CN113945175A - 一种岩石的三维数据获取方法及装置 - Google Patents
一种岩石的三维数据获取方法及装置 Download PDFInfo
- Publication number
- CN113945175A CN113945175A CN202111199355.4A CN202111199355A CN113945175A CN 113945175 A CN113945175 A CN 113945175A CN 202111199355 A CN202111199355 A CN 202111199355A CN 113945175 A CN113945175 A CN 113945175A
- Authority
- CN
- China
- Prior art keywords
- rock
- dimensional
- dimensional data
- mineral
- data acquisition
- 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
- 239000011435 rock Substances 0.000 title claims abstract description 139
- 238000000034 method Methods 0.000 title claims abstract description 47
- 229910052500 inorganic mineral Inorganic materials 0.000 claims abstract description 79
- 239000011707 mineral Substances 0.000 claims abstract description 79
- 238000004458 analytical method Methods 0.000 claims abstract description 32
- 238000003384 imaging method Methods 0.000 claims abstract description 12
- 239000002994 raw material Substances 0.000 claims abstract description 11
- 238000012549 training Methods 0.000 claims abstract description 10
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 7
- 239000000523 sample Substances 0.000 claims description 48
- 238000007781 pre-processing Methods 0.000 claims description 14
- 238000005498 polishing Methods 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 6
- 238000005507 spraying Methods 0.000 claims description 5
- 239000000126 substance Substances 0.000 claims description 5
- 229910052782 aluminium Inorganic materials 0.000 claims description 4
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 claims description 4
- 238000005520 cutting process Methods 0.000 claims description 4
- 230000008878 coupling Effects 0.000 abstract description 4
- 238000010168 coupling process Methods 0.000 abstract description 4
- 238000005859 coupling reaction Methods 0.000 abstract description 4
- 238000009826 distribution Methods 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 abstract description 4
- 239000002245 particle Substances 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000001878 scanning electron micrograph Methods 0.000 description 3
- 238000005553 drilling Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 241000446313 Lamella Species 0.000 description 1
- XKRFYHLGVUSROY-UHFFFAOYSA-N argon Substances [Ar] XKRFYHLGVUSROY-UHFFFAOYSA-N 0.000 description 1
