CN114511541B - 基于X-ray CT的三维数字集料库快速建立与评价方法 - Google Patents

基于X-ray CT的三维数字集料库快速建立与评价方法 Download PDF

Info

Publication number
CN114511541B
CN114511541B CN202210124861.5A CN202210124861A CN114511541B CN 114511541 B CN114511541 B CN 114511541B CN 202210124861 A CN202210124861 A CN 202210124861A CN 114511541 B CN114511541 B CN 114511541B
Authority
CN
China
Prior art keywords
digital
dimensional
particle
particles
database
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
Application number
CN202210124861.5A
Other languages
English (en)
Other versions
CN114511541A (zh
Inventor
谭忆秋
任志彬
黄兰
熊学堂
王英园
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Harbin Institute of Technology
Original Assignee
Harbin Institute of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Harbin Institute of Technology filed Critical Harbin Institute of Technology
Priority to CN202210124861.5A priority Critical patent/CN114511541B/zh
Publication of CN114511541A publication Critical patent/CN114511541A/zh
Application granted granted Critical
Publication of CN114511541B publication Critical patent/CN114511541B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06T7/0004—Industrial image inspection
    • 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
    • G01N23/02—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 transmitting the radiation through the material
    • G01N23/04—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 transmitting the radiation through the material and forming images of the material
    • G01N23/046—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 transmitting the radiation through the material and forming images of the material using tomography, e.g. computed tomography [CT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/51—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/5854—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using shape and object relationship
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/5862—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using texture
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • 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
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/64—Analysis of geometric attributes of convexity or concavity
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C60/00—Computational materials science, i.e. ICT specially adapted for investigating the physical or chemical properties of materials or phenomena associated with their design, synthesis, processing, characterisation or utilisation
    • 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
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • 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
    • G06T2207/30132—Masonry; Concrete
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
    • Y02W30/00—Technologies for solid waste management
    • Y02W30/50—Reuse, recycling or recovery technologies
    • Y02W30/58—Construction or demolition [C&D] waste

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Library & Information Science (AREA)
  • Geometry (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • General Health & Medical Sciences (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Pulmonology (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Software Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)

Abstract

基于X‑ray CT的三维数字集料库快速建立与评价方法，涉及集料库构建领域。本发明是为了解决现有建立集料库的方法还存在误差大、适应性弱的问题。本发明所述的方案包括：获取工程用颗粒材料作为样本，并对样本进行扫描获得样本断层扫描图片，同时对扫描后的工程用颗粒材料标号；所述工程用颗粒材料包括：级配碎石、鹅卵石、建筑废料破碎物、人工合成石材、RAP回收混合料；利用样本断层扫描图片和标号后的工程用颗粒材料构建三维数字集料数据库；对三维集料数据库进行评价，从而确定生成的三维集料数据库是否具有代表性。本发明用于简单快速的构建具有代表性的三维数字集料库。

