取一个该矿物的矿物颗粒作为待分析颗粒，并利用所述待分析扫描面，获取该矿物的标准色数据，过程如下：
步骤Ⅰ、图像扫描及图像传送：按照步骤二至步骤四中所述的方法，获得所述待分析扫描面的电镜扫描图像和所述待分析扫描面上所含多种化学元素的面分布图像，并传送至所述图像处理设备；
步骤Ⅱ、面分布图像着色：按照步骤501中所述的方法，对步骤Ⅰ中所述待分析扫描面上所含多种化学元素的面分布图像分别进行着色；
步骤Ⅲ、图像叠加：按照步骤502中所述的方法，将步骤Ⅲ中着色后的各幅所述面分布图像均叠加在所述电镜扫描图像上，并获得叠加后图像；
步骤Ⅳ、待分析区域选取：所述图像处理设备调用所述图像处理软件，在步骤Ⅲ中所获得叠加后图像上选取所述待分析颗粒所处的图像区域作为待分析区域；
步骤Ⅴ、色度值计算：按照步骤5032中所述的方法，计算得出步骤Ⅳ中所选取待分析区域的色彩平均值，并将计算得出的色彩平均值中的a值和b值作为该矿物的标准色数据，记作(a标，b标)。
上述一种基于矿物标准色数据库的矿物组分识别方法，其特征是：步骤一中所述待识别土样的横截面为圆形或方形，所述待识别扫描面与所述待识别土样的中心轴线呈垂直布设。
上述一种基于矿物标准色数据库的矿物组分识别方法，其特征是：步骤一中所述待识别扫描面上含有N种化学元素，其中N为正整数且N≥2；步骤三中所述面分布图像的数量为M幅，其中M为正整数且M≤N。
上述一种基于矿物标准色数据库的矿物组分识别方法，其特征是：M＝N；步骤三中进行化学元素面分布扫描时，获得所述待识别扫描面上所有化学元素的面分布图像；步骤Ⅰ进行图像扫描及图像传送时，获得所述待分析扫描面上所有化学元素的面分布图像。
上述一种基于矿物标准色数据库的矿物组分识别方法，其特征是：M＝7，7种化学元素分别为Ca、K、Al、Si、Fe、Mg和Na元素；步骤三中进行化学元素面分布扫描时，获得所述待识别扫描面上所含Ca、K、Al、Si、Fe、Mg和Na元素的面分布图像，且所获得面分布图像的数量为7幅；步骤Ⅰ进行图像扫描及图像传送时，获得所述待分析扫描面上所含Ca、K、Al、Si、Fe、Mg和Na元素的面分布图像，且所获得面分布图像的数量为7幅。
上述一种基于矿物标准色数据库的矿物组分识别方法，其特征是：步骤501中所述化学元素着色数据库中各化学元素的颜色信息均为该化学元素的面分布图像所添加颜色的RGB值。
上述一种基于矿物标准色数据库的矿物组分识别方法，其特征是：步骤5033中所选取待识别区域内矿物颗粒的矿物类型为所述矿物标准色数据库中标准色数据(a标，b标)与色度值(a均，b均)之间的色度值差值ΔE最小且色度值差值ΔE小于ε的矿物，ε为预先设定的比较阈值且ε＝2～3.5。
上述一种基于矿物标准色数据库的矿物组分识别方法，其特征是：步骤5033中进行色度值差值计算及矿物类型识别时，当所述矿物标准色数据库中不存在标准色数据(a标，b标)与色度值(a均，b均)之间的色度值差值ΔE最小且色度值差值ΔE小于ε的矿物时，先采用带能谱分析的扫描电子显微镜对所选取待识别区域内的一个图像点进行扫描，并获得该图像点的能谱图；之后，根据该图像点的能谱图，对所选取待识别区域内矿物颗粒进行能谱分析，并根据能谱分析结果，对所选取待识别区域内矿物颗粒的矿物类型进行确定；
待所选取待识别区域内矿物颗粒的矿物类型确定后，将步骤5032中计算得出的色度值(a均，b均)作为该类型矿物的标准色数据(a标，b标)，并将该类型矿物的标准色数据(a标，b标)添加至所述矿物标准色数据库中。
上述一种基于矿物标准色数据库的矿物组分识别方法，其特征是：步骤二中所述电镜扫描图像为灰度图像，步骤三中各幅所述面分布图像的图像尺寸和分辨率均与步骤二中所述电镜扫描图像相同。
上述一种基于矿物标准色数据库的矿物组分识别方法，其特征是：步骤一中所述待识别扫描面上包含多个扫描对象，所述扫描对象为矿物颗粒或孔隙；步骤503中进行矿物组分识别时，对所述待识别扫描面上所有矿物颗粒的矿物类型分别进行识别；待所述待识别扫描面上所有矿物颗粒的矿物类型均识别后，完成所述待识别扫描面上所含的矿物组分的识别过程。
本发明与现有技术相比具有以下优点：
1、识别方法步骤简单、设计合理且实现方便，投入成本较低。
2、所采用矿物标准色数据库的建立方法步骤简单、设计合理且实现方便，所建立的矿物标准色数据库使用效果好且实用价值高，为矿物类型识别提供准确依据。
3、识别方法简单、可操作性强和识别快速、操作难度低，劳动强度低，采用图像处理设备便能自动完成矿物类型识别过程，能在十几分钟甚至几分钟内完成扫描面上多个矿物颗粒的矿物类型识别过程。
4、使用效果好且实用价值高，能简便、快速对土体的矿物组分进行准确识别。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
图1为本发明的方法流程框图。
图2为采用本发明所获得的待识别扫描面的电镜扫描图像。
图3为采用本发明所获得的叠加后图像。
图4-1为采用本发明获得的叠加后图像中编号为003的图像区域内一个图像点的能谱图。
图4-2为采用本发明对叠加后图像中编号为003的图像区域进行色彩平均处理后的图像。
图5-1为采用本发明获得的叠加后图像中编号为009的图像区域内一个图像点的能谱图。