- 229910052786 argon Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000001000 micrograph Methods 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B15/00—Measuring arrangements characterised by the use of electromagnetic waves or particle radiation, e.g. by the use of microwaves, X-rays, gamma rays or electrons
- G01B15/04—Measuring arrangements characterised by the use of electromagnetic waves or particle radiation, e.g. by the use of microwaves, X-rays, gamma rays or electrons for measuring contours or curvatures
Landscapes
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明公开了一种岩石的三维数据获取方法及装置,其岩石的三维数据获取方法包括:对岩石原料进行预处理,得到岩心样品;将所述岩石样品进行场发射扫描,得到矿物成分图组;将所述岩石样品进行三维成像,得到三维图组;对所述矿物成分图组和所述三维图组进行人工智能训练,得到岩石的三维数据。本发明的岩石的三维数据获取方法综合利用二维图像数据、矿物成分数据、三维图像数据等,开展多尺度岩心分析,生成含有矿物信息三维数据体;融合智能化分析技术、岩芯超大面积矿物分析结果和三维岩芯灰度数据体,建立多尺度高分辨含有矿物信息的三维数据体,解决岩芯中的矿物在三维空间中的分布规律及其耦合关系。
Description
技术领域
本发明属于岩石分析技术领域,尤其涉及一种岩石的三维数据获取方法及装置。
背景技术
在数字岩心分析过程中,为了弄清岩石内部的微观结构和组分,光学显微镜和电子显微镜是常用的测试手段。但是使用光学显微镜和电子显微镜无法只能掌握岩石表面的微观结构。电子显微镜可以实现非常高的分辨率,同时也可以给出矿物的化学成分,使用矿物分析软件系统还可以分析出矿物的种类,但是电子显微镜成像视野范围很小,分析结果也会受到一些局限。
发明内容
(一)发明目的
本发明的目的是提供一种岩石的三维数据获取方法及装置以解决现有技术中,无法获取岩石内部数据的技术问题。
(二)技术方案
为解决上述问题,本发明的第一方面提供了一种岩石的三维数据获取方法,包括:对岩石原料进行预处理,得到岩心样品;将所述岩石样品进行场发射扫描,得到矿物成分图组;将所述岩石样品进行三维成像,得到三维图组;对所述矿物成分图组和所述三维图组进行人工智能训练,得到岩石的三维数据。
进一步地,还包括:对所述矿物成分图组和所述三维图组进行关联匹配。
进一步地,所述关联匹配包括:对所述矿物成分图组和所述三维图组进行调制,使所述岩石样品的所述矿物成分图组和所述三维图组中具有相应的大小和角度。
进一步地,所述调制包括:调整大小和水平旋转。
进一步地,所述预处理包括:对岩石原料进行切割和研磨,得到岩石薄片;对所述岩石薄片进行取芯,得到岩心柱;对岩心柱进行抛光,得到岩石样品。
进一步地,所述预处理还包括:对抛光后的所述岩心柱进行喷镀,得到岩石样品。
进一步地,所述岩石薄片的厚度为:0.01-0.05mm。
进一步地,所述岩心柱的直径为:1-5mm。
进一步地,将所述岩石样品使用二次电子、背散射探头进行多次发射扫描,得到多个不同分辨率和多个视野范围内的图像;使用矿物自动分析及矿物分析系统对所述多个不同分辨率和多个视野范围内的图像进行化学成分和矿物成分分析,得到所述矿物成分图组。
进一步地,将所述岩石样品固定在铝棒上,并放入X射线显微镜内进行三维无损成像,得到所述三维图组。
根据本发明的另一个方面,提供一种岩石的三维数据获取装置,其用于通过采用上述方案任一项所述的岩石的三维数据获取方法获取岩石的三维数据。
(三)有益效果
本发明的上述技术方案具有如下有益的技术效果:
本发明的岩石的三维数据获取方法综合利用二维图像数据、矿物成分数据、三维图像数据等,开展多尺度岩心分析,生成含有矿物信息三维数据体;融合智能化分析技术、岩芯超大面积矿物分析结果和三维岩芯灰度数据体,建立多尺度高分辨含有矿物信息的三维数据体,解决岩芯中的矿物在三维空间中的分布规律及其耦合关系。
附图说明
图1是根据本发明一实施例的岩石的三维数据获取方法流程图。
图2是根据本发明另一实施例的岩石的三维数据获取方法流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了,下面结合具体实施方式并参照附图,对本发明进一步详细说明。应该理解,这些描述只是示例性的,而并非要限制本发明的范围。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本发明的概念。
在附图中示出了根据本发明实施例的层结构示意图。这些图并非是按比例绘制的,其中为了清楚的目的,放大了某些细节,并且可能省略了某些细节。图中所示出的各种区域、层的形状以及它们之间的相对大小、位置关系仅是示例性的,实际中可能由于制造公差或技术限制而有所偏差,并且本领域技术人员根据实际所需可以另外设计具有不同形状、大小、相对位置的区域/层。
显然,所描述的实施例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。