Description

基于X-ray CT的三维数字集料库快速建立与评价方法
技术领域
本发明涉及集料库构建领域，特别涉及基于X-ray CT的三维数字集料库快速建立与评价方法。
背景技术
集料在三维空间中以不规则的颗粒形式存在，被广泛的应用于建筑与施工当中。特别是在道路工程当中，已经引起了世界范围内学者的广泛关注。颗粒基材料一般可以分为胶结与不胶结两类。其中胶结类颗粒剂材料以沥青混凝土和水泥混凝土作为典型代表材料，其中集料占据了总体积的85％以上。而不胶结的则以级配碎石路基作为典型代表，全部都是以颗粒材料所组成。由此可以看出，集料在实际工程当中的重要程度。事实上，粗、细团聚体作为颗粒材料的关键组成部分，其粒度、粒径分布、几何形状、形态特征、表面纹理等微观结构特性对其工程性能有很大影响。
近年来，人们对颗粒材料细观结构与宏观性能的关系进行了大量的研究，这有助于深入了解混凝土劣化机理，提高混凝土性能。例如，已有研究证明，通过调整典型集料的几何或形状参数，如细/粗集料的角度，可以有倾向性地设计沥青混合料的力学性能。然而，仅通过实验室实验来观察混合的内部情况仍然是困难和耗时的，甚至需要大量的人力和财力投入。自20世纪80年代Morgan首次将工业计算机断层成像技术(工业CT)引入混凝土领域以来，该技术在路面行业已经占据了重要的地位。工业CT是一种利用x射线衰减[11]的层析成像技术；然后，在扫描下生成大量的剖面图像后，可以保留完整的试样进行其他实验。随后，通过数字图像相关(DIC)方法从混凝土中提取骨料和空隙等物体。由于沥青混合料的三组分对比差，CT技术下三相组分的分界并不明确，甚至需要人工的调整灰度分割阈值。这不仅耗时耗力，结果也不是很理想，因此直接从混凝土当中直接提取集料颗粒并不是一个好的选择。
目前建立集料库主要采用随机投放算法的方式自动生成大量不同尺寸的数据集料，但是生成的数据集料形状特征和表面特征与真实数据相差较大，因此将目前的集料库建立方法应用于对精度要求极高的细观/微观力学分析当中会产生较大的误差。除此之外，随机投放算法生成的数字颗粒的形状与表面特征，与其初值设置直接相关，无法与实际工程当中随机取用集料的情况相一致，因此目前的集料库构建方法还存在可适应性弱的问题。
发明内容
本发明目的是为了解决现有建立集料库的方法还存在误差大、适应性弱的问题，而提出了基于X-ray CT的三维数字集料库快速建立与评价方法。
基于X-ray CT的三维数字集料库快速建立与评价方法具体过程为：
步骤一、获取工程用颗粒材料作为样本，并对样本进行扫描获得样本断层扫描图片，同时对扫描后的工程用颗粒材料标号；
所述工程用颗粒材料包括：级配碎石、鹅卵石、建筑废料破碎物、人工合成石材、RAP回收混合料；
步骤二、利用步骤一获得的样本断层扫描图片和标号后的工程用颗粒材料获取工程用颗粒的二值化图像，并获取每个二值化图像中每个颗粒的形心坐标，然后利用每个颗粒的形心坐标获得数字颗粒图像，多个数字颗粒图像构成三维数字集料数据库；
步骤三、获取三维数字集料数据库中数字颗粒图像中每个数字颗粒的长度、宽度和厚度，并利用每个数字颗粒的长度、宽度和厚度对步骤二获得的三维集料数据库进行评价，从而确定生成的三维集料数据库是否具有代表性，若不具有代表性则重新取样建立三维数字集料库，若具有代表性则完成三维数字集料库的建立。
本发明的有益效果为：
本发明利用计算机断层扫描技术，提出了一种三维数字集料库的高效建立方案，简化了数字图像处理过程，且能够保证数字集料库与真实集料一一对应，在提高了建立集料库的速度的同时也提升了集料数据库的适应性；同时本发明利用形状指数、球度指数和纹理指数对建立数据库的有效性进行评分，最大限度保证了后续颗粒力学分析的效果，缩小了生成的集料与真实集料数据的差异，为后续对集料的研究减小了分析误差，同时本发明的操作简单，在单位时间内提升了建立三维数字集料库的速度。同时本发明还提出了集料库的评价方法，利用获得的评分确定生成的集料质量，从而进一步减小后续对集料分析的误差。
附图说明
图1为本发明批量扫描示意图；
图2为真实集料标号；
图3为联通区域识别技术自动编号示意图；
其中，圆圈代表三维颗粒形心；
