CN113763351B - 岩土体孔隙率测量方法、装置及智能终端 - Google Patents
岩土体孔隙率测量方法、装置及智能终端 Download PDFInfo
- Publication number
- CN113763351B CN113763351B CN202111040156.9A CN202111040156A CN113763351B CN 113763351 B CN113763351 B CN 113763351B CN 202111040156 A CN202111040156 A CN 202111040156A CN 113763351 B CN113763351 B CN 113763351B
- Authority
- CN
- China
- Prior art keywords
- soil
- rock
- porosity
- microscopic image
- thickness
- 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.)
- Active
Links
Images
Classifications
-
- 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
-
- 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
-
- 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
- G06T2207/10056—Microscopic image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明公开了岩土体孔隙率测量方法、装置及智能终端,其中,岩土体孔隙率测量方法包括:获取岩土体的土样;采用扫描电镜对所述土样进行扫描,获得微观图像;基于所述微观图像的灰度值,确定所述微观图像的阈值范围;在所述阈值范围内按照设定精度对所述微观图像进行切分,获得二维等势图;根据所述二维等势图,确定所述岩土体的孔隙率并输出。与现有技术相比,本发明方案通过扫描电镜获得土样的微观图像,能够清晰的展现土样的微观孔隙的数量和分布,再对微观图像按照设定精度进行切分和计算孔隙率,从而在真实的微观结构基础上计算孔隙率,计算结果精确度高,获得真实孔隙率。
Description
技术领域
本发明涉及岩土工程技术领域,尤其涉及的是一种岩土体孔隙率测量方法、装置及智能终端。
背景技术
岩土的颗粒、颗粒聚合体、孔隙和孔隙体被称为岩土的微观结构体,其大小、形状、方位、排列以及相互间接触和联结关系的总体称之为岩土的微观结构或微结构。由于岩土的微结构与其宏观力学特性之间存在必然关系,在解释岩土宏观特性方面,从岩土微观结构研究岩土的宏观性质是一种科学有效的手段。
岩土微观结构中的孔隙大小及其分布是导致岩土变形的主要原因之一,如地基沉降、边坡失稳等都与岩土孔隙结构发生变化相关,因此研究岩土的孔隙率就显得尤为重要。
但是,计算岩土体孔隙率一直是土力学中研究的难点。目前通过土的常规固结试验进行,根据岩土体的表观密度和岩土体的绝对密度来计算得到孔隙率,没有在真实的岩土体微观结构基础上进行分析,计算获得的是相对孔隙率,计算结果不准确,精确度不高。
因此,现有技术还有待改进和发展。
发明内容
本发明的主要目的在于提供一种岩土体孔隙率测量方法、装置及智能终端,旨在解决现有技术中没有依据微观孔隙的数量和分布情况计算孔隙率、获得的孔隙率精确度低的问题。
为了实现上述目的,本发明第一方面提供一种岩土体孔隙率测量方法,其中,上述方法包括:
获取岩土体的土样;
采用扫描电镜对所述土样进行扫描,获得所述土样的微观图像;
基于所述微观图像的灰度值,确定所述微观图像的阈值范围;
在所述阈值范围内按照设定精度对所述微观图像进行切分,获得二维等势图;
根据所述二维等势图,确定所述岩土体的孔隙率并输出。
可选的,在所述阈值范围内按照设定精度对所述微观图像进行切分,获得二维等势图,包括:
按照设定精度对所述阈值范围进行划分,获得阈值点集合;
基于所述阈值点集合中的阈值点依次对所述微观图像进行二值化处理,获得二值化图像序列;
根据所述二值化图像序列获得二维等势图。
可选的,所述土样包括取自同一岩土体的两份对比土样和一份原始土样;获取所述对比土样,包括:
从所述岩土体上取得岩土体试样;
将所述岩土体试样研磨为粉状,获得粉状试样;
将所述粉状试样压缩为片状,获得所述对比土样。
可选的,根据所述二维等势图,确定所述岩土体的孔隙率并输出,包括:
分别测量所述对比土样的厚度获得第一厚度、第二厚度;
根据所述对比土样的微观图分别获得第一灰度、第二灰度;
基于所述第一灰度、第二灰度和所述第一厚度、第二厚度获得厚度灰度比;
根据所述厚度灰度比,获得所述原始土样微观图的阈值范围所对应的厚度范围;