此外,下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
以下将参照附图更详细地描述本发明。在各个附图中,相同的元件采用类似的附图标记来表示。为了清楚起见,附图中的各个部分没有按比例绘制。
图1是根据本发明一实施例的岩石的三维数据获取方法流程图。
如图1所示,在本发明的一实施例中,提供了一种岩石的三维数据获取方法,可以包括:对岩石原料进行预处理,得到岩心样品;将所述岩石样品进行场发射扫描,得到矿物成分图组;将所述岩石样品进行三维成像,得到三维图组;对所述矿物成分图组和所述三维图组进行人工智能训练,得到岩石的三维数据。
本发明的岩石的三维数据获取方法综合利用二维图像数据、矿物成分数据、三维图像数据等,开展多尺度岩心分析,生成含有矿物信息三维数据体;融合智能化分析技术、岩芯超大面积矿物分析结果和三维岩芯灰度数据体,建立多尺度高分辨含有矿物信息的三维数据体,解决岩芯中的矿物在三维空间中的分布规律及其耦合关系。
图2是根据本发明另一实施例的岩石的三维数据获取方法流程图。
如图2所示,在一可选实施例中,所述岩石的三维数据获取方法至少包括以下步骤:
S100、对岩石原料进行预处理,得到岩心样品。
S200、将所述岩石样品进行场发射扫描,得到矿物成分图组。
S300、将所述岩石样品进行三维成像,得到三维图组。
S400、对所述矿物成分图组和所述三维图组进行人工智能训练,得到岩石的三维数据。
在一可选实施例中,所述岩石的三维数据获取方法还可以包括以下步骤:
S350、所述岩石的三维数据获取方法还可以包括:对所述矿物成分图组和所述三维图组进行关联匹配。
在一可选实施例中,所述岩石的三维数据获取方法至少包括以下步骤:
S100'、对岩石原料进行预处理,得到岩心样品。
S200'、将所述岩石样品进行三维成像,得到三维图组。
S300'、将所述岩石样品进行场发射扫描,得到矿物成分图组。
S400'、对所述矿物成分图组和所述三维图组进行人工智能训练,得到岩石的三维数据。
在一可选实施例中,所述岩石的三维数据获取方法还可以包括以下步骤:
S350'、所述岩石的三维数据获取方法还可以包括:对所述矿物成分图组和所述三维图组进行关联匹配。
在一可选实施例中,将所述岩石样品进行场发射扫描,得到矿物成分图组的同时,还得到二维图组。
在一可选实施例中,所述岩石的三维数据获取方法还可以包括:对所述矿物成分图组和所述三维图组进行关联匹配。
在一可选实施例中,所述关联匹配可以包括:对所述矿物成分图组和所述三维图组进行调制,使所述岩石样品的所述矿物成分图组和所述三维图组中具有相应的大小和角度。
在一可选实施例中,所述调制可以包括:调整大小和水平旋转。
在一可选实施例中,所述调制可以包括:利用数字图像相关方法,对图像中颗粒进行搜索匹配,得到匹配度最高的扫描电子显微镜图像和断面图,并将两张照片匹配,完成图像的关联。
在一可选实施例中,将SEM(扫描电子显微镜,scanning electron microscope,缩写:SEM)拍摄的图像和X射线三维显微镜拍摄的断层图像进行放大缩小平移旋转等操作,使得物体在SEM图像和三维断层图像中具有相似的大小和角度。
在一可选实施例中,利用数字图像相关方法,对图像中颗粒进行搜索匹配,得到匹配度最高的SEM图像和断面图,并将两张照片匹配,完成图像的关联。
在一可选实施例中,所述预处理可以包括:对岩石原料进行切割和研磨,得到岩石薄片。
在一可选实施例中,所述预处理可以包括:以机械加工的形式(切割与研磨),将户外采集的所述岩石原料制作成可在偏光显微镜下观察的薄片,从而实现对岩石内部矿物的初步了解和鉴定。
在一可选实施例中,所述岩石薄片的厚度为:0.01-0.05mm。
在一优选实施例中,所述岩石薄片的厚度为:0.03mm。
在一可选实施例中,所述预处理可以包括:对所述岩石薄片进行取芯,得到岩心柱。
在一可选实施例中,所述预处理可以包括:使用高精度取心钻机,在所述岩石薄片上钻取的岩心柱。
在一可选实施例中,所述岩心柱的直径为:1-5mm。
在一优选实施例中,所述岩心柱的直径为:3mm。
在一可选实施例中,所述预处理可以包括:对岩心柱进行抛光,得到岩石样品。
在一可选实施例中,所述预处理可以包括:在所述岩石样品打磨出一个光滑的表面,使用氩离子抛光设备对机械剖光的面进行精细剖光。
在一可选实施例中,所述预处理还可以包括:对抛光后的所述岩心柱进行喷镀,得到岩石样品。
在一可选实施例中,所述预处理还可以包括:将小岩心柱固定在扫描电子显微镜的样平台丁台上,必要时使用喷金设备对样品进行喷镀,以消除荷电现象。
在一可选实施例中,将所述岩石样品使用二次电子、背散射探头进行多次发射扫描,得到多个不同分辨率和多个视野范围内的图像。
在一可选实施例中,使用矿物自动分析及矿物分析系统对所述多个不同分辨率和多个视野范围内的图像进行化学成分和矿物成分分析,得到所述矿物成分图组。
在一可选实施例中,所述矿物成分图组可以包括:成分图组和照片图组,所述成分图组和所述照片图组相对应,第N成分图像与第N照片图像为同一位置、同一角度。
将制备好的所述岩石样品放入到高分辨场扫描电子显微镜中,对实现剖磨好的所述岩石样品表面使用二次电子、背散射探头进行拍摄,拍摄不同分辨率和视野范围内的图像。使用矿物自动分析及矿物分析系统对该区域进行化学成分和矿物成分分析,形成超大面积的所述矿物成分图组。
在一可选实施例中,将所述岩石样品固定在铝棒上,并放入X射线显微镜内进行三维无损成像,得到所述三维图组。