图4为颗粒长度L、宽度W、厚度T确定过程示意图，图中颗粒示例为任选；
图5为实施例1数据库评价结果示意图；
图6实施例2数据库评价结果示意图；
图7为实施例3数据库评价结果示意图；
图8为实施例4数据库评价结果示意图；
图9为实施例5数据库评价结果示意图。
具体实施方式
具体实施方式一：本实施方式基于X-ray CT的三维数字集料库快速建立与评价方法具体过程为：
步骤一、获取工程用颗粒材料作为样本，并对样本进行扫描获得样本断层扫描图片，同时对扫描后的工程用颗粒材料标号，如图1-2；
步骤一一、利用随机取样方法取样工程用颗粒材料作为样本；
所述工程用颗粒材料包括：级配碎石、鹅卵石、建筑废料破碎物、人工合成石材、RAP回收混合料；
步骤一二、确定筛分尺寸，将步骤一一获得样本采用机械筛分或手动筛分的形式进行筛分获得筛分后的样本；
所述筛分尺寸一般分为以下八个尺寸分组：32.5mm、26mm、19mm、16mm、13.2mm、9.5mm、4.75mm、2.36mm；
步骤一三、将筛分后获得的样本采用X-ray CT进行分层扫描，获得多个样本断层扫描图片；
首先，将确定了尺寸的颗粒放于塑料盒中，并围出一个圆形区域，拍照记录相对位置，盖好盒盖；
然后，将盒子叠放于X-ray CT的载物台上，调整好位置，设置扫描参数，并进行工业CT扫描测试；
所述扫描参数包括：电压(140～230kV)、电流(60～140μA)和曝光时间(750～1500ms)等；
步骤一四、将扫描后的样本进行标号获得标号后的工程用颗粒材料；
步骤二、利用步骤一获得的样本断层扫描图片和标号后的工程用颗粒材料获取工程用颗粒的二值化图像，并获取每个二值化图像中每个颗粒的形心坐标，然后利用每个颗粒的形心坐标获得数字颗粒图像，多个数字颗粒图像构成三维数字集料数据库，具体步骤包括；
步骤二一、利用工业CT配套重构软件datos|x reconstruction和专业三维图像处理软件VG Studio Max将获得的每个断层扫描图片转化为三维灰度矩阵即灰度图像；
步骤二二、利用数字图像处理技术将多个灰度图像转化为多个二值化图像；
所述数字图像处理技术，只需要简单的根据灰度直方图判断阈值后进行阈值分割即可，不需要复杂的处理过程；
步骤二三、对每个二值化图像中的颗粒进行标号并获取每个二值化图像中的每个颗粒的形心坐标；
首先，应用联通区域识别技术提取出每个二值化图像中的颗粒并自动标号，如图3；
所述联通区域识别技术推荐的为MATLAB中的regionprops3函数，但并不限于此；
然后，计算出每个二值化图像中的每个颗粒的形心坐标(X,Y,Z)，其中，Z为空间中的竖坐标；
步骤二四、将每个二值化图像中的所有颗粒的形心坐标分别绘制到一张图中，并利用颗粒相对位置将步骤一的工程用颗粒材料标号与步骤二三获得的自动标号好的颗粒进行一一对应，获得带有标号的颗粒二值化图像即为数字颗粒图像，多个数字颗粒图像组成三维集料数据库；
其中每个盒子获得一个二值化图像，一个二值化图像中的所有形心坐标绘制到一张纸上。
步骤三、获取三维数字集料数据库中数字颗粒图像中每个数字颗粒的长度、宽度和厚度，并利用每个数字颗粒的长度、宽度和厚度对步骤二获得的三维集料数据库进行评价，从而确定生成的三维集料数据库是否具有代表性，若不具有代表性则重新取样重新建立三维数字集料库，若具有代表性则完成三维数字集料库的建立，包括以下步骤：
步骤三一、获得三维集料数据库中每个数字颗粒的长度、宽度和厚度，如图4：
步骤三一一、利用凸包算法处理三维集料数据库中每个数字颗粒图像得到包含三维数字颗粒的最小凸多边形，遍历包含三维数字颗粒的最小凸多边形的所有凸点并计算最长弦L即数字颗粒的长度及其对应的特征向量v；
其中，最长弦L对应的特征向量v为最长弦两个端点的坐标做差获得的向量；
步骤三一二、基于空间向量计算步骤三一一获得的最长弦L与X-ray CT的Z轴的空间角β，以及最长弦在X-ray CT的XOY平面上的投影与X轴的夹角γ；
步骤三一三、利用欧拉旋转公式对步骤三一一获得的最小凸多边形的所有凸点进行坐标转换，如下：
Figure BDA0003499960710000051