根据所述二维等势图和所述厚度范围,确定所述岩土体的孔隙率并输出。
可选的,根据所述二维等势图和所述厚度范围,确定所述岩土体的孔隙率并输出,包括:
根据所述厚度范围,构建三维空间的Z轴坐标系;
根据所述二维等势图和所述Z轴坐标系,构建三维空间模型;
对所述三维空间模型进行积分处理,获得所述岩土体的孔隙率并输出。
可选的,所述基于所述微观图像的灰度值,确定所述微观图像的阈值范围后,还包括:
根据所述微观图像的阈值范围,对所述微观图像的灰度值进行归一化处理。
可选的,所述根据所述二维等势图,确定所述岩土体的孔隙率并输出,包括:
获得所述二维等势图中各像素面积;
基于设定精度,获得所述阈值范围的阈值分辨率;
根据所述像素面积和所述阈值分辨率分别获得土体和孔隙的体积;
根据所述土体的体积和所述孔隙的体积,确定所述岩土体的孔隙率并输出。
本发明第二方面提供一种岩土体孔隙率测量装置,其中,上述装置包括:
土样获取模块,用于获取岩土体的土样;
微观图像获取模块,用于获得所述土样的微观图像;
阈值范围确定模块,用于基于所述微观图像的灰度值,确定所述微观图像的阈值范围;
二维等势图生成模块,用于在所述阈值范围内按照设定精度对所述微观图像进行切分,获得二维等势图;
孔隙率计算模块,用于根据所述二维等势图,确定所述岩土体的孔隙率并输出。
本发明第三方面提供一种智能终端,上述智能终端包括存储器、处理器以及存储在上述存储器上并可在上述处理器上运行的岩土体孔隙率测量程序,上述岩土体孔隙率测量程序被上述处理器执行时实现任意一项上述岩土体孔隙率测量方法的步骤。
本发明第四方面提供一种计算机可读存储介质,上述计算机可读存储介质上存储有岩土体孔隙率测量程序,上述岩土体孔隙率测量程序被处理器执行时实现任意一项上述岩土体孔隙率测量方法的步骤。
由上可见,本发明方案中,获取岩土体土样;采用扫描电镜对所述土样进行扫描,获得微观图像;基于所述微观图像的灰度值,确定所述微观图像的阈值范围;在所述阈值范围内按照设定精度对所述微观图像进行切分,获得二维等势图;根据所述二维等势图,计算孔隙率。与现有技术相比,本发明方案通过扫描电镜获得土样的微观图像,能够清晰的展现土样的微观孔隙的数量和分布,再对微观图像按照设定精度进行切分和计算孔隙率,从而在真实的微观结构基础上计算孔隙率,计算结果精确度高,获得真实孔隙率。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1是岩土体孔隙率测量方法实施例一示意图;
图2是扫描电镜扫描后的微观图像示意图;
图3是二维等势图示意图;
图4是岩土体孔隙率测量方法实施例二示意图;
图5是三维模型示意图;
图6是本发明实施例提供的一种岩土体孔隙率测量装置的结构示意图;
图7是本发明实施例提供的一种智能终端的内部结构原理框图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况下,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当…时”或“一旦”或“响应于确定”或“响应于检测到”。类似的,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述的条件或事件]”或“响应于检测到[所描述条件或事件]”。
下面结合本发明实施例的附图,对本发明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的一部分实施例,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它实施例,都属于本发明保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其它不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
岩土孔隙率是指岩土体中孔隙占总体积的百分率,孔隙率的多少关系着岩土体的透水性、透气性、导热性和紧密度等。不同岩土体的孔隙率是不同的:黏土结构紧密,孔隙率较小;砂土孔隙率较大。岩土体的孔隙大小及其分布是导致岩土体变形的主要原因之一,如地基沉降、边坡失稳等,因此,观察岩土体的孔隙分布特征,获得孔隙率就显得尤为重要。
目前通过土的常规固结试验进行,根据岩土体的表观密度和岩土体的绝对密度来计算得到孔隙率,没有在真实的岩土体微观结构基础上进行分析,计算获得的是相对孔隙率,计算的结果不准确,精确度不高。
本发明通过获取岩土体土样;采用扫描电镜对所述土样进行扫描,获得微观图像;基于所述微观图像的灰度值,确定所述微观图像的阈值范围;在所述阈值范围内按照设定精度对所述微观图像进行切分,获得二维等势图;根据所述二维等势图,计算孔隙率。与现有技术相比,本发明方案通过扫描电镜获得土样的微观图像,能够清晰的展现土样的微观孔隙的数量和分布,再对微观图像按照设定精度进行切分和计算孔隙率,在真实的微观结构基础上计算孔隙率,计算结果精确度高,获得真实孔隙率。