将所述岩石样品固定在铝棒上,与扫描电子显微镜的拍摄面(所述矿物成分图组面向拍摄镜头的一面)尽量水平或者竖直。将所述岩石样品放入X射线显微镜内进行三维无损成像。拍摄时应将扫描电子显微镜的拍摄面暴露出来,以便X射线显微镜图片拍摄结果与扫描电子显微镜拍摄结果进行匹配。将X射线显微镜拍摄的结果输出为“.tff”格式的图像序列文件,用于后期数据关联备用。
所述三维图组是通过扫描电子显微镜拍摄的图像组和X射线显微镜进行拍摄的图像组进行排序后的三维无损图像组。
使用深度学习算法求解非线性反演问题,通过使用大量观测的所述二维图组、所述矿物成分图组、所述三维图组等,对神经网络进行训练,获得对矿物成分分析自动识别矿物组分(获得矿物分析图形数据)和含量百分比的神经网络预测权系数,从而能对新的矿物分析图形数据进行智能化分析、识别,对岩芯超大面积矿物分析结果和三维岩芯灰度数据体做自动识别,从而建立多尺度高分辨含有矿物信息的三维数据体。
在一可选实施例中,利用阈值分割和边缘检测技术,实现三维显微镜断层图的矿物颗粒划分,并进行标记和提取。三维图组和矿物成分图组网络训练结合。
在一可选实施例中,将关联的断层图像中像素点灰度值、周围像素点的灰度值、所在矿物颗粒边界、周围颗粒边界作为神经网络的输入层,将关联的SEM图像能谱分析得到的相同像素点的矿物信息作为输出层。利用匹配完的关联图像,进行神经网络训练,得到输入层与输出层的映射关系。
在一可选实施例中,将得到的映射关系应用到X射线的三维断层图片中,完成两个显微镜的关联,并实现基于的X射线三维显微镜的矿物识别。
在本发明的另一实施例中,提供了一种岩石的三维数据获取装置,其用于通过采用上述方案任一项所述的岩石的三维数据获取方法获取岩石的三维数据。
本发明旨在保护一种岩石的三维数据获取方法及装置,其岩石的三维数据获取方法可以包括:对岩石原料进行预处理,得到岩心样品;将所述岩石样品进行场发射扫描,得到矿物成分图组;将所述岩石样品进行三维成像,得到三维图组;对所述矿物成分图组和所述三维图组进行人工智能训练,得到岩石的三维数据。本发明的岩石的三维数据获取方法综合利用二维图像数据、矿物成分数据、三维图像数据等,开展多尺度岩心分析,生成含有矿物信息三维数据体;融合智能化分析技术、岩芯超大面积矿物分析结果和三维岩芯灰度数据体,建立多尺度高分辨含有矿物信息的三维数据体,解决岩芯中的矿物在三维空间中的分布规律及其耦合关系。
应当理解的是,本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理,而不构成对本发明的限制。因此,在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。此外,本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。
Claims (11)
1.一种岩石的三维数据获取方法,其特征在于,包括:
对岩石原料进行预处理,得到岩心样品;
将所述岩石样品进行场发射扫描,得到矿物成分图组;
将所述岩石样品进行三维成像,得到三维图组;
对所述矿物成分图组和所述三维图组进行人工智能训练,得到岩石的三维数据。
2.根据权利要求1所述的岩石的三维数据获取方法,其特征在于,还包括:
对所述矿物成分图组和所述三维图组进行关联匹配。
3.根据权利要求2所述的岩石的三维数据获取方法,其特征在于,所述关联匹配包括:
对所述矿物成分图组和所述三维图组进行调制,使所述岩石样品的所述矿物成分图组和所述三维图组中具有相应的大小和角度。
4.根据权利要求3所述的岩石的三维数据获取方法,其特征在于,
所述调制包括:调整大小和水平旋转。
5.根据权利要求1或2所述的岩石的三维数据获取方法,其特征在于,所述预处理包括:
对岩石原料进行切割和研磨,得到岩石薄片;
对所述岩石薄片进行取芯,得到岩心柱;
对岩心柱进行抛光,得到岩石样品。
6.根据权利要求5所述的岩石的三维数据获取方法,其特征在于,所述预处理还包括:
对抛光后的所述岩心柱进行喷镀,得到岩石样品。
7.根据权利要求5所述的岩石的三维数据获取方法,其特征在于,
所述岩石薄片的厚度为:0.01-0.05mm。
8.根据权利要求5所述的岩石的三维数据获取方法,其特征在于,
所述岩心柱的直径为:1-5mm。
9.根据权利要求1或2所述的岩石的三维数据获取方法,其特征在于,
将所述岩石样品使用二次电子、背散射探头进行多次发射扫描,得到多个不同分辨率和多个视野范围内的图像;
使用矿物自动分析及矿物分析系统对所述多个不同分辨率和多个视野范围内的图像进行化学成分和矿物成分分析,得到所述矿物成分图组。
10.根据权利要求1或2所述的岩石的三维数据获取方法,其特征在于,
将所述岩石样品固定在铝棒上,并放入X射线显微镜内进行三维无损成像,得到所述三维图组。
11.一种岩石的三维数据获取装置,其特征在于,其用于通过采用权利要求1-10任一项所述的岩石的三维数据获取方法获取岩石的三维数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111199355.4A CN113945175A (zh) | 2021-10-14 | 2021-10-14 | 一种岩石的三维数据获取方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111199355.4A CN113945175A (zh) | 2021-10-14 | 2021-10-14 | 一种岩石的三维数据获取方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113945175A true CN113945175A (zh) | 2022-01-18 |
Family
ID=79330539