其中，A＝Rz(γ)Ry(β)是转换矩阵，v’是转换后的凸点坐标；
步骤三一四、将转换后的坐标投影到X-ray CT的XOY平面上，获得最小凸多边形最小包围盒的长边和短边；
步骤三一五、通过旋转数字颗粒和投影，找到最小的长边即为颗粒宽度W，此时对应的短边作为颗粒厚度T；
步骤三二、利用步骤三一获得的每个数字颗粒的长度、宽度和厚度获得三维集料库中的每个尺寸分组的数字颗粒的形状指数F、球度指数SI、纹理指数MID，然后利用F、SI、MID对每个尺寸的数字颗粒进行评分：
步骤三二一、利用步骤三一获得的每个数字颗粒的长度、宽度和厚度获得步骤二获得的三维集料库中的每个尺寸分组的数字颗粒的形状指数F、球度指数SI、纹理指数MID：
Figure BDA0003499960710000052
Figure BDA0003499960710000053
Figure BDA0003499960710000054
其中，V、S分别为利用计算机体素计算方法得到的数字颗粒的体积和表面积，Vc、Sc为最小凸多边形的体积和表面积；
步骤三二二、利用单参数Kolmogorov-Smirnov检验(简称KS检验)对步骤三二一获得的每个尺寸分组的数字颗粒的形状指数F、球度指数SI和纹理指数MID的正态性进行检验获得每个尺寸分组的数字颗粒形状指数对应的p值pF、球度指数对应的p值pSI和纹理指数对应的p值pMTD；
步骤三二三、选定显著性水平α，将步骤三二二获得每个尺寸分组的数字颗粒的pF、pSI和pMTD与α分别进行比较获得每个尺寸分组的数字颗粒的评分；
若pF、pSI和pMTD中有一个值大于α则计一分，若有两个值大于α则计两分，若有三个值大于α则计三分，若均不大于α则计零分；
所述显著性水平可以自行取值，一般取为0.1，0.05和0.01，数值越大越严格。
步骤三三、根据步骤三二计算的到的评分对每个尺寸分组分别进行评价丛而获得数字集料数据库是否具有代表性，具体规则如下：
0分代表需要重新取样；1分代表合格；2分和3分代表优秀，即具有代表性。
实施例：根据具体实施方式所述的方法对各种尺寸的数字颗粒构建颗粒数据库，并进行评分，具体如下：
1：16.0mm尺寸颗粒数据库建立，包含130颗数字集料，评分为1，数据库评价结果示意图如图5，具体如表1；
表1
指标 最小值 最大值 平均值 标准差 p值
F 0.998 2.275 1.424 0.209 0.026
SI 0.630 0.886 0.779 0.048 0.434
MTD 0.199 0.761 0.378 0.107 0.046
2：13.2mm尺寸颗粒数据库建立，包含140颗数字集料，评分为3，数据库评价结果示意图如图6，具体如表2；
表2
指标 最小值 最大值 平均值 标准差 p值
F 1.123 2.070 1.486 0.204 0.285
SI 0.580 0.885 0.764 0.054 0.654
MTD 0.170 0.793 0.355 0.101 0.359
3：9.5mm尺寸颗粒数据库建立，包含221颗数字集料，评分为2，数据库评价结果示意图如图7所示，具体如表3；
表3
指标 最小值 最大值 平均值 标准差 p值
F 1.028 2.388 1.554 0.241 0.620
SI 0.584 0.877 0.754 0.057 0.141
MTD 0.148 1.015 0.294 0.106 0.003
4：4.75mm尺寸颗粒数据库建立，包含481颗数字集料，评分为0，需要重新取样建立，数据库评价结果示意图如图8所示，具体如表4；
表4
Figure BDA0003499960710000061
Figure BDA0003499960710000071
5：2.36mm尺寸颗粒数据库建立，包含481颗数字集料，评分为1，数据库评价结果示意图如图9所示，具体如表5；
表5
指标 最小值 最大值 平均值 标准差 p值
F 0.854 2.813 1.611 0.339 0.004
SI 0.546 0.934 0.794 0.069 0.179
MTD 0.026 0.295 0.072 0.037 0.000

Claims (10)

1.基于X-ray CT的三维数字集料库快速建立与评价方法，其特征在于所述方法包括以下步骤：
步骤一、获取工程用颗粒材料作为样本，并对样本进行扫描获得样本断层扫描图片，同时对扫描后的工程用颗粒材料标号；
所述工程用颗粒材料包括：级配碎石、鹅卵石、建筑废料破碎物、人工合成石材、RAP回收混合料；
步骤二、利用步骤一获得的样本断层扫描图片和标号后的工程用颗粒材料获取工程用颗粒的二值化图像，并获取每个二值化图像中每个颗粒的形心坐标，然后利用每个颗粒的形心坐标获得数字颗粒图像，多个数字颗粒图像构成三维数字集料数据库；
步骤三、获取三维数字集料数据库中数字颗粒图像中每个数字颗粒的长度、宽度和厚度，并利用每个数字颗粒的长度、宽度和厚度对步骤二获得的三维集料数据库进行评价，从而确定生成的三维集料数据库是否具有代表性，若不具有代表性则重新取样建立三维数字集料库，若具有代表性则完成三维数字集料库的建立。
2.根据权利要求1所述的基于X-ray CT的三维数字集料库快速建立与评价方法，其特征在于：所述步骤一中对样本进行扫描获得样本断层扫描图片，同时对扫描后的工程用颗粒材料标号，包括以下步骤：
步骤一一、确定筛分尺寸，将获得的样本进行筛分获得筛分后的样本即多个尺寸分组；
所述筛分尺寸包括：32.5mm、26mm、19mm、16mm、13.2mm、9.5mm、4.75mm、2.36mm；
步骤一二、将筛分后获得的样本采用X-ray CT进行分层扫描，获得多个样本的断层扫描图片；
步骤一三、将步骤一二扫描后的样本进行标号获得标号后的工程用颗粒材料。
3.根据权利要求2所述的基于X-ray CT的三维数字集料库快速建立与评价方法，其特征在于：所述步骤一二中的将筛分后获得的样本采用X-ray CT进行分层扫描，获得多个样本的断层扫描图片，包括以下步骤：
首先，将筛分后获得的样本放于盒中，并围出一个区域，拍照记录相对位置，盖好盒盖；
然后，将盒子叠放于X-ray CT的载物台上，调整好位置并设置扫描参数，进行工业CT扫描测试获得每层样本的断层扫描图片；
所述扫描参数包括：电压、电流和曝光时间。
4.根据权利要求3所述的基于X-ray CT的三维数字集料库快速建立与评价方法，其特征在于：所述步骤二中利用步骤一获得的样本断层扫描图片和标号后的工程用颗粒材料获取工程用颗粒的二值化图像，并获取每个二值化图像中每个颗粒的形心坐标，然后利用每个颗粒的形心坐标获得数字颗粒图像，多个数字颗粒图像构成三维数字集料数据库，包括以下步骤：
步骤二一、将步骤一获得的每个断层扫描图片转化为三维灰度矩阵即灰度图像；
步骤二二、利用数字图像处理技术将所有灰度图像转化为多个二值化图像；
步骤二三、对每个二值化图像中的颗粒进行标号并获取每个二值化图像中的颗粒的形心坐标(X,Y,Z)；
其中，Z为空间中的竖坐标；
步骤二四、将每个二值化图像中的所有颗粒的形心坐标分别绘制到一张图中，并利用颗粒相对位置将步骤一获得的工程用颗粒材料标号与步骤二三获得的标号好的颗粒进行一一对应，获得带有标号的颗粒二值化图像即为数字颗粒图像，多个数字颗粒图像组成三维集料数据库。
5.根据权利要求4所述的基于X-ray CT的三维数字集料库快速建立与评价方法，其特征在于：所述步骤二三中对每个二值化图像中的颗粒进行标号采用联通区域识别技术。
6.根据权利要求5所述的基于X-ray CT的三维数字集料库快速建立与评价方法，其特征在于：所述步骤三中获取三维数字集料数据库中数字颗粒图像中每个数字颗粒的长度、宽度和厚度，并利用每个数字颗粒的长度、宽度和厚度对步骤二获得的三维集料数据库进行评价，从而确定生成的三维集料数据库是否具有代表性，包括以下步骤：
步骤三一、获得三维集料数据库中每个数字颗粒的长度、宽度和厚度；
步骤三二、利用步骤三一获得的每个数字颗粒的长度、宽度和厚度获得三维集料库中的每个尺寸分组的数字颗粒的形状指数F、球度指数SI、纹理指数MID，然后利用F、SI、MID对每个尺寸的数字颗粒进行评分；
步骤三三、利用每个尺寸的数字颗粒的评分对三维集料数据库中每个尺寸分组分别进行评价，从而确定生成的三维集料数据库是否具有代表性。
7.根据权利要求6所述的基于X-ray CT的三维数字集料库快速建立与评价方法，其特征在于：所述步骤三一中获得三维集料数据库中每个数字颗粒的长度、宽度和厚度，包括以下步骤：
步骤三一一、利用凸包算法处理三维集料数据库中每个数字颗粒图像得到包含三维数字颗粒的最小凸多边形，遍历包含三维数字颗粒的最小凸多边形的所有凸点并计算最长弦L及其对应的特征向量v；
其中，最小凸多边形最长弦L即数字颗粒的长度；
步骤三一二、基于空间向量换算方法计算步骤三一一获得的最长弦L与X-ray CT的Z轴的空间角β，以及最长弦在X-ray CT的XOY平面上的投影与X轴的夹角γ；
步骤三一三、利用欧拉旋转公式对步骤三一一获得的最小凸多边形的所有凸点进行坐标转换获得转换后的坐标；
步骤三一四、将转换后的坐标投影到X-ray CT的XOY平面上，获得最小凸多边形最小包围盒的长边和短边；
步骤三一五、通过旋转数字颗粒和投影，找到最小的长边即为颗粒宽度W，最小的长边对应的短边即为颗粒厚度T。
8.根据权利要求7所述的基于X-ray CT的三维数字集料库快速建立与评价方法，其特征在于：所述步骤三一三中利用欧拉旋转公式对步骤三一一获得的最小凸多边形的所有凸点进行坐标转换获得转换后的坐标，公式如下：
Figure FDA0003499960700000031
其中，A＝Rz(γ)Ry(β)是转换矩阵，v’是转换后的凸点坐标。
9.根据权利要求8所述的基于X-ray CT的三维数字集料库快速建立与评价方法，其特征在于：所述步骤三二中利用步骤三一获得的每个数字颗粒的长度、宽度和厚度获得三维集料库中的每个尺寸分组的数字颗粒的形状指数F、球度指数SI、纹理指数MID，然后利用F、SI、MID对每个尺寸的数字颗粒进行评分，包括以下步骤：
步骤三二一、利用步骤三一获得的每个数字颗粒的长度、宽度和厚度获得步骤二获得的三维集料库中的每个尺寸分组的数字颗粒的形状指数F、球度指数SI、纹理指数MID；
步骤三二二、利用单参数Kolmogorov-Smirnov检验对步骤三二一获得的每个尺寸分组的数字颗粒的形状指数F、球度指数SI和纹理指数MID的正态性进行检验获得每个尺寸分组的数字颗粒形状指数对应的p值pF、球度指数对应的p值pSI和纹理指数对应的p值pMTD；
步骤三二三、选定显著性水平α，将步骤三二二获得每个尺寸分组的数字颗粒的pF、pSI和pMTD与α分别进行比较获得每个尺寸分组的数字颗粒的评分；
评分规则如下：若pF、pSI和pMTD中有一个值大于α则计一分，若有两个值大于α则计两分，若有三个值大于α则计三分，若均不大于α则计零分。
10.根据权利要求9所述的基于X-ray CT的三维数字集料库快速建立与评价方法，其特征在于：所述步骤三三中利用每个尺寸的数字颗粒的评分对三维集料数据库中每个尺寸分组分别进行评价，从而确定生成的三维集料数据库是否具有代表性，规则具体如下：
若评分为0分则代表需要需重新取样；
若评分为1分则代表合格；
若评分为2分或3分代表优秀，即具有代表性。
CN202210124861.5A 2022-02-10 2022-02-10 基于X-ray CT的三维数字集料库快速建立与评价方法 Active CN114511541B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210124861.5A CN114511541B (zh) 2022-02-10 2022-02-10 基于X-ray CT的三维数字集料库快速建立与评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210124861.5A CN114511541B (zh) 2022-02-10 2022-02-10 基于X-ray CT的三维数字集料库快速建立与评价方法

Publications (2)

Publication Number Publication Date
CN114511541A CN114511541A (zh) 2022-05-17
CN114511541B true CN114511541B (zh) 2022-12-02

Family

ID=81551607

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210124861.5A Active CN114511541B (zh) 2022-02-10 2022-02-10 基于X-ray CT的三维数字集料库快速建立与评价方法

Country Status (1)

Country Link
CN (1) CN114511541B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101354241A (zh) * 2008-07-11 2009-01-28 长安大学 集料数字图像评价系统及评价方法
CN106096135A (zh) * 2016-06-12 2016-11-09 东南大学 一种基于aims设备的级配颗粒库文件数值生成方法
CN107644121A (zh) * 2017-08-18 2018-01-30 昆明理工大学 一种路面材料骨架结构的逆向三维重构与实体建模方法
CN108982213A (zh) * 2018-06-07 2018-12-11 南京工程学院 一种沥青混合料高温性能虚拟车辙试验方法
CN109191571A (zh) * 2018-09-30 2019-01-11 华南理工大学 一种应用3d打印技术制备力学试验标准集料的方法
CN113345075A (zh) * 2021-06-08 2021-09-03 西南石油大学 一种基于ct三维模型重构的砾岩粒度评价方法
CN113624789A (zh) * 2021-07-19 2021-11-09 华南理工大学 一种集料颗粒ct扫描装样装置及方法
CN113658117A (zh) * 2021-08-02 2021-11-16 浙江大学 一种基于深度学习的沥青混合料中集料边界识别与划分方法
CN113791094A (zh) * 2021-09-13 2021-12-14 东南大学 基于等效球棍模型的沥青混合料三维骨架接触评价方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101354241A (zh) * 2008-07-11 2009-01-28 长安大学 集料数字图像评价系统及评价方法
CN106096135A (zh) * 2016-06-12 2016-11-09 东南大学 一种基于aims设备的级配颗粒库文件数值生成方法
CN107644121A (zh) * 2017-08-18 2018-01-30 昆明理工大学 一种路面材料骨架结构的逆向三维重构与实体建模方法
CN108982213A (zh) * 2018-06-07 2018-12-11 南京工程学院 一种沥青混合料高温性能虚拟车辙试验方法
CN109191571A (zh) * 2018-09-30 2019-01-11 华南理工大学 一种应用3d打印技术制备力学试验标准集料的方法
CN113345075A (zh) * 2021-06-08 2021-09-03 西南石油大学 一种基于ct三维模型重构的砾岩粒度评价方法
CN113624789A (zh) * 2021-07-19 2021-11-09 华南理工大学 一种集料颗粒ct扫描装样装置及方法
CN113658117A (zh) * 2021-08-02 2021-11-16 浙江大学 一种基于深度学习的沥青混合料中集料边界识别与划分方法
CN113791094A (zh) * 2021-09-13 2021-12-14 东南大学 基于等效球棍模型的沥青混合料三维骨架接触评价方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Gradation measurement of asphalt mixture by X-Ray CT images and digital image processing methods;Chao Xing 等;《ELSEVIER》;20180927;全文 *
基于X-ray CT的沥青混合料计算机辅助设计技术的研究进展;张肖宁;《交通科学与工程》;20100630;第26卷(第2期);全文 *
材料基因思想在沥青路面材料领域的应用展望;谭忆秋 等;《交通运输研究》;20200531;第6卷(第5期);全文 *

Also Published As

Publication number Publication date
CN114511541A (zh) 2022-05-17

Similar Documents

Publication Publication Date Title
CN109211904B (zh) 一种沥青混合料二维内部结构检测系统及检测方法
Fonseca et al. An image analysis procedure to quantify the air void system of mortar and concrete
CN108280290B (zh) 一种混凝土骨料数值模型重建方法
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
Lu et al. Measurement of air void system in lightweight concrete by X-ray computed tomography
CN104931515B (zh) 基于沥青混合料各组分相对密度的内部均匀性识别方法
CN110443793A (zh) 一种沥青混合料空隙分布均匀性评价方法
CN112964712A (zh) 一种快速检测沥青路面状态的方法
CN103940708A (zh) 一种钢材全形态晶粒的快速测量、精细分类方法
Aprile et al. Classification of mineral inclusions in ancient ceramics: comparing different modal analysis strategies
Moon et al. Analyzing aggregate size distribution of asphalt mixtures using simple 2D digital image processing techniques
CN114511541B (zh) 基于X-ray CT的三维数字集料库快速建立与评价方法
CN109191571B (zh) 一种应用3d打印技术制备力学试验标准集料的方法
Anusree et al. Characterization of sand particle morphology: state-of-the-art
Peterson et al. Air void analysis of hardened concrete with a flatbed scanner
Burgmann et al. Separation of sand and gravel particles in 3D images using the adaptive h-extrema transform
CN114283133A (zh) 一种基于最邻近分析的沥青混合料均匀性评价方法
Kuity et al. Study on aggregate size distribution in asphalt mix using images obtained by different imaging techniques
CN115598017A (zh) 一种透水混凝土用粗骨料形态识别及骨架评价方法
CN114379092B (zh) 一种人造岩心制备方法及系统
Gay et al. Using two dimensional sectional distributions to infer three dimensional volumetric distributions–validation using tomography
CN112050756B (zh) 一种岩矿石切片与树脂靶表面平整度识别处理方法
CN114441566A (zh) 一种建筑固体废弃物路用再生骨料形态特征评价方法
Özen Investigation of relationship between aggregate shape parameters and concrete strength using imaging techniques
Gopalakrishnan et al. Attempt at quantifying the degree of compaction in HMA using image analysis

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