示例性方法一
如图1所示,本发明实施例提供一种岩土体孔隙率测量方法,具体的,上述方法包括如下步骤:
步骤S100,获取岩土体的土样。
具体的,通过切割岩土体样品,获得带有清晰断面的原始土样,清除掉断面上的浮动颗粒后,对其进行干燥处理后获得岩土体的土样。土样的等级优选为I级,在工程技术要求允许的情况下可用II级土试样。采取土样时,必须尽量减少扰动和设法避免掉样。
例如:对于砂砾岩等硬质土,通过钻孔取得原始土样后,对原始土样断面上桩和干燥,在干燥后的岩石样品上包裹导电胶带,获得土样;对于盐渍土等松软土,可通过割土刀在盐渍土中切出沟槽,沿沟槽掰断,获得原始土样,对原始土样的断面进行打磨后,利用胶带清除断面上的浮动颗粒,进行干燥处理获得土样。
步骤S200,采用扫描电镜对土样进行扫描,获得土样的微观图像。
扫描电镜(SEM)利用聚焦的很窄的高能电子束来扫描样品,分辨率可以达到1nm,放大倍数可以达到30万倍及以上,放大倍数连续可调。扫描电镜对土样进行扫描后,可以获得不同高倍数的土体颗粒和孔隙,扫描后获得的微观图像为如图2所示的二维灰度图片,其颜色由浅至深,灰度是逐渐减小的。浅色部分表示土体颗粒,接近黑色的深色部分为孔隙;而且,孔隙从敞口处至孔隙底层,颜色从浅至深。
显然,可以根据不同精度需求采用不同倍率的扫描电镜。
步骤S300,基于微观图像的灰度值,确定微观图像的阈值范围。
对于扫描电镜获得的灰度图像,黑色像素的灰度值为0,白色像素灰度值为255。枚举微观图像中每个像素的灰度值,获得最大灰度值和最小灰度值,获得微观图像的阈值范围为[最小灰度值,最大灰度值]。阈值范围来自于土样的真实灰度范围,不是简单的取自于0-255的范围,使得阈值范围更真实,能反应土样的真实情况。
进一步的,还可以根据微观图像的阈值范围,对微观图像的灰度值进行归一化处理。
具体的,将最小灰度值类比为0,最大灰度值类比为1,计算像素的灰度值与最小灰度值之间差值,最大灰度值和最小灰度值之间差值,前项差值与后项差值之比确定为该像素的灰度值。对图像进行归一化处理,将灰度值设置于0和1之间,方便计算孔隙率。
步骤S400,在阈值范围内按照设定精度对微观图像进行切分,获得二维等势图。
具体的,设定精度为将阈值范围划分为阈值段的个数,例如:50段、100段、500段、1000段、10000段等根据需要而设定的数字。按照设定精度对所述阈值范围进行划分,获得阈值点集合。
基于阈值点集合中的阈值点依次对所述微观图像进行二值化处理,获得二值化图像序列。二值化是一种图像处理的重要方法,当图像上像素点灰度值小于阈值点时,将该像素点灰度值设置为0,否则设置为255。从而产生轮廓分明的黑白效果,获得一张二值化图像。也就是说,按照该阈值点最终将图像分割,只保留需要关注的部分。因此,对图像进行二值化处理,能显著增大二值化图像信息的识别效率。然后,逐一采用阈值点集合中的阈值点,对微观图像进行二值化后,获得二值化图像序列。对于二值化图像序列中的所有二值化图像,根据图像上平面单位标尺,确定X、Y轴方向单位数值,从而得到如图3所示的二维等势图。
从上述可知,设定的精度越高,获得的二维等势图就越精细,对岩土体的还原程度越高。
步骤S500,根据二维等势图,确定岩土体的孔隙率并输出。
在本实施例中,先获取二维等势图中各像素面积;基于设定精度,获得阈值范围的阈值分辨率;根据像素面积和阈值分辨率分别获得土体和孔隙的体积;根据所述土体的体积和所述孔隙的体积,计算孔隙率并输出。
具体的,在二维等势图中,相同灰度的像素相连形成曲线,通过计算曲线的面积,获得各像素面积。每一个阈值对应一曲线,曲线面积相当于不同深度孔隙的截面积。将阈值范围除以设定精度,获得阈值分辨率。将上述曲线面积乘以阈值分辨率获得与该曲线对应的体积,对曲线面积进行累计,计算出孔隙的体积。计算二维等势图的总面积与阈值分辨率乘积,获得土体的体积,将孔隙的体积除以土体体积,获得孔隙率。
综上所述,本实施例通过采用高倍扫描电镜对岩土体进行扫描,获得岩土体的微观图像,然后对微观图像进行二值化、归一化处理,通过对单位像素面积和阈值高度进行积分,得到土体和孔隙的体积,计算得出岩土体孔隙率。
由于二维等势图中真实反映了孔隙的大小和分布情况,因此,本实施例中是在依据孔隙真实情况下计算孔隙率,能够准确反应岩土体的孔隙分布比例,计算精度高。
示例性方法二
本实施例与前述实施例的区别在于,获取岩土体土样时,通过两份对比土样获得岩土体的实际厚度信息,再在二维等势图和实际厚度的基础上,进行三维建模,真实还原了岩土体的土体结构,在该三维建模的模型上计算孔隙率,获得的是与岩土体真实厚度相关的孔隙率,相对于通过阈值高度计算获得的孔隙率,实现了真实三维孔隙率的计算。
具体的,如图4所示,本实施例包括如下步骤:
步骤A100,获取岩土体的两份对比土样和一份原始土样。