图5-2为采用本发明对叠加后图像中编号为009的图像区域进行色彩平均处理后的图像。
具体实施方式
如图1所示的一种基于矿物标准色数据库的矿物组分识别方法，包括以下步骤：
步骤一、土样获取：获取待识别土样，并对所述待识别土样上需进行矿物组分识别的部位进行打磨和抛光处理，获得扫描面；所述待识别扫描面为平面且其上含有多个矿物颗粒，且所述待识别扫描面为待识别扫描面。
步骤二、面扫描：采用带能谱分析的扫描电子显微镜，对步骤一中所述待识别扫描面进行扫描，获得所述待识别扫描面的电镜扫描图像。
步骤三、化学元素面分布扫描：采用带能谱分析的扫描电子显微镜对所述待识别扫描面进行扫描，并获得所述待识别扫描面上所含多种化学元素的面分布图像，所述面分布图像的数量为多幅，每一种化学元素的面分布图像均为该化学元素在所述待识别扫描面上的面分布图像。
其中，各化学元素的面分布图像，即各化学元素在所述待识别扫描面上的分布，其获取方法为能谱仪的常规面分析方法，面分布图像也称为能谱面分布图像。
步骤四、图像传送：将步骤二中所述电镜扫描图像和步骤三中多幅所述面分布图像，均传送至图像处理设备。
步骤五、基于图像处理的矿物组分识别：采用所述图像处理设备，对所述待识别扫描面上所含的矿物组分进行识别，过程如下：
步骤501、面分布图像着色：根据预先建立的化学元素着色数据库，调用图像处理软件，对多幅所述面分布图像分别进行着色；着色后，多幅所述面分布图像的颜色均不相同。
所述化学元素着色数据库中包括多种化学元素的颜色信息，且多种化学元素的颜色信息均不相同。
步骤502、图像叠加：调用所述图像处理软件，将步骤501中着色后的各幅所述面分布图像均叠加在所述电镜扫描图像上，并获得叠加后图像，所述叠加后图像为矿物组分识别用图像。
步骤503、矿物组分识别：结合预先建立的矿物标准色数据库，对所述待识别扫描面上需识别的一个或多个矿物颗粒的矿物类型分别进行识别，各矿物颗粒的矿物类型的识别方法均相同；对所述待识别扫描面上任一个矿物颗粒的矿物类型进行识别时，过程如下：
步骤5031、待识别区域选取：调用所述图像处理软件，在所述叠加后图像上选取待识别区域；所述待识别区域为所述待识别扫描面上待识别矿物颗粒所处的图像区域；
步骤5032、色度值计算：先调用所述图像处理软件，计算得出步骤5031中所选取待识别区域的色彩平均值，计算得出的色彩平均值为Lab值；之后，将计算得出的色彩平均值中的a值和b值作为所选取待识别区域的色度值，记作(a均，b均)；
步骤5033、色度值差值计算及矿物类型识别：对所述矿物标准色数据库中各矿物的标准色数据(a标，b标)与步骤5032中所述的色度值(a均，b均)之间的色度值差值ΔE分别进行计算，并根据计算得出的色度值差值ΔE，对所选取待识别区域内矿物颗粒的矿物类型进行识别，且所选取待识别区域内矿物颗粒的矿物类型为所述矿物标准色数据库中标准色数据(a标，b标)与色度值(a均，b均)之间的色度值差值ΔE最小的矿物；也就是说，所选取待识别区域内矿物颗粒的矿物类型为所述矿物标准色数据库中标准色数据(a标，b标)与色度值(a均，b均)之间的色度值差值ΔE最小的矿物相同；
对矿物标准色数据库中各矿物的标准色数据(a标，b标)与色度值(a均，b均)与之间的色度值差值ΔE进行计算时，根据公式(1)进行计算；
所述矿物标准色数据库中包含多种不同类型且矿物组分已知的矿物的标准色数据(a标，b标)，所述矿物标准色数据库中各矿物的标准色数据(a标，b标)的获取方法均相同；
对任一种矿物的标准色数据(a标，b标)进行获取时，先获取内部含有该矿物的试样，并经打磨和抛光处理获得一个扫描面，该扫描面为待分析扫描面且其上含有该矿物的矿物颗粒；之后，在所述待分析扫描面上选取一个该矿物的矿物颗粒作为待分析颗粒，并利用所述待分析扫描面，获取该矿物的标准色数据，过程如下：
步骤Ⅰ、图像扫描及图像传送：按照步骤二至步骤四中所述的方法，获得所述待分析扫描面的电镜扫描图像和所述待分析扫描面上所含多种化学元素的面分布图像，并传送至所述图像处理设备；
步骤Ⅱ、面分布图像着色：按照步骤501中所述的方法，对步骤Ⅰ中所述待分析扫描面上所含多种化学元素的面分布图像分别进行着色；
步骤Ⅲ、图像叠加：按照步骤502中所述的方法，将步骤Ⅲ中着色后的各幅所述面分布图像均叠加在所述电镜扫描图像上，并获得叠加后图像；
步骤Ⅳ、待分析区域选取：所述图像处理设备调用所述图像处理软件，在步骤Ⅲ中所获得叠加后图像上选取所述待分析颗粒所处的图像区域作为待分析区域；
步骤Ⅴ、色度值计算：按照步骤5032中所述的方法，计算得出步骤Ⅳ中所选取待分析区域的色彩平均值，并将计算得出的色彩平均值中的a值和b值作为该矿物的标准色数据，记作(a标，b标)。
步骤5032中所述的Lab值为Lab色彩模型的数值，Lab色彩模型是由亮度(L)和有关色彩的a与b这三个要素组成，其中L表示亮度(Luminosity)，a表示从红色至绿色的范围，b表示从黄色至蓝色的范围。a和b是两个颜色通道。a包括的颜色是从深绿色(低亮度值)到灰色(中亮度值)再到亮粉红色(高亮度值)；b是从亮蓝色(底亮度值)到灰色(中亮度值)再到黄色(高亮度值)。
本实施例中，步骤一中所述待识别土样的横截面为圆形或方形，所述待识别扫描面与所述待识别土样的中心轴线呈垂直布设。