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111199355.4A Pending CN113945175A (zh) | 2021-10-14 | 2021-10-14 | 一种岩石的三维数据获取方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113945175A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114677677A (zh) * | 2022-05-30 | 2022-06-28 | 南京友一智能科技有限公司 | 一种质子交换膜燃料电池气体扩散层材料比例预测方法 |
CN115018986A (zh) * | 2022-06-14 | 2022-09-06 | 长安大学 | 一种强构造活动区岩石微观结构信息解译及三维建模方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014003596A1 (en) * | 2012-06-26 | 2014-01-03 | Schlumberger, Holdings Limited | A method for building a 3d model of a rock sample |
CN104062308A (zh) * | 2014-07-04 | 2014-09-24 | 天津三英精密仪器有限公司 | 一种岩石无损矿物成分检测方法 |
CN105115874A (zh) * | 2015-08-18 | 2015-12-02 | 中国石油天然气股份有限公司 | 多源信息融合的多组分三维数字岩心构建方法 |
CN108459070A (zh) * | 2018-02-11 | 2018-08-28 | 中国科学院地质与地球物理研究所 | 一种无稀释剂测定磷灰石(U-Th)/He定年方法 |
CN109146933A (zh) * | 2017-06-28 | 2019-01-04 | 中国石油化工股份有限公司 | 多尺度数字岩心建模方法及计算机可读存储介质 |
CN109255835A (zh) * | 2018-10-11 | 2019-01-22 | 中国科学院力学研究所 | 页岩岩心尺度数字-实验模型的重构方法及装置 |
-
2021
- 2021-10-14 CN CN202111199355.4A patent/CN113945175A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014003596A1 (en) * | 2012-06-26 | 2014-01-03 | Schlumberger, Holdings Limited | A method for building a 3d model of a rock sample |
CN104062308A (zh) * | 2014-07-04 | 2014-09-24 | 天津三英精密仪器有限公司 | 一种岩石无损矿物成分检测方法 |
CN105115874A (zh) * | 2015-08-18 | 2015-12-02 | 中国石油天然气股份有限公司 | 多源信息融合的多组分三维数字岩心构建方法 |
CN109146933A (zh) * | 2017-06-28 | 2019-01-04 | 中国石油化工股份有限公司 | 多尺度数字岩心建模方法及计算机可读存储介质 |
CN108459070A (zh) * | 2018-02-11 | 2018-08-28 | 中国科学院地质与地球物理研究所 | 一种无稀释剂测定磷灰石(U-Th)/He定年方法 |
CN109255835A (zh) * | 2018-10-11 | 2019-01-22 | 中国科学院力学研究所 | 页岩岩心尺度数字-实验模型的重构方法及装置 |
Non-Patent Citations (1)
Title |
---|
周才健 等: "《人工智能基础与实践》", 30 April 2021, 中国铁道出版社有限公司 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114677677A (zh) * | 2022-05-30 | 2022-06-28 | 南京友一智能科技有限公司 | 一种质子交换膜燃料电池气体扩散层材料比例预测方法 |
CN114677677B (zh) * | 2022-05-30 | 2022-08-19 | 南京友一智能科技有限公司 | 一种质子交换膜燃料电池气体扩散层材料比例预测方法 |
CN115018986A (zh) * | 2022-06-14 | 2022-09-06 | 长安大学 | 一种强构造活动区岩石微观结构信息解译及三维建模方法 |
CN115018986B (zh) * | 2022-06-14 | 2023-04-07 | 长安大学 | 一种强构造活动区岩石微观结构信息解译及三维建模方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210151289A1 (en) | Method, device and system for remote deep learning for microscopic image reconstruction and segmentation | |
US11783604B2 (en) | Method for creating histopathological ground truth masks using slide restaining | |