具体的,切割岩土体,获得带有清晰断面的土样,清除掉断面上的浮动颗粒后,对其进行干燥处理后获得原始土样。本实施例中,还获取取自同一岩土体的两份对比土样,对比土样的处理过程为:从岩土体上取得少量整面岩土体试样;用玛瑙研钵研磨四个小时后,获得粉状试样;用油压机在6Mpa的压强下将粉状试样压缩为片状,获得对比土样;再取一份不同的少量岩土体试样,进行上述处理;从而获得两份对比土样。
选取岩土体的极小部分进行整面压缩,其主要原因为高倍扫描电镜主要依靠材料的导电性形成不同光源图像,所以采用同一岩土体有更好的准确性;采用整面压缩可以避免出现不同高度测量误差;同时在整面压缩后进行纳米尺度的测量,能准确得出整面压缩后的高度数值。
步骤A200,采用扫描电镜对土样进行扫描,获得土样的微观图像;
具体的,将两份对比土样裁剪到合适大小,和原始土样分别使用高倍扫描电镜扫描获得微观图像。扫描电镜对土样进行扫描后,可以获得不同高倍数的土体颗粒和孔隙,扫描后获得的微观图像是如图2所示的二维灰度照片,其颜色由浅至深,灰度是逐渐减小的。浅色部分表示土体颗粒,接近黑色的深色部分为孔隙;而且,孔隙从敞口处至孔隙底层,颜色从浅至深。
步骤A300,基于微观图像的灰度值,确定微观图像的阈值范围;
具体的,对于扫描电镜获得的灰度图像,黑色像素的灰度值为0,白色像素灰度值为255。枚举原始土样对应的微观图像中每个像素的灰度值,获得最大灰度值和最小灰度值,则微观图像的阈值范围为[最小灰度值,最大灰度值]。
步骤A400,在阈值范围内按照设定精度对微观图像进行切分,获得二维等势图;
具体的,按照设定精度对阈值范围进行划分,获得阈值点集合;基于阈值点集合中的阈值点依次对所述微观图像进行二值化处理,获得二值化图像序列。二值化是一种图像处理的重要方法,当图像上像素点灰度值小于阈值点时,将该像素点灰度值设置为0,否则设置为255。从而产生轮廓分明的黑白效果,获得一张二值化图像。也就是说,按照该阈值点最终将图像分割,只保留需要关注的部分。因此,对图像进行二值化处理,能显著增大二值化图像信息的识别效率。然后,逐一采用阈值点集合中的阈值点,对微观图像进行二值化后,获得二值化图像序列。对于二值化图像序列中的所有二值化图像,根据图像上平面单位标尺,确定X、Y轴方向单位数值,从而得到如图3所示的二维等势图。
步骤A500,根据二维等势图建立三维空间模型。
具体的,使用高精度螺旋测微计定量测量两份对比土样的厚度,获得厚度h1和厚度h2。计算两份对比试样通过扫描电镜得到的微观图像的灰度值,获得灰度值g1和灰度值g2,则厚度灰度比为:R=(h2-h1)/(g2-g1),R即单位灰度对应的厚度值。相应的,根据该厚度灰度比,将阈值范围最大值与厚度灰度比相乘,获得厚度范围最大值,从而将阈值范围转换为对应的厚度范围。根据该厚度范围从而确定三维空间中Z轴坐标,根据二维等势图的X轴坐标、Y轴坐标建立三维坐标体系。在该三维坐标体系中,对二维等势图进行三维图像拉伸还原,获得如图5所示的岩土体真实三维模型。
本实施例中通过将对比试样的灰度值和纳米尺度测量的结果关联,从而可以确定Z轴方向的厚度范围,根据设定精度对厚度范围进行相应的分段,确定Z轴分辨率。
显然,三维建模时,设定精度越高,Z轴方向单位尺寸越小,图像还原越精细,需要的计算量越大。
步骤A600,对三维空间模型进行积分处理,获得孔隙率。
具体的,对三维空间模型采用微积分方法,分别获得岩土体的颗粒体积和孔隙体积,再将颗粒体积与孔隙体积相加获得岩土体体积,孔隙体积与岩土体体积比值即为孔隙率。
综上所述,本实施例通过采用高倍扫描电镜对岩土体进行扫描,获得岩土体的微观图像,然后对微观图像进行二值化处理,再通过定标高度的方法,确定出三维坐标的Z轴单位量,在三维坐标体系中将图像拉伸还原,获得三维模型,在三维模型中通过积分处理,得到三维空间土体和孔隙的体积,计算得出岩土体的真实孔隙率。
可选的,由于不同的颜色的深度由灰度来表示,不同的灰度由不用的阈值来控制,所以,也可以通过二维等势图和阈值来分别对应水平方向和竖直方向,实现对电扫描获得的微观图像建立三维空间模型,然后在三维空间模型的基础上,通过像素面积和阈值高度进行积分,得到三维空间土体和孔隙的体积,计算得出岩土体的孔隙率。
示例性设备
如图6所示,对应于上述岩土体孔隙率测量方法,本发明实施例还提供一种岩土体孔隙率测量装置,上述岩土体孔隙率测量装置包括:
土样获取模块100,用于获取岩土体土样;
具体的,通过切割岩土体,获得带有清晰断面的土样,清除掉断面上的浮动颗粒后,对其进行干燥处理后,获得岩土体土样。
微观图像获取模块200,用于获得所述土样的微观图像;
具体的,可以通过扫描电镜对土样进行扫描,获得不同高倍数的土体颗粒和孔隙。扫描后获得的微观图像为如图2所示的二维灰度图片,其颜色由浅至深,灰度是逐渐减小的。浅色部分表示土体颗粒,接近黑色的深色部分为孔隙;而且,孔隙从敞口处至孔隙底层,颜色从浅至深。显然,可以根据不同精度的需求采用不同倍数的扫描电镜。可选的,微观图像获取模块200也可以和扫描电镜网络连接,从扫描电镜直接获取到所述土样的微观图像。