实际使用过程中，可根据具体需要，对所述待识别土样的形状和尺寸进行调整。
实际对所述待识别土样进行获取时，按照申请号为CN201410609330.0且发明名称为“一种土体微观结构三维重建方法”的发明专利申请文件中所公开的土样获取方法，获取所述待识别土样。
实际操作过程中，步骤一中所述待识别扫描面上含有N种化学元素，其中N为正整数且N≥2；步骤三中所述面分布图像的数量为M幅，其中M为正整数且M≤N。
为识别精确，M＝N；步骤三中进行化学元素面分布扫描时，获得所述待识别扫描面上所有化学元素的面分布图像；步骤Ⅰ进行图像扫描及图像传送时，获得所述待分析扫描面上所有化学元素的面分布图像。
本实施例中，为减少数据处理量，M＝7，7种化学元素分别为Ca、K、Al、Si、Fe、Mg和Na元素；步骤三中进行化学元素面分布扫描时，获得所述待识别扫描面上所含Ca、K、Al、Si、Fe、Mg和Na元素的面分布图像，且所获得面分布图像的数量为7幅；步骤Ⅰ进行图像扫描及图像传送时，获得所述待分析扫描面上所含Ca、K、Al、Si、Fe、Mg和Na元素的面分布图像，且所获得面分布图像的数量为7幅。
本实施例中，步骤501中所述化学元素着色数据库中各化学元素的颜色信息均为该化学元素的面分布图像所添加颜色的RGB值。
并且，上述7种化学元素的颜色信息，详见表1：
表1 7种化学元素颜色信息列表
实际使用时，可根据具体需要，对上述7种化学元素的颜色信息进行调整，也就是说，对上述7种化学元素的面分布图像所添加颜色进行调整。
并且，步骤Ⅱ中进行面分布图像着色时，根据所述化学元素着色数据库，对步骤Ⅰ中所述待分析扫描面上所含多种化学元素的面分布图像分别进行着色。
本实施例中，步骤二中所获得的电镜扫描图像，详见图2。图2中，标注有待识别扫描面上多个待识别矿物颗粒所处的图像区域，并且各图像区域均标注有由三个数字组成的编号，如002、003、005、009、010等。
本实施例中，步骤502中所获得的叠加后图像，详见图3，且该叠加后图像为一个彩色图像。并且，所述叠加后图像中各待识别矿物颗粒所处的图像区域的颜色均由底图颜色和元素颜色构成，其中底图颜色为步骤二中所获得的电镜扫描图像的颜色，元素颜色为叠加在所述电镜扫描图像上的各幅所述面分布图像的颜色。
步骤5033中所选取待识别区域内矿物颗粒的矿物类型为所述矿物标准色数据库中标准色数据(a标，b标)与色度值(a均，b均)之间的色度值差值ΔE最小且色度值差值ΔE小于ε的矿物，ε为预先设定的比较阈值且ε＝2～3.5。本实施例中，ε＝3。实际使用时，可根据具体需要，对ε的取值大小进行调整。
本实施例中，步骤5033中进行色度值差值计算及矿物类型识别时，当所述矿物标准色数据库中不存在标准色数据(a标，b标)与色度值(a均，b均)之间的色度值差值ΔE最小且色度值差值ΔE小于3的矿物时，先采用带能谱分析的扫描电子显微镜对所选取待识别区域内的一个图像点进行扫描，并获得该图像点的能谱图；之后，根据该图像点的能谱图，对所选取待识别区域内矿物颗粒进行能谱分析，并根据能谱分析结果，对所选取待识别区域内矿物颗粒的矿物类型进行确定。
待所选取待识别区域内矿物颗粒的矿物类型确定后，将步骤5032中计算得出的色度值(a均，b均)作为该类型矿物的标准色数据(a标，b标)，并将该类型矿物的标准色数据(a标，b标)添加至所述矿物标准色数据库中。
本实施例中，步骤5033中进行色度值差值计算及矿物类型识别时，对编号为003和009的图像区域的矿物类型不能通过所述矿物标准色数据库进行确定，即所述矿物标准色数据库中不存在标准色数据(a标，b标)与色度值(a均，b均)之间的色度值差值ΔE最小且色度值差值ΔE小于3的矿物。此时，采用带能谱分析的扫描电子显微镜，对编号为003的图像区域内的一个图像点进行扫描，并获得该图像点的能谱图，详见图4-1；并且，对编号为009的图像区域内的一个图像点进行扫描，并获得该图像点的能谱图，详见图5-1。
根据该图像点的能谱图，对所选取待识别区域内矿物颗粒进行能谱分析，并根据能谱分析结果，对所选取待识别区域内矿物颗粒的矿物类型进行确定时，根据矿物鉴别相关知识，对能谱特征和成分含量特征进行解释，从而准确鉴别该矿物。本实施例中，结合图4-1，且通过能谱分析得出，编号为003的图像区域内矿物颗粒的矿物类型为石英；结合图5-1，且通过能谱分析得出，编号为009的图像区域内矿物颗粒的矿物类型为方解石。
实际使用过程中，通过上述点扫描确定矿物类型的方式，对所述矿物标准色数据库进行补充；并且，能通过上述点扫描确定矿物类型的方式，对所述矿物标准色数据库中所存储的任一种矿物的标准色数据(a标，b标)进行校验。
本实施例中，按照步骤5032中所述的方法，计算得出编号为003和009的图像区域的色彩平均值，并根据计算得出的色彩平均值对编号为003和009的图像区域的颜色进行调整(即进行色彩平均处理)，调整后的编号为003和009的图像区域详见图4-2和图5-2。这样，通过计算色彩平均值，并按照计算得出的色彩平均值对所选取待分析区域的图像颜色进行调整，便能获得代表该类型矿物的图像颜色，即能获得代表石英和方解石的图像颜色。其中，编号为003的图像区域的色度值(a均，b均)为(14，-14)，编号为009的图像区域的色度值(a均，b均)为(-23，0)。