CN111275016B (zh) | 一种玻片扫描影像采集与分析方法及装置 | |
Saghi et al. | Compressed sensing electron tomography of needle-shaped biological specimens–Potential for improved reconstruction fidelity with reduced dose | |
JP6791245B2 (ja) | 画像処理装置、画像処理方法及び画像処理プログラム | |
CN113945175A (zh) | 一种岩石的三维数据获取方法及装置 | |
EP3752952B1 (en) | Pathology predictions on unstained tissue | |
US20170140528A1 (en) | Automated histological diagnosis of bacterial infection using image analysis | |
US20110286654A1 (en) | Segmentation of Biological Image Data | |
US20150010218A1 (en) | Image Processing Method And Apparatus | |
CN110441342B (zh) | 一种精确表征晶体三维取向和晶体学取向的方法 | |
Chen et al. | A prototype for unsupervised analysis of tissue microarrays for cancer research and diagnostics | |
CN113785361A (zh) | 染色体自动化分析方法 | |
US20090304244A1 (en) | Method and a system for presenting sections of a histological specimen | |
Dyomin et al. | Two-dimensional representation of a digital holographic image of the volume of a medium with particles as a method of depicting and processing information concerning the particles | |
Kaman et al. | Image processing for mitoses in sections of breast cancer: a feasibility study | |
US20100309304A1 (en) | Method and Device for the Reconstruction of the Shape of an Object from a Sequence of Sectional Images of Said Object | |
Turkki et al. | Identification of immune cell infiltration in hematoxylin-eosin stained breast cancer samples: texture-based classification of tissue morphologies | |
Perumal et al. | Non invasive decay analysis of monument using deep learning techniques | |
Michelin et al. | Embryo cell membranes reconstruction by tensor voting | |
Schönmeyer et al. | Automated whole slide analysis of differently stained and co-registered tissue sections | |
Zhang et al. | Application of image stitching method in corrosion morphology analysis | |
Samak et al. | An optimization approach to scanning skin direct immunofluorescence specimens | |
Uesugi et al. | Image processing scheme for archiving epigraphs | |
Kucarov et al. | Single cell position determination and transformation from static high-resolution digital image to laser-microdissector coordinate system using image processing techniques |
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 |
Application publication date: 20220118 |
|
RJ01 | Rejection of invention patent application after publication |