阈值范围确定模块300,用于基于所述微观图像的灰度值,确定所述微观图像的阈值范围;
具体的,对于扫描电镜获得的灰度图像,黑色像素的灰度值为0,白色像素灰度值为255。枚举微观图像中每个像素的灰度值,获得最大灰度值和最小灰度值,微观图像的阈值范围为[最小灰度值,最大灰度值]。
二维等势图生成模块400,用于在所述阈值范围内按照设定精度对所述微观图像进行切分,获得二维等势图;
具体的,设定精度为将阈值范围划分为阈值段的个数,例如:50段、100段、500段、1000段、10000段等根据需要而设定的数字。按照设定精度对所述阈值范围进行划分,获得阈值点集合;
基于阈值点集合中的阈值点依次对所述微观图像进行二值化处理,获得二值化图像序列。二值化是一种图像处理的重要方法,当图像上像素点灰度值小于阈值点时,将该像素点灰度值设置为0,否则设置为255。从而产生轮廓分明的黑白效果,获得一张二值化图像。也就是说,按照该阈值点最终将图像分割,只保留需要关注的部分。因此,对图像进行二值化处理,能显著增大二值化图像信息的识别效率。然后,逐一采用阈值点集合中的阈值点,对微观图像进行二值化后,获得二值化图像序列。对于二值化图像序列中的所有二值化图像,根据图像上平面单位标尺,确定X、Y轴方向单位数值,从而得到如图3所示的二维等势图。
孔隙率计算模块500,用于根据所述二维等势图,计算孔隙率。
具体的,先获取二维等势图中各像素面积;基于设定精度,获得阈值范围的阈值分辨率;根据像素面积和阈值分辨率分别获得土体和孔隙的体积;根据所述土体的体积和所述孔隙的体积,计算孔隙率。
具体的,本实施例中,上述岩土体孔隙率测量装置的各模块的具体功能可以参照上述岩土体孔隙率测量方法中的对应描述,在此不再赘述。
基于上述实施例,本发明还提供了一种智能终端,其原理框图可以如图7所示。上述智能终端包括通过系统总线连接的处理器、存储器、网络接口以及显示屏。其中,该智能终端的处理器用于提供计算和控制能力。该智能终端的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和岩土体孔隙率测量程序。该内存储器为非易失性存储介质中的操作系统和岩土体孔隙率测量程序的运行提供环境。该智能终端的网络接口用于与外部的终端通过网络连接通信。该岩土体孔隙率测量程序被处理器执行时实现上述任意一种岩土体孔隙率测量方法的步骤。该智能终端的显示屏可以是液晶显示屏或者电子墨水显示屏。
本领域技术人员可以理解,图7中示出的原理框图,仅仅是与本发明方案相关的部分结构的框图,并不构成对本发明方案所应用于其上的智能终端的限定,具体的智能终端可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种智能终端,上述智能终端包括存储器、处理器以及存储在上述存储器上并可在上述处理器上运行的岩土体孔隙率测量程序,上述岩土体孔隙率测量程序被上述处理器执行时进行以下操作指令:获取岩土体土样;从扫描电镜获得对所述土样进行扫描后的微观图像;基于所述微观图像的灰度值,确定所述微观图像的阈值范围;在所述阈值范围内按照设定精度对所述微观图像进行切分,获得二维等势图;根据所述二维等势图,计算孔隙率。
本发明实施例还提供一种计算机可读存储介质,上述计算机可读存储介质上存储有岩土体孔隙率测量程序,上述岩土体孔隙率测量程序被处理器执行时实现本发明实施例提供的任意一种岩土体孔隙率测量方法的步骤。
应理解,上述实施例中各步骤的序号大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将上述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各实例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟是以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,上述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以由另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。