本实施例中，步骤二中所述电镜扫描图像为灰度图像，步骤三中各幅所述面分布图像的图像尺寸和分辨率均与步骤二中所述电镜扫描图像相同。
本实施例中，步骤一中所述待识别扫描面上包含多个扫描对象，所述扫描对象为矿物颗粒或孔隙；步骤503中进行矿物组分识别时，对所述待识别扫描面上所有矿物颗粒的矿物类型分别进行识别；待所述待识别扫描面上所有矿物颗粒的矿物类型均识别后，完成所述待识别扫描面上所含的矿物组分的识别过程。
本实施例中，步骤二和步骤三中带能谱分析的扫描电子显微镜为SEM-EDX，其中SEM为扫描电子显微镜，EDX为X射线能量色散光谱仪。
本实施例中，所述图像处理软件为Photoshop图像处理软件软件。实际使用时，也可以采用其它类型的图像处理软件，如Ulead GIF Animator，gif movie gear等。
以上所述，仅是本发明的较佳实施例，并非对本发明作任何限制，凡是根据本发明技术实质对以上实施例所作的任何简单修改、变更以及等效结构变化，均仍属于本发明技术方案的保护范围内。
Claims (10)
1.一种基于矿物标准色数据库的矿物组分识别方法，其特征在于该方法包括以下步骤：
步骤一、土样获取：获取待识别土样，并对所述待识别土样上需进行矿物组分识别的部位进行打磨和抛光处理，获得扫描面；所述待识别扫描面为平面且其上含有多个矿物颗粒，且所述待识别扫描面为待识别扫描面；
步骤二、面扫描：采用带能谱分析的扫描电子显微镜，对步骤一中所述待识别扫描面进行扫描，获得所述待识别扫描面的电镜扫描图像；
步骤三、化学元素面分布扫描：采用带能谱分析的扫描电子显微镜对所述待识别扫描面进行扫描，并获得所述待识别扫描面上所含多种化学元素的面分布图像，所述面分布图像的数量为多幅，每一种化学元素的面分布图像均为该化学元素在所述待识别扫描面上的面分布图像；
步骤四、图像传送：将步骤二中所述电镜扫描图像和步骤三中多幅所述面分布图像，均传送至图像处理设备；
步骤五、基于图像处理的矿物组分识别：采用所述图像处理设备，对所述待识别扫描面上所含的矿物组分进行识别，过程如下：
步骤501、面分布图像着色：根据预先建立的化学元素着色数据库，调用图像处理软件，对多幅所述面分布图像分别进行着色；着色后，多幅所述面分布图像的颜色均不相同；
所述化学元素着色数据库中包括多种化学元素的颜色信息，且多种化学元素的颜色信息均不相同；
步骤502、图像叠加：调用所述图像处理软件，将步骤501中着色后的各幅所述面分布图像均叠加在所述电镜扫描图像上，并获得叠加后图像，所述叠加后图像为矿物组分识别用图像；
步骤503、矿物组分识别：结合预先建立的矿物标准色数据库，对所述待识别扫描面上需识别的一个或多个矿物颗粒的矿物类型分别进行识别，各矿物颗粒的矿物类型的识别方法均相同；对所述待识别扫描面上任一个矿物颗粒的矿物类型进行识别时，过程如下：
步骤5031、待识别区域选取：调用所述图像处理软件，在所述叠加后图像上选取待识别区域；所述待识别区域为所述待识别扫描面上待识别矿物颗粒所处的图像区域；
步骤5032、色度值计算：先调用所述图像处理软件，计算得出步骤5031中所选取待识别区域的色彩平均值，计算得出的色彩平均值为Lab值；之后，将计算得出的色彩平均值中的a值和b值作为所选取待识别区域的色度值，记作(a均，b均)；
步骤5033、色度值差值计算及矿物类型识别：对所述矿物标准色数据库中各矿物的标准色数据(a标，b标)与步骤5032中所述的色度值(a均，b均)之间的色度值差值ΔE分别进行计算，并根据计算得出的色度值差值ΔE，对所选取待识别区域内矿物颗粒的矿物类型进行识别，且所选取待识别区域内矿物颗粒的矿物类型为所述矿物标准色数据库中标准色数据(a标，b标)与色度值(a均，b均)之间的色度值差值ΔE最小的矿物；
对矿物标准色数据库中各矿物的标准色数据(a标，b标)与色度值(a均，b均)与之间的色度值差值ΔE进行计算时，根据公式(1)进行计算；
所述矿物标准色数据库中包含多种不同类型且矿物组分已知的矿物的标准色数据(a标，b标)，所述矿物标准色数据库中各矿物的标准色数据(a标，b标)的获取方法均相同；
对任一种矿物的标准色数据(a标，b标)进行获取时，先获取内部含有该矿物的试样，并经打磨和抛光处理获得一个扫描面，该扫描面为待分析扫描面且其上含有该矿物的矿物颗粒；之后，在所述待分析扫描面上选取一个该矿物的矿物颗粒作为待分析颗粒，并利用所述待分析扫描面，获取该矿物的标准色数据，过程如下：
步骤Ⅰ、图像扫描及图像传送：按照步骤二至步骤四中所述的方法，获得所述待分析扫描面的电镜扫描图像和所述待分析扫描面上所含多种化学元素的面分布图像，并传送至所述图像处理设备；
步骤Ⅱ、面分布图像着色：按照步骤501中所述的方法，对步骤Ⅰ中所述待分析扫描面上所含多种化学元素的面分布图像分别进行着色；
步骤Ⅲ、图像叠加：按照步骤502中所述的方法，将步骤Ⅲ中着色后的各幅所述面分布图像均叠加在所述电镜扫描图像上，并获得叠加后图像；
步骤Ⅳ、待分析区域选取：所述图像处理设备调用所述图像处理软件，在步骤Ⅲ中所获得叠加后图像上选取所述待分析颗粒所处的图像区域作为待分析区域；
步骤Ⅴ、色度值计算：按照步骤5032中所述的方法，计算得出步骤Ⅳ中所选取待分析区域的色彩平均值，并将计算得出的色彩平均值中的a值和b值作为该矿物的标准色数据，记作(a标，b标)。
2.按照权利要求1所述的一种基于矿物标准色数据库的矿物组分识别方法，其特征在于：步骤一中所述待识别土样的横截面为圆形或方形，所述待识别扫描面与所述待识别土样的中心轴线呈垂直布设。
3.按照权利要求1或2所述的一种基于矿物标准色数据库的矿物组分识别方法，其特征在于：步骤一中所述待识别扫描面上含有N种化学元素，其中N为正整数且N≥2；步骤三中所述面分布图像的数量为M幅，其中M为正整数且M≤N。
4.按照权利要求3所述的一种基于矿物标准色数据库的矿物组分识别方法，其特征在于：M＝N；步骤三中进行化学元素面分布扫描时，获得所述待识别扫描面上所有化学元素的面分布图像；步骤Ⅰ进行图像扫描及图像传送时，获得所述待分析扫描面上所有化学元素的面分布图像。
5.按照权利要求3所述的一种基于矿物标准色数据库的矿物组分识别方法，其特征在于：M＝7，7种化学元素分别为Ca、K、Al、Si、Fe、Mg和Na元素；步骤三中进行化学元素面分布扫描时，获得所述待识别扫描面上所含Ca、K、Al、Si、Fe、Mg和Na元素的面分布图像，且所获得面分布图像的数量为7幅；步骤Ⅰ进行图像扫描及图像传送时，获得所述待分析扫描面上所含Ca、K、Al、Si、Fe、Mg和Na元素的面分布图像，且所获得面分布图像的数量为7幅。
6.按照权利要求1或2所述的一种基于矿物标准色数据库的矿物组分识别方法，其特征在于：步骤501中所述化学元素着色数据库中各化学元素的颜色信息均为该化学元素的面分布图像所添加颜色的RGB值。
7.按照权利要求1或2所述的一种基于矿物标准色数据库的矿物组分识别方法，其特征在于：步骤5033中所选取待识别区域内矿物颗粒的矿物类型为所述矿物标准色数据库中标准色数据(a标，b标)与色度值(a均，b均)之间的色度值差值ΔE最小且色度值差值ΔE小于ε的矿物，ε为预先设定的比较阈值且ε＝2～3.5。
8.按照权利要求7所述的一种基于矿物标准色数据库的矿物组分识别方法，其特征在于：步骤5033中进行色度值差值计算及矿物类型识别时，当所述矿物标准色数据库中不存在标准色数据(a标，b标)与色度值(a均，b均)之间的色度值差值ΔE最小且色度值差值ΔE小于ε的矿物时，先采用带能谱分析的扫描电子显微镜对所选取待识别区域内的一个图像点进行扫描，并获得该图像点的能谱图；之后，根据该图像点的能谱图，对所选取待识别区域内矿物颗粒进行能谱分析，并根据能谱分析结果，对所选取待识别区域内矿物颗粒的矿物类型进行确定；
待所选取待识别区域内矿物颗粒的矿物类型确定后，将步骤5032中计算得出的色度值(a均，b均)作为该类型矿物的标准色数据(a标，b标)，并将该类型矿物的标准色数据(a标，b标)添加至所述矿物标准色数据库中。
9.按照权利要求1或2所述的一种基于矿物标准色数据库的矿物组分识别方法，其特征在于：步骤二中所述电镜扫描图像为灰度图像，步骤三中各幅所述面分布图像的图像尺寸和分辨率均与步骤二中所述电镜扫描图像相同。
10.按照权利要求1或2所述的一种基于矿物标准色数据库的矿物组分识别方法，其特征在于：步骤一中所述待识别扫描面上包含多个扫描对象，所述扫描对象为矿物颗粒或孔隙；步骤503中进行矿物组分识别时，对所述待识别扫描面上所有矿物颗粒的矿物类型分别进行识别；待所述待识别扫描面上所有矿物颗粒的矿物类型均识别后，完成所述待识别扫描面上所含的矿物组分的识别过程。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510148345.6A CN104700097B (zh) | 2015-03-31 | 2015-03-31 | 一种基于矿物标准色数据库的矿物组分识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510148345.6A CN104700097B (zh) | 2015-03-31 | 2015-03-31 | 一种基于矿物标准色数据库的矿物组分识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104700097A true CN104700097A (zh) | 2015-06-10 |
| CN104700097B CN104700097B (zh) | 2017-09-05 |
Family
ID=53347196
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510148345.6A Active CN104700097B (zh) | 2015-03-31 | 2015-03-31 | 一种基于矿物标准色数据库的矿物组分识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104700097B (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105424909A (zh) * | 2015-11-26 | 2016-03-23 | 中国石油天然气股份有限公司 | 一种盖层岩石孔缝充填物的识别方法 |
| CN105628726A (zh) * | 2015-12-23 | 2016-06-01 | 中国石油天然气股份有限公司 | 一种致密砂岩矿物组成的分析方法及系统 |
| CN108918564A (zh) * | 2018-08-09 | 2018-11-30 | 陕西延长石油(集团)有限责任公司研究院 | 一种适用于泥页岩矿物成分定量的分析方法 |
| CN109270105A (zh) * | 2018-08-21 | 2019-01-25 | 中国科学院地质与地球物理研究所 | 快速识别并定位大视域中目标矿物颗粒的方法 |
| WO2019060303A1 (en) * | 2017-09-21 | 2019-03-28 | Avx Corporation | ELECTRONIC PART CONTAINING A METALLIC CONSTITUENT FROM A CONFLICT-FREE MINING SITE AND METHOD OF FORMING THE SAME |
| US10535471B2 (en) | 2016-09-22 | 2020-01-14 | Avx Corporation | Electrolytic capacitor containing a valve metal sourced from a conflict-free mine site and a method of forming thereof |
| CN111189864A (zh) * | 2020-01-13 | 2020-05-22 | 中国石油天然气股份有限公司 | Epma-wdx的全岩矿物识别与平面成像方法及装置 |
| CN112967270A (zh) * | 2020-11-06 | 2021-06-15 | 长江大学 | 基于人工智能的有机组分显微识别定量方法 |
| CN115375680A (zh) * | 2022-10-24 | 2022-11-22 | 中国煤炭地质总局勘查研究总院 | 矿物智能识别方法、装置及存储介质 |
| CN116087249A (zh) * | 2023-04-10 | 2023-05-09 | 中国科学院地质与地球物理研究所 | 一种用于识别矿物分布和含量的方法、系统和电子设备 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4783751A (en) * | 1983-08-17 | 1988-11-08 | University Of South Carolina | Analysis of pore complexes |
| CN104048980A (zh) * | 2014-06-30 | 2014-09-17 | 西安科技大学 | 一种土体微观结构分析用制样及图像获取方法 |
| CN104331922A (zh) * | 2014-11-01 | 2015-02-04 | 西安科技大学 | 一种土体微观结构三维重建方法 |
-
2015
- 2015-03-31 CN CN201510148345.6A patent/CN104700097B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4783751A (en) * | 1983-08-17 | 1988-11-08 | University Of South Carolina | Analysis of pore complexes |
| CN104048980A (zh) * | 2014-06-30 | 2014-09-17 | 西安科技大学 | 一种土体微观结构分析用制样及图像获取方法 |
| CN104331922A (zh) * | 2014-11-01 | 2015-02-04 | 西安科技大学 | 一种土体微观结构三维重建方法 |
Non-Patent Citations (1)
| Title |
|---|
| 王阳: ""基于朴素贝叶斯的高光谱矿物识别"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105424909A (zh) * | 2015-11-26 | 2016-03-23 | 中国石油天然气股份有限公司 | 一种盖层岩石孔缝充填物的识别方法 |
| CN105628726A (zh) * | 2015-12-23 | 2016-06-01 | 中国石油天然气股份有限公司 | 一种致密砂岩矿物组成的分析方法及系统 |
| CN105628726B (zh) * | 2015-12-23 | 2018-08-14 | 中国石油天然气股份有限公司 | 一种致密砂岩矿物组成的分析方法及系统 |
| US10937600B2 (en) | 2016-09-22 | 2021-03-02 | Avx Corporation | Electrolytic capacitor containing a valve metal sourced from a conflict-free mine site and a method of forming thereof |
