CN111999330A - 基于微观图像分析的石墨型导电混凝土导电性能评价方法 - Google Patents
基于微观图像分析的石墨型导电混凝土导电性能评价方法 Download PDFInfo
- Publication number
- CN111999330A CN111999330A CN202011172444.5A CN202011172444A CN111999330A CN 111999330 A CN111999330 A CN 111999330A CN 202011172444 A CN202011172444 A CN 202011172444A CN 111999330 A CN111999330 A CN 111999330A
- Authority
- CN
- China
- Prior art keywords
- microscopic image
- conductivity
- type conductive
- conductive concrete
- graphite
- 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.)
- Pending
Links
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 42
- 229910002804 graphite Inorganic materials 0.000 title claims abstract description 42
- 239000010439 graphite Substances 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000010191 image analysis Methods 0.000 title claims abstract description 16
- 238000011156 evaluation Methods 0.000 claims abstract description 12
- 239000002245 particle Substances 0.000 claims abstract description 8
- 238000001035 drying Methods 0.000 claims description 10
- CSCPPACGZOOCGX-UHFFFAOYSA-N Acetone Chemical compound CC(C)=O CSCPPACGZOOCGX-UHFFFAOYSA-N 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 4
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 claims description 3
- 239000011152 fibreglass Substances 0.000 claims description 2
- 238000005498 polishing Methods 0.000 claims description 2
- 238000005406 washing Methods 0.000 claims description 2
- 239000003153 chemical reaction reagent Substances 0.000 claims 1
- 238000004140 cleaning Methods 0.000 claims 1
- 238000012360 testing method Methods 0.000 abstract description 9
- 238000003703 image analysis method Methods 0.000 abstract description 3
- 238000005070 sampling Methods 0.000 abstract description 2
- 239000002131 composite material Substances 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 239000012459 cleaning agent Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 229910003460 diamond Inorganic materials 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000004626 scanning electron microscopy Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/22—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material
- G01N23/225—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material using electron or ion
- G01N23/2251—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material using electron or ion using incident electron beams, e.g. scanning electron microscopy [SEM]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/22—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by measuring secondary emission from the material
- G01N23/2202—Preparing specimens therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明提供了一种基于微观图像分析的石墨型导电混凝土导电性能评价方法，涉及导电混凝土导电性能评价技术领域，包括以下步骤：S1、制备石墨型导电混凝土样品；S2、获取石墨型导电混凝土样品的扫描电镜微观图像；S3、计算所得微观图像中石墨颗粒的面积比例σ；S4、根据面积比例σ对石墨型导电混凝土的导电性能进行评价。本发明基于微观图像分析法，无需对导电混凝土样品进行任何通电加载试样，只需通过图像中灰度值的关系与导电性能相对应，大大降低了测试的危险性；只需少量取样测试和评价，对已建成的基础不会产生破坏；操作简单，适合推广应用。
Description
技术领域
本发明涉及导电混凝土导电性能评价技术领域，尤其涉及一种基于微观图像分析的石墨型导电混凝土导电性能评价方法。
背景技术
导电混凝土既具有普通混凝土的胶凝功能，又具有良好的导电性能，具有很好的应用潜力。在变电站地面敷设这种导电复合材料，可增加变电站接地网的有效接地面积，显著改善变电站接地网的接地效果，降低变电站地面可能出现的电位抬升，从而避免对二次设备可能造成的危害；变电站地面敷设这种导电复合材料，同时可减少变电站地面不同位置处的电压差，从而避免跨步电压可能造成的人身损害；利用导电混凝土取代常规混凝土制成的输电线路杆塔基础具有良好的接地性能，无需再建设接地网。除此以外将该导电复合材料应用于变电站的墙体及其他对电磁防护要求较高的场合，可有效降低电磁辐射对人身及设备造成的干扰。
导电性能是导电混凝土区别于普通混凝土的重要物理性质，也是衡量导电混凝土基础好坏的重要指标。常规的混凝土电阻率测量方法只能在实验室进行，不易实施，对已建成的导电混凝土基础缺乏切实可行的导电性能测试及评价方法。
发明内容
本发明的目的在于提供一种基于微观图像分析法的石墨型导电混凝土导电性能的评价方法，以解决上述背景技术中的缺点。采用如下技术方案：
基于微观图像分析的石墨型导电混凝土导电性能评价方法，包括以下步骤：
步骤S1、制备石墨型导电混凝土样品；
步骤S2、获取石墨型导电混凝土样品的扫描电镜微观图像；
步骤S3、计算所得扫描电镜微观图像中石墨颗粒的面积比例σ；
步骤S4、根据步骤S3中获得的面积比例σ对石墨型导电混凝土的导电性能进行评价。
优选地，所述步骤S1中制备石墨型导电混凝土样品具体包括：取待评价的石墨型导电混凝土，切割、打磨、修整得到10 mm×10 mm×2 mm混凝土切片样品。
优选地，所述步骤S1还包括对所得混凝土切片样品进行清洗和干燥，然后使其温度保持在20~30℃。
优选地，所述清洗使用的试剂为丙酮或酒精。
优选地，所述干燥的方法为：40~50 ℃的条件进行干燥，干燥时间≥90 min。
优选地，所述使其温度保持在20~30℃的方法为：置于室温30~120 min使所得混凝土切片样品的温度保持在20~30℃。
优选地，所述步骤S2中所述扫描电镜的放大倍数为100-500倍，所得图像的分辨率为l×h，其中l为所得图像的宽度，h为图像的高度。
优选地，所述步骤S3中具体包括：
步骤S31、对所得微观图像进行灰度处理，基于整数方法计算所得微观图像中各像素的灰度值gij，最终得微观图像的灰度矩阵H，其中H=[gij] l×h ， i=1，2，……，l；j=1，2，……，h；l为所得图像的宽度，h为图像的高度；
步骤S32、计算灰度值小于某一标准值的像素在所得微观图像总像素中所占的比例，即为石墨颗粒的面积比例σ。
优选地，所述步骤S31中各像素的灰度值gij的计算方法为：
其中，R ij 、G ij 、B ij 为第i行第j列的像素点的R、G、B三色的值。
优选地，所述步骤S32中面积比例σ的计算公式为：
式中，
表示灰度值g i 小于标准值g 0 的像素个数，n表示整张微观图像的像素个数，ngi表示灰度值为gi的像素个数；
其中，g 0 的取值基于以下经验公式：
式中，gij为微观图像各像素的灰度值，
为微观图像的平均灰度，gmax为微观图像的最高灰度。
优选地，所述步骤S4中的导电性能评价标准为：
0 ≤ σ< 0.3，导电性能差；
0.3 ≤ σ< 0.6，导电性能一般；
0.6 ≤ σ< 1.0，导电性能良好。
优选地，重复步骤S1~S3，计算多块样品的面积比例σ，步骤S4中取面积比例σ的平均值对石墨型导电混凝土的导电性能进行评价。
本发明可取得如下有益效果：
（1）本发明通过对已成型的未知含量的石墨导电混凝土进行少量取样来测试和评价其导电性能，对已建成的基础不会产生破坏。
（2）本发明基于微观图像分析法，利用石墨型导电混凝土的扫描电镜微观图像的各物相的灰度值不同，通过判断各物相在微观图像中石墨颗粒的占比，评以可观可测得指标评价该导电混凝土的导电性能。
（3）本发明无需对导电混凝土样品进行任何通电加载试样，只需通过图像中灰度值的关系与导电性能相对应，大大降低了测试的危险性。
（4）本发明的方法操作简单，结果准确，适合推广应用。
附图说明
图1为本发明优选实施例的一种基于微观图像分析法的石墨型导电混凝土导电性能的评价方法的流程示意图；
图2为本发明优选实施例的扫描电镜微观图像；
图3为本发明优选实施例的灰度图像；
图4为本发明优选实施例的灰度直方图。
具体实施方式
下面将结合本发明的实施例中的附图，对本发明的实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1：
参见图1，基于微观图像分析的石墨型导电混凝土导电性能评价方法，具体步骤如下：
（1）利用金刚石锯片切片机切割某一待评价的石墨型导电混凝土（批次1），获得粗切的混凝土切片，其尺寸不大于100mm×100mm×10mm；
对所获得的粗切混凝土切片进行打磨与修整，获得三片大小为10mm×10mm×2mm的精修切片试样。
（2）为防止假象的存在，对所获得的三片混凝土的精修切片试样进行清洗（一般使用丙酮或酒精）；然后将清洗好的试样置于40℃的干燥箱中进行干燥，干燥时间不短于90min；干燥后置于室温下60min，使之恢复至室温（25℃左右）。
（3）此后置于扫描电子显微镜（SEM）的样品台上进行显微成像，所得图像的分辨率为l×h，其中l为所得图像的宽度，h为图像的高度；选择放大倍数为100倍，得到分辨率为900×540的扫描微观图像，即l=900，h=540，如图2所示。
（4）将步骤（3）中获得的扫描电镜微观图像进行灰度处理，得到灰度处理后的微观图像，如图3所示。基于整数方法计算各像素的灰度值g ij ：
其中，R ij 、G ij 、B ij 为第i行第j列的像素点的R、G、B三色的值。
最终得微观图像的灰度矩阵H，其中H=[gij]i×j，i=1，2，……，900；j=1，2，……，540。
所得微观图像的灰度值分布情况表1所示。
（5）基于表1所示的灰度值分布情况计算灰度值，图4为其对应的灰度直方图。
石墨颗粒的面积比例σ的计算公式为：
式中，
表示灰度值g i 小于标准值g 0 的像素个数，n表示整张微观图像的像素个数，ngi表示灰度值为gi的像素个数。
其中，灰度标准值g0的取值基于以下经验公式可得：
式中，gij为微观图像中各像素的灰度值，
为微观图像的平均灰度，gmax为微观图像的最高灰度，g 0 为无量纲物理量。
由表1中数据可知，微观图像的最高灰度为254，即gmax =254，且 l=900，h=540，最终计算得到g 0 ≈103。
石墨颗粒的面积比例σ即为小于标准值103的像素在微观图像总像素中所占的比例，
。
表1
| 灰度值 | 像素个数 | 灰度值 | 像素个数 | 灰度值 | 像素个数 |
| 0 | 0 | 85 | 3480 | 170 | 3828 |
| 1 | 0 | 86 | 3784 | 171 | 3696 |
| 2 | 0 | 87 | 4168 | 172 | 3591 |
| 3 | 0 | 88 | 4332 | 173 | 3482 |
| 4 | 0 | 89 | 4330 | 174 | 3413 |
| 5 | 0 | 90 | 4366 | 175 | 3401 |
| 6 | 0 | 91 | 4213 | 176 | 3327 |
| 7 | 0 | 92 | 4404 | 177 | 3298 |
| 8 | 0 | 93 | 4347 | 178 | 3313 |
| 9 | 0 | 94 | 4528 | 179 | 3297 |
| 10 | 0 | 95 | 4685 | 180 | 3173 |
| 11 | 0 | 96 | 4767 | 181 | 3000 |
| 12 | 0 | 97 | 4815 | 182 | 3076 |
| 13 | 0 | 98 | 4912 | 183 | 2957 |
| 14 | 0 | 99 | 4776 | 184 | 2999 |
| 15 | 0 | 100 | 4827 | 185 | 2777 |
| 16 | 0 | 101 | 4824 | 186 | 2817 |
| 17 | 0 | 102 | 4944 | 187 | 2864 |
| 18 | 0 | 103 | 4894 | 188 | 2798 |
| 19 | 0 | 104 | 4991 | 189 | 2585 |
| 20 | 0 | 105 | 5101 | 190 | 2588 |
| 21 | 0 | 106 | 5200 | 191 | 2514 |
| 22 | 0 | 107 | 5046 | 192 | 2462 |
| 23 | 0 | 108 | 5145 | 193 | 2568 |
| 24 | 0 | 109 | 5018 | 194 | 2454 |
| 25 | 0 | 110 | 5050 | 195 | 2450 |
| 26 | 0 | 111 | 4991 | 196 | 2323 |
| 27 | 0 | 112 | 5074 | 197 | 2364 |
| 28 | 0 | 113 | 5191 | 198 | 2163 |
| 29 | 0 | 114 | 5234 | 199 | 2184 |
| 30 | 0 | 115 | 5329 | 200 | 2075 |
| 31 | 0 | 116 | 5273 | 201 | 2059 |
| 32 | 0 | 117 | 5201 | 202 | 2076 |
| 33 | 0 | 118 | 5143 | 203 | 2029 |
| 34 | 0 | 119 | 5103 | 204 | 1976 |
| 35 | 0 | 120 | 5176 | 205 | 1933 |
| 36 | 0 | 121 | 5241 | 206 | 1958 |
| 37 | 1 | 122 | 5413 | 207 | 1829 |
| 38 | 0 | 123 | 5419 | 208 | 1793 |
| 39 | 2 | 124 | 5476 | 209 | 1818 |
| 40 | 1 | 125 | 5337 | 210 | 1714 |
| 41 | 3 | 126 | 5221 | 211 | 1751 |
| 42 | 4 | 127 | 5107 | 212 | 1616 |
| 43 | 6 | 128 | 5304 | 213 | 1696 |
| 44 | 13 | 129 | 5251 | 214 | 1664 |
| 45 | 17 | 130 | 5370 | 215 | 1545 |
| 46 | 23 | 131 | 5248 | 216 | 1565 |
| 47 | 39 | 132 | 5451 | 217 | 1545 |
| 48 | 49 | 133 | 5230 | 218 | 1461 |
| 49 | 157 | 134 | 5435 | 219 | 1479 |
| 50 | 150 | 135 | 5167 | 220 | 1484 |
| 51 | 262 | 136 | 5175 | 221 | 1455 |
| 52 | 213 | 137 | 5287 | 222 | 1428 |
| 53 | 230 | 138 | 5114 | 223 | 1310 |
| 54 | 225 | 139 | 5140 | 224 | 1349 |
| 55 | 240 | 140 | 5192 | 225 | 1341 |
| 56 | 288 | 141 | 5052 | 226 | 1261 |
| 57 | 324 | 142 | 5248 | 227 | 1264 |
| 58 | 350 | 143 | 5047 | 228 | 1291 |
| 59 | 393 | 144 | 4862 | 229 | 1271 |
| 60 | 419 | 145 | 4963 | 230 | 1291 |
| 61 | 482 | 146 | 4966 | 231 | 1196 |
| 62 | 490 | 147 | 4938 | 232 | 1202 |
| 63 | 540 | 148 | 5021 | 233 | 1216 |
| 64 | 539 | 149 | 5073 | 234 | 1104 |
| 65 | 622 | 150 | 5165 | 235 | 1136 |
| 66 | 686 | 151 | 5130 | 236 | 1100 |
| 67 | 721 | 152 | 4867 | 237 | 1150 |
| 68 | 833 | 153 | 5059 | 238 | 1093 |
| 69 | 903 | 154 | 5081 | 239 | 1069 |
| 70 | 982 | 155 | 5056 | 240 | 1176 |
| 71 | 1213 | 156 | 4979 | 241 | 1153 |
| 72 | 1264 | 157 | 4995 | 242 | 1142 |
| 73 | 1273 | 158 | 4832 | 243 | 1058 |
| 74 | 1279 | 159 | 4694 | 244 | 1124 |
| 75 | 1424 | 160 | 4761 | 245 | 1081 |
| 76 | 1463 | 161 | 4505 | 246 | 1082 |
| 77 | 1553 | 162 | 4270 | 247 | 1107 |
| 78 | 1643 | 163 | 4265 | 248 | 1208 |
| 79 | 1821 | 164 | 4083 | 249 | 1258 |
| 80 | 1919 | 165 | 4098 | 250 | 1235 |
| 81 | 2126 | 166 | 4024 | 251 | 1252 |
| 82 | 2414 | 167 | 3993 | 252 | 1236 |
| 83 | 2659 | 168 | 3927 | 253 | 1235 |
| 84 | 2991 | 169 | 3849 | 254 | 4035 |
| 255 | 0 |
（6）重复步骤（3）~步骤（5），得出其余两块样品中的石墨面积比σ，分别为0.232、0.227，由此，计算三块样品的平均值σ=0.21。
（7）根据前述评价标准，由于该样品的σ=0.21<0.3，因而评价为该样品导电性能差。
在本实施例中，对于已成型而未知实际石墨掺量的导电混凝土进行切片取样，预处理后进行扫描电子显微镜成像，获得试样的内部微观图像。对其进行灰度处理后，计算各像素点的灰度值，并统计各灰度值对应的像素个数，所得σ为0.21，得到最终的导电性能评估结果，即此石墨型导电水泥的导电性能为差。
实施例2：
取另一批次的导电混凝土（批次2），制备成混凝土切片试样，进行与实施例1相同的测试，得到σ=0.54，即0.3<σ<0.6，该样品导电性能一般。
实施例3：
取另一批次的导电混凝土（批次3），制备成混凝土切片试样，进行与实施例1相同的测试，得到σ=0.78，即0.6<σ<1.0，该样品导电性能良好。
取与实施例1~3评价对象同批次的导电混凝土，分别制备成40×40×160mm的测试试样，采用传统四极法对所制备的测试试样进行测试，得到其电阻率，结果如表2所示。
表2
| 批次1 | 批次2 | 批次3 | |
| 电阻率值(Ω·m) | 2400 | 420 | 180 |
| <i>σ</i> | 0.21 | 0.54 | 0.78 |
由表2数据可知，根据所测得的电阻率值，可得实施例1~3的导电性能评价结果与其实际导电性能一致；说明本发明的导电性能评价方法结果准确，适合推广应用。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.基于微观图像分析的石墨型导电混凝土导电性能评价方法，其特征在于，包括以下步骤：
步骤S1、制备石墨型导电混凝土样品；
步骤S2、获取石墨型导电混凝土样品的扫描电镜微观图像；
步骤S3、计算所得扫描电镜微观图像中石墨颗粒的面积比例
；
步骤S4、根据步骤S3中获得的面积比例
对石墨型导电混凝土的导电性能进行评价。
2.根据权利要求1所述的基于微观图像分析的石墨型导电混凝土导电性能评价方法，其特征在于，所述步骤S1中制备石墨型导电混凝土样品具体包括：取待评价的石墨型导电混凝土，对其进行切割、打磨、修整得到混凝土切片样品。
3.根据权利要求2所述的基于微观图像分析的石墨型导电混凝土导电性能评价方法，其特征在于，所述步骤S1还包括对所得混凝土切片样品进行清洗和干燥，然后使其温度保持在20~30℃。
4.根据权利要求3所述的基于微观图像分析的石墨型导电混凝土导电性能评价方法，其特征在于，还包括以下附加技术特征至少其中之一：
所述清洗使用的试剂为丙酮或酒精；
所述干燥的方法为：40~50 ℃的条件进行干燥，干燥时间≥90 min；
所述使其温度保持在20~30℃的方法为：置于室温30~120 min使所得混凝土切片样品的温度保持在20~30℃。
5.根据权利要求1所述的基于微观图像分析的石墨型导电混凝土导电性能评价方法，其特征在于，所述步骤S2中所述扫描电镜的放大倍数为100-500倍，所得图像的分辨率为l×h，其中l为所得图像的宽度，h为图像的高度。
6.根据权利要求1所述的基于微观图像分析的石墨型导电混凝土导电性能评价方法，其特征在于，所述步骤S3中具体包括：
步骤S31、对所得微观图像进行灰度处理，基于整数方法计算所得微观图像中各像素的灰度值gij，最终得微观图像的灰度矩阵H，其中H=[gij] l×h ，i=1，2，……，l；j=1，2，……，h；l为所得图像的宽度，h为图像的高度；
步骤S32、根据灰度矩阵H计算灰度值小于某一标准值的像素在所得微观图像总像素中所占的比例，即为石墨颗粒的面积比例
。
7.根据权利要求6所述的基于微观图像分析的石墨型导电混凝土导电性能评价方法，其特征在于，所述步骤S31中各像素的灰度值gij的计算方法为：
其中，R ij 、G ij 、B ij 为第i行第j列的像素点的R、G、B三色的值。
8.根据权利要求6所述的基于微观图像分析的石墨型导电混凝土导电性能评价方法，其特征在于，所述步骤S32中面积比例
的计算公式为：
式中，
表示灰度值g i 小于标准值g 0 的像素个数，n表示整张微观图像的像素个数，ngi表示灰度值为gi的像素个数；
其中，g 0 的取值基于以下经验公式：
式中，gij为各像素的灰度值，
为微观图像的平均灰度，gmax为微观图像的最高灰度。
9.根据权利要求1所述的基于微观图像分析的石墨型导电混凝土导电性能评价方法，其特征在于，所述步骤S4中的导电性能评价标准为：
0≤ 
<0.3，导电性能差；
0.3≤ 
<0.6，导电性能一般；
0.6≤ 
<1.0，导电性能良好。
10.根据权利要求1所述的基于微观图像分析的石墨型导电混凝土导电性能评价方法，其特征在于，重复步骤S1~S3，计算多块样品的面积比例
，步骤S4中取面积比例
的平均值对石墨型导电混凝土的导电性能进行评价。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011172444.5A CN111999330A (zh) | 2020-10-28 | 2020-10-28 | 基于微观图像分析的石墨型导电混凝土导电性能评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011172444.5A CN111999330A (zh) | 2020-10-28 | 2020-10-28 | 基于微观图像分析的石墨型导电混凝土导电性能评价方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111999330A true CN111999330A (zh) | 2020-11-27 |
Family
ID=73475519
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011172444.5A Pending CN111999330A (zh) | 2020-10-28 | 2020-10-28 | 基于微观图像分析的石墨型导电混凝土导电性能评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111999330A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112540104A (zh) * | 2020-12-17 | 2021-03-23 | 成都龙之泉科技股份有限公司 | 一种混凝土基体腐蚀控制质量检测方法 |
| CN113406079A (zh) * | 2021-06-16 | 2021-09-17 | 南通第六元素材料科技有限公司 | 氧化石墨烯制备过程的检测方法及系统 |
| CN113469956A (zh) * | 2021-06-16 | 2021-10-01 | 南通第六元素材料科技有限公司 | 氧化石墨烯中黑颗粒含量的定量检测方法、系统及设备 |
-
2020
- 2020-10-28 CN CN202011172444.5A patent/CN111999330A/zh active Pending
Non-Patent Citations (1)
| Title |
|---|
| 父老乡亲电影3: "灰度值", 《BAIKE.BAIDU.COM/HISTORY/灰度值/10259111/146112460?FROMACTION-PREV》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112540104A (zh) * | 2020-12-17 | 2021-03-23 | 成都龙之泉科技股份有限公司 | 一种混凝土基体腐蚀控制质量检测方法 |
| CN112540104B (zh) * | 2020-12-17 | 2024-05-14 | 成都龙之泉科技股份有限公司 | 一种混凝土基体腐蚀控制质量检测方法 |
| CN113406079A (zh) * | 2021-06-16 | 2021-09-17 | 南通第六元素材料科技有限公司 | 氧化石墨烯制备过程的检测方法及系统 |
| CN113469956A (zh) * | 2021-06-16 | 2021-10-01 | 南通第六元素材料科技有限公司 | 氧化石墨烯中黑颗粒含量的定量检测方法、系统及设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111999330A (zh) | 基于微观图像分析的石墨型导电混凝土导电性能评价方法 | |
| Ammouche et al. | Image analysis for the automated study of microcracks in concrete | |
| CN109087396B (zh) | 一种基于混凝土ct图像像素特征的细观结构重构方法 | |
| CN112116583B (zh) | 一种基于sem图像处理的绝缘纸板老化判别检验方法 | |
| CN110827311A (zh) | 一种基于成像法的电缆导体截面积测量方法及系统 | |
| CN103744005A (zh) | 一种基于紫外成像法下放电强度换算方法 | |
| EP2024933B1 (en) | "in vitro" diagnostic method for diseases affecting human or animal tissues | |
| CN110443793A (zh) | 一种沥青混合料空隙分布均匀性评价方法 | |
| CN103389255A (zh) | 基于近红外高光谱纹理特征建模的预测茶叶含水率的方法 | |
| CN112070788A (zh) | 基于分块梯度分割的快速统计形变孪晶的图像处理方法 | |
| CN113063810B (zh) | 获得砂岩冻融作用下宏细观损伤演化规律的方法 | |
| CN117291913B (zh) | 一种水工混凝土结构表观裂缝测量方法 | |
| CN117115161B (zh) | 一种塑料缺陷检查方法 | |
| CN102542543A (zh) | 基于块相似性的交互式图像分割方法 | |
| CN104820085B (zh) | 含油有效储集空间和含油孔径下限的测定方法与测定系统 | |
| Chen et al. | Automated measurement of vessel properties in birch and poplar wood | |
| CN109556542B (zh) | 复杂点阵镂空结构ct尺寸测量方法 | |
| CN113838081A (zh) | 一种基于机器视觉判别烤烟烟叶颜色均匀度的方法和装置 | |
| Elsen | Automated air void analysis on hardened concrete: Results of a European intercomparison testing program | |
| CN111986143B (zh) | 一种陶瓷基复合材料的细观结构表征方法 | |
| CN113051713A (zh) | 基于图像灰度共生矩阵多特征提取的复合材料老化预测方法 | |
| US6674885B2 (en) | Systems and methods for analyzing target contrast features in images of biological samples | |
| CN114034617B (zh) | 一种沥青混合料三维空隙连通性的表征和评价方法 | |
| CN114897923B (zh) | 天然气水合物ct图像阈值分割方法、系统、设备及介质 | |
| CN114283133A (zh) | 一种基于最邻近分析的沥青混合料均匀性评价方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201127 |