上述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,上述计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,上述计算机程序包括计算机程序代码,上述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。上述计算机可读介质可以包括:能够携带上述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,上述计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解;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;而这些修改或者替换,并不是相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (6)
1.岩土体孔隙率测量方法,其特征在于,包括:
获取岩土体的土样,所述土样包括取自同一岩土体的两份对比土样和一份原始土样;
采用扫描电镜对所述土样进行扫描,获得所述土样的微观图像;
基于所述微观图像的灰度值,确定所述微观图像的阈值范围;
在所述阈值范围内按照设定精度对所述微观图像进行切分,获得二维等势图;
根据所述二维等势图,确定所述岩土体的孔隙率并输出;
所述基于所述微观图像的灰度值,确定所述微观图像的阈值范围,包括:
枚举所述微观图像中每个像素的灰度值,获得最大灰度值和最小灰度值,所述最小灰度值和所述最大灰度值构成所述微观图像的阈值范围;
所述根据所述二维等势图,确定所述岩土体的孔隙率并输出,包括:
分别测量所述对比土样的厚度获得第一厚度、第二厚度;
根据所述对比土样的微观图分别获得第一灰度、第二灰度;
基于所述第一灰度、第二灰度和所述第一厚度、第二厚度获得厚度灰度比;
根据所述厚度灰度比,获得原始土样微观图的阈值范围所对应的厚度范围;
根据设定精度对厚度范围进行相应的分段,获得Z轴分辨率;
根据所述厚度范围,构建三维空间的Z轴坐标系;
根据所述二维等势图和所述Z轴分辨率,构建三维空间模型;
对所述三维空间模型进行积分处理,分别获得土体和孔隙的体积;
根据所述土体的体积和所述孔隙的体积,确定所述岩土体的孔隙率并输出;
所述在所述阈值范围内按照设定精度对所述微观图像进行切分,获得二维等势图,包括:
按照设定精度对所述阈值范围进行划分,获得阈值点集合;
基于所述阈值点集合中的阈值点依次对所述微观图像进行二值化处理,获得二值化图像序列;根据所述二值化图像序列获得二维等势图。
2.如权利要求1所述的岩土体孔隙率测量方法,其特征在于,获取所述对比土样,包括:
从所述岩土体上取得岩土体试样;
将所述岩土体试样研磨为粉状,获得粉状试样;
将所述粉状试样压缩为片状,获得所述对比土样。
3.如权利要求1所述的岩土体孔隙率测量方法,其特征在于,所述基于所述微观图像的灰度值,确定所述微观图像的阈值范围后,还包括:
根据所述微观图像的阈值范围,对所述微观图像的灰度值进行归一化处理。
4.一种岩土体孔隙率测量装置,其特征在于,所述装置包括:
土样获取模块,用于获取岩土体的土样,所述土样包括取自同一岩土体的两份对比土样和一份原始土样;
微观图像获取模块,用于获得所述土样的微观图像;
阈值范围确定模块,用于枚举所述微观图像中每个像素的灰度值,获得最大灰度值和最小灰度值,所述最小灰度值和所述最大灰度值构成所述微观图像的阈值范围;
二维等势图生成模块,用于按照设定精度对所述阈值范围进行划分,获得阈值点集合,基于所述阈值点集合中的阈值点依次对所述微观图像进行二值化处理,获得二值化图像序列,根据所述二值化图像序列获得二维等势图;
孔隙率计算模块,用于分别测量所述对比土样的厚度获得第一厚度、第二厚度;根据所述对比土样的微观图分别获得第一灰度、第二灰度;基于所述第一灰度、第二灰度和所述第一厚度、第二厚度获得厚度灰度比;根据所述厚度灰度比,获得所述原始土样微观图的阈值范围所对应的厚度范围;根据设定精度对厚度范围进行相应的分段,获得Z轴分辨率;根据所述厚度范围,构建三维空间的Z轴坐标系;根据所述二维等势图和所述Z轴分辨率,构建三维空间模型;对所述三维空间模型进行积分处理,分别获得土体和孔隙的体积;根据所述土体的体积和所述孔隙的体积,确定所述岩土体的孔隙率并输出。
5.一种智能终端,其特征在于,所述智能终端包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的岩土体孔隙率测量程序,所述岩土体孔隙率测量程序被所述处理器执行时实现如权利要求1-3任意一项所述岩土体孔隙率测量方法的步骤。
6.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有岩土体孔隙率测量程序,所述岩土体孔隙率测量程序被处理器执行时实现如权利要求1-3任意一项所述岩土体孔隙率测量方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111040156.9A CN113763351B (zh) | 2021-09-06 | 2021-09-06 | 岩土体孔隙率测量方法、装置及智能终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111040156.9A CN113763351B (zh) | 2021-09-06 | 2021-09-06 | 岩土体孔隙率测量方法、装置及智能终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113763351A CN113763351A (zh) | 2021-12-07 |