| US10535471B2 (en) | 2016-09-22 | 2020-01-14 | Avx Corporation | Electrolytic capacitor containing a valve metal sourced from a conflict-free mine site and a method of forming thereof |
| WO2019060303A1 (en) * | 2017-09-21 | 2019-03-28 | Avx Corporation | ELECTRONIC PART CONTAINING A METALLIC CONSTITUENT FROM A CONFLICT-FREE MINING SITE AND METHOD OF FORMING THE SAME |
| JP7138165B2 (ja) | 2017-09-21 | 2022-09-15 | キョーセラ・エイブイエックス・コンポーネンツ・コーポレーション | 非紛争採鉱地から供給される金属部品を含む電子部品及びそれを形成する方法 |
| JP2020534541A (ja) * | 2017-09-21 | 2020-11-26 | エイブイエックス コーポレイション | 非紛争採鉱地から供給される金属部品を含む電子部品及びそれを形成する方法 |
| US10921306B2 (en) | 2017-09-21 | 2021-02-16 | Avx Corporation | Electronic part containing a metal component sourced from a conflict-free mine site and a method of forming thereof |
| CN108918564A (zh) * | 2018-08-09 | 2018-11-30 | 陕西延长石油(集团)有限责任公司研究院 | 一种适用于泥页岩矿物成分定量的分析方法 |
| CN109270105A (zh) * | 2018-08-21 | 2019-01-25 | 中国科学院地质与地球物理研究所 | 快速识别并定位大视域中目标矿物颗粒的方法 |
| CN111189864A (zh) * | 2020-01-13 | 2020-05-22 | 中国石油天然气股份有限公司 | Epma-wdx的全岩矿物识别与平面成像方法及装置 |
| CN112967270A (zh) * | 2020-11-06 | 2021-06-15 | 长江大学 | 基于人工智能的有机组分显微识别定量方法 |
| CN112967270B (zh) * | 2020-11-06 | 2022-07-15 | 长江大学 | 基于人工智能的有机组分显微识别定量方法 |
| CN115375680A (zh) * | 2022-10-24 | 2022-11-22 | 中国煤炭地质总局勘查研究总院 | 矿物智能识别方法、装置及存储介质 |
| CN116087249A (zh) * | 2023-04-10 | 2023-05-09 | 中国科学院地质与地球物理研究所 | 一种用于识别矿物分布和含量的方法、系统和电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104700097B (zh) | 2017-09-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104700097A (zh) | 一种基于矿物标准色数据库的矿物组分识别方法 | |
| CN107228816B (zh) | 一种泥页岩中不同类型孔隙演化评价方法 | |
| Mathieu et al. | Relationships between satellite-based radiometric indices simulated using laboratory reflectance data and typic soil color of an arid environment | |
| Escadafal | Remote sensing of arid soil surface color with Landsat thematic mapper | |
| CN104749201A (zh) | 一种矿物标准色数据库的建立方法 | |
| CN106124454B (zh) | 一种基于遥感影像的沥青路面老化状况监测方法 | |
| Lau et al. | Multispectral and hyperspectral image analysis of elemental and micro-Raman maps of cross-sections from a 16th century painting | |
| Bratitsi et al. | Critical assessment of chromatic index in archaeological ceramics by Munsell and RGB: novel contribution to characterization and provenance studies | |
| Ruck et al. | Quantitative analysis of Munsell color data from archeological ceramics | |
| Liritzis et al. | Characterization and provenance of ceramic artifacts and local clays from Late Mycenaean Kastrouli (Greece) by means of p-XRF screening and statistical analysis | |
| CN106468536A (zh) | 一种叶面积测量方法 | |
| CN108171715A (zh) | 一种图像分割方法及装置 | |
| CN108734714A (zh) | 一种基于Matlab分析碳酸盐岩结构的方法 | |
| CN102003947A (zh) | 一种钼粉形貌定量化表征的方法 | |
| Camp | Enhancing sem grayscale images through pseudocolor conversion: examples from Eagle Ford, Haynesville, and Marcellus shales | |
| CN106840741B (zh) | 细粒沉积岩分析实验的样品选取方法及系统 | |
| CN107392877A (zh) | 一种单极化合成孔径雷达图像伪彩化方法 | |
| Linn et al. | Technological study of Middle Bronze Age painted plaster fragments from the Canaanite Palace of Tel Kabri, Israel-materials and painting techniques | |
| CN111311695A (zh) | 一种基于卷积神经网络的清水混凝土表面色差分析方法 | |
| Amookht et al. | Effect of surface texture on color appearance of metallic coatings | |
| Hafizah et al. | Colour spaces for paddy soil moisture content determination | |
| CN104568156A (zh) | 目标彩色对比度测试装置及测试方法 | |
| Jenkins | Automated digital mapping of geological colour descriptions | |
| CN109991176B (zh) | 一种城市景观水体颜色定量分类方法 | |
| Pan et al. | Application of cluster analysis and discriminant analysis in quality grading of jadeite red |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20210526 Address after: Room 11b16, Bainaohui computer city, 68 Yanta Road, Beilin District, Xi'an, Shaanxi 710001 Patentee after: XI'AN XINXUE TRAFFIC GEOLOGICAL ENGINEERING Co.,Ltd. Address before: 710054 No. 58, middle section, Yanta Road, Shaanxi, Xi'an Patentee before: XI'AN University OF SCIENCE AND TECHNOLOGY |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20220530 Address after: Room 009, F2003, 20 / F, block 4-A, Xixian financial port, Fengdong new city energy gold trade zone, Xixian New District, Xi'an, Shaanxi 712000 Patentee after: Shaanxi anyite New Material Co.,Ltd. Address before: Room 11b16, Bainaohui computer city, 68 Yanta Road, Beilin District, Xi'an, Shaanxi 710001 Patentee before: XI'AN XINXUE TRAFFIC GEOLOGICAL ENGINEERING CO.,LTD. |