CN113763351B true CN113763351B (zh) | 2022-09-13 |
Family
ID=78793212
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111040156.9A Active CN113763351B (zh) | 2021-09-06 | 2021-09-06 | 岩土体孔隙率测量方法、装置及智能终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113763351B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108061697A (zh) * | 2017-12-06 | 2018-05-22 | 石家庄铁道大学 | 土体三维孔隙率计算方法 |
CN108364350A (zh) * | 2018-01-22 | 2018-08-03 | 青岛理工大学 | 一种混凝土细观结构模型三维重建方法 |
CN108387495A (zh) * | 2018-01-22 | 2018-08-10 | 青岛理工大学 | 一种多孔混凝土孔隙率计算和孔隙参数表征方法 |
CN113129259A (zh) * | 2021-03-03 | 2021-07-16 | 中冶南方连铸技术工程有限责任公司 | 铸坯致密度检测方法、系统及电子设备 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9944044B2 (en) * | 2010-05-06 | 2018-04-17 | W. L. Gore & Associates, Inc. | Contamination resistant air permeable fabric laminate and garments made therefrom |
US20160136553A1 (en) * | 2014-11-19 | 2016-05-19 | Hollingsworth & Vose Company | Resin impregnated fiber webs |
CN106018238B (zh) * | 2016-05-31 | 2018-09-28 | 浙江大学 | 土壤剖面孔隙结构的测定方法 |
-
2021
- 2021-09-06 CN CN202111040156.9A patent/CN113763351B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108061697A (zh) * | 2017-12-06 | 2018-05-22 | 石家庄铁道大学 | 土体三维孔隙率计算方法 |
CN108364350A (zh) * | 2018-01-22 | 2018-08-03 | 青岛理工大学 | 一种混凝土细观结构模型三维重建方法 |
CN108387495A (zh) * | 2018-01-22 | 2018-08-10 | 青岛理工大学 | 一种多孔混凝土孔隙率计算和孔隙参数表征方法 |
CN113129259A (zh) * | 2021-03-03 | 2021-07-16 | 中冶南方连铸技术工程有限责任公司 | 铸坯致密度检测方法、系统及电子设备 |
Non-Patent Citations (4)
Title |
---|
Identification of pore spaces in 3D CT soil images using PFCM partitional clustering;B.Ojeda-magana et al.;《geoderma》;20140430;第90-101页 * |
SEM image analysis in permeable recycled concretes concretes with silica fume. A quantitative comparison of porosity and the ITZ;manuel.j.chinchillas et al.;《MDPI》;20190708;第1-10页 * |
基于SEM图像信息的软土三维孔隙率定量分析;徐日庆等;《地球科学与环境学报》;20150531;第37卷(第3期);第104-110页 * |
基于细观模型的遗址土特性研究;王思远;《中国优秀博硕士学位论文全文数据库(硕士) 工程科技II辑》;20210215(第02期);第C038-2177页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113763351A (zh) | 2021-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110415167B (zh) | 一种基于数字图像技术的粗糙面裂隙生成方法及试验系统 | |
Graham et al. | Automated sizing of coarse-grained sediments: image-processing procedures | |
CN104237103B (zh) | 一种孔隙连通性定量表征方法及装置 | |
Kröner et al. | Determination of minimum pixel resolution for shape analysis: Proposal of a new data validation method for computerized images | |
WO2011002754A2 (en) | Method to quantify discrete pore shapes, volumes, and surface areas using confocal profilometry | |
CN110021030A (zh) | 一种岩土体材料数字图像的分割阈值确定方法 | |
CN112686917B (zh) | 提高岩心非均质性表征精度的数字岩心建模方法及装置 | |
CN104685382A (zh) | 可靠地预测孔隙渗透性趋势的数字岩石分析系统及方法 | |
CN105654482B (zh) | 基于数字图像技术的土石混合体表征单元体尺度的确定方法 | |
CN106918607A (zh) | 一种孔隙结构获取方法及装置 | |
CN101413871B (zh) | 一种多孔材料孔结构分形维数的计算方法 | |
CN108061697B (zh) | 土体三维孔隙率计算方法 | |
CN112414917A (zh) | 一种页岩油储层有机孔隙和无机孔隙的划分与表征方法 | |
CN113763351B (zh) | 岩土体孔隙率测量方法、装置及智能终端 | |
Afarani et al. | Print fidelity metrics for additive manufacturing of cement-based materials | |
Marschallinger | A method for three-dimensional reconstruction of macroscopic features in geological materials | |
Tovey et al. | Quantitative micro-porosity and orientation analysis in soils and sediments | |
US20200340804A1 (en) | Angle of repose system and method | |
Fredrich et al. | Statistical characterization of the three-dimensional microgeometry of porous media and correlation with macroscopic transport properties | |
Petford et al. | Pore structure determination using confocal scanning laser microscopy | |
JP2019163947A (ja) | 空隙の測定方法 | |
Cherian et al. | Material characterisation by digital image analysis: a review | |
Prasad et al. | Fast segmentation of sub-cellular organelles | |
Zhou et al. | A new parametric segmentation method based on sandy mudstone SEM images | |
Chen et al. | 2-D image-based volumetric modeling for particle of random shape |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |