CN115496758B - 一种膨润土渗透系数的计算预测方法、装置及系统 - Google Patents

一种膨润土渗透系数的计算预测方法、装置及系统 Download PDF

Info

Publication number
CN115496758B
CN115496758B CN202211437063.4A CN202211437063A CN115496758B CN 115496758 B CN115496758 B CN 115496758B CN 202211437063 A CN202211437063 A CN 202211437063A CN 115496758 B CN115496758 B CN 115496758B
Authority
CN
China
Prior art keywords
bentonite
coefficient
pores
permeability coefficient
water guide
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
CN202211437063.4A
Other languages
English (en)
Other versions
CN115496758A (zh
Inventor
孙海泉
王立忠
洪义
国振
李玲玲
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.)
Hainan Institute of Zhejiang University
Original Assignee
Hainan Institute of Zhejiang University
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 Hainan Institute of Zhejiang University filed Critical Hainan Institute of Zhejiang University
Priority to CN202211437063.4A priority Critical patent/CN115496758B/zh
Publication of CN115496758A publication Critical patent/CN115496758A/zh
Application granted granted Critical
Publication of CN115496758B publication Critical patent/CN115496758B/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
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/08—Investigating permeability, pore-volume, or surface area of porous materials
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • 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
    • G06T2207/10061—Microscopic image from scanning electron microscope
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Dispersion Chemistry (AREA)
  • Multimedia (AREA)
  • Investigation Of Foundation Soil And Reinforcement Of Foundation Soil By Compacting Or Drainage (AREA)

Abstract

本发明涉及岩土工程和土力学领域，具体涉及一种膨润土渗透系数的计算预测方法、装置及系统，用于解决现有技术中膨润土渗透系数计算方法复杂，普适性低的问题，所述方法包括如下步骤：获取膨润土的原始图像；设定图像处理阈值，并将所述原始图像二值化得到二值化图像；根据所述膨润土的所述二值化图像计算所述膨润土孔隙的预测导水系数和视角纠正因子；通过所述视角纠正因子纠正所述预测导水系数得到修正导水系数；利用所述修正导水系数获取所述二值化图像的界面上导水系数的有效值；使用所述有效值得到所述膨润土的渗透系数。本发明提出的方法简单便捷，准确度较高，且具有较高的普适性。

Description

一种膨润土渗透系数的计算预测方法、装置及系统
技术领域
本发明涉及岩土工程和土力学领域，具体涉及一种膨润土渗透系数的计算预测方法、装置及系统。
背景技术
膨润土的渗透系数是表征膨润土对水或者气体的渗透能力重要指标，且膨润土的渗透系数是土的基本物理指标之一，它与膨润土的骨架性质、孔隙结构、土中流体的粘滞特性等相关，它是膨润土固结、渗流、沉降等分析计算中的重要参数。在岩土工程、土力学领域有着重要应用，如大坝的坝基膨润土的渗透系数大小影响着大坝的安全，高放射性核废物处置库膨润土渗透系数的大小影响着高放射性核废物的迁移和安全，因此正确确定其数值对渗透计算有着重要的意义。
现有的渗透系数计算方法包含实验室测定法和其他的一些计算预测方法。前者对于粘土来说需要的测试时间较长，如测试膨润土等高膨胀性的粘土需要改造设备至可控制其膨润土体积不变方可进行测量，较为繁琐；后者需要考虑土水特征曲线和膨润土颗粒级配等，均需要提前做较多实验数据，最后再对膨润土渗透系数计算，过程也较为复杂,且均不具有普适性。
发明内容
针对现有技术中的缺陷，本发明提供一种膨润土渗透系数的计算预测方法、装置及系统。
本发明的实施例是这样实现的，第一方面，本发明提供了一种膨润土渗透系数的计算预测方法，所述方法包括如下步骤：获取膨润土的原始图像；设定图像处理阈值，并将所述原始图像二值化得到二值化图像；根据所述膨润土的所述二值化图像计算所述膨润土孔隙的预测导水系数和视角纠正因子；通过所述视角纠正因子纠正所述预测导水系数得到修正导水系数；利用所述修正导水系数获取所述二值化图像的界面上导水系数的有效值；使用所述有效值得到所述膨润土的渗透系数。
可选地，所述二值化图像的大小与所述原始图像的大小相同。
可选地，还包括，所述膨润土中的体积流速遵循如下关系：
Figure 729214DEST_PATH_IMAGE001
其中，
Figure 29746DEST_PATH_IMAGE002
为体积流速，
Figure 800255DEST_PATH_IMAGE003
表示所述膨润土的孔隙的半径，
Figure 426409DEST_PATH_IMAGE004
为所述孔隙两端的压力 差，
Figure 407003DEST_PATH_IMAGE005
为液体的粘滞系数，
Figure 511225DEST_PATH_IMAGE006
为所述孔隙的长度，
Figure 667400DEST_PATH_IMAGE007
为所述膨润土的所述导水系数。
可选地，所述预测导水系数满足如下关系：
Figure 198876DEST_PATH_IMAGE008
其中，
Figure 807712DEST_PATH_IMAGE009
表示某一个所述孔隙，
Figure 450046DEST_PATH_IMAGE010
表示第
Figure 569049DEST_PATH_IMAGE009
个所述孔隙的所述预测导水系数，
Figure 537005DEST_PATH_IMAGE011
表示 第
Figure 367558DEST_PATH_IMAGE009
个所述孔隙的半径，
Figure 813583DEST_PATH_IMAGE012
表示第
Figure 944350DEST_PATH_IMAGE009
个所述孔隙的面积，
Figure 817628DEST_PATH_IMAGE013
表示第
Figure 994531DEST_PATH_IMAGE009
个所述孔隙的周长。
可选地，所述视角纠正因子满足如下关系：
Figure 509826DEST_PATH_IMAGE014
其中，
Figure 229520DEST_PATH_IMAGE015
表示所述视角纠正因子，
Figure 273700DEST_PATH_IMAGE016
和
Figure 78845DEST_PATH_IMAGE017
为所述孔隙在球坐标系中的角度坐标。
可选地，所述修正导水系数满足如下关系：
Figure 866672DEST_PATH_IMAGE018
其中，
Figure 706452DEST_PATH_IMAGE009
表示某一个所述孔隙，
Figure 796899DEST_PATH_IMAGE019
表示第
Figure 89340DEST_PATH_IMAGE009
个所述孔隙的所述修正导水系数，
Figure 680859DEST_PATH_IMAGE015
表示 所述视角纠正因子，
Figure 375145DEST_PATH_IMAGE010
表示第
Figure 761127DEST_PATH_IMAGE009
个所述孔隙的所述预测导水系数。由于拍摄视角问题，基于 图像计算的所述预测导水系数可能存在误差，因此可以通过所述视角纠正因子对所述预测 导水系数进行纠正，得到更为准确的所述修正导水系数。
可选地，所述有效值可通过如下关系获得：
Figure 540864DEST_PATH_IMAGE020
其中，
Figure 795128DEST_PATH_IMAGE009
表示某一个所述孔隙，
Figure 343921DEST_PATH_IMAGE021
表示所述孔隙的总数量，
Figure 166384DEST_PATH_IMAGE022
表示与每一个节点连 接的孔隙数量，
Figure 167838DEST_PATH_IMAGE019
表示第
Figure 366738DEST_PATH_IMAGE009
个所述孔隙的所述修正导水系数，
Figure 770037DEST_PATH_IMAGE023
表示所述有效值；进一步 的，通过数学上标准寻根算法来求解所述有效值，将所述有效值即做为所述膨润土最终的 所述导水系数。
可选地，所述渗透系数满足如下关系：
Figure 871723DEST_PATH_IMAGE024
其中，
Figure 626053DEST_PATH_IMAGE025
表示所述渗透系数，
Figure 363065DEST_PATH_IMAGE021
表示所述孔隙的总数量，
Figure 620871DEST_PATH_IMAGE023
表示所述有效值，
Figure 785136DEST_PATH_IMAGE026
表 示所述二值化图像的面积。
综上所述，本发明通过获取膨润土的原始图像，并基于所述原始图像进行一些的简单的图像处理和计算即可得出准确的膨润土的渗透系数，本发明提出的方法相较于传统的实验测试方法更加简单便捷，准确度较高，且具有较高的普适性。
第二方面，本发明提供了一种膨润土渗透系数的计算预测装置，所述一种膨润土渗透系数的计算预测装置执行上述任意一项所述的方法，所述装置包括:输入设备，所述输入设备用于拍摄原始图像作为输入数据；处理器，所述处理器用于处理数据并得到处理结果，所述处理器与所述输入设备相连接；储存器，所述储存器用于储存所述处理结果，所述储存器与所述处理器相连接；输出设备，所述输出设备输出所述处理结果，所述输出设备与所述储存器相连接。所述装置结构简单，易于实现，适用场景多、范围广。
第三方面，本发明提供了一种膨润土渗透系数的计算预测系统，包括图像获取装置和膨润土渗透系数的计算预测装置：所述图像获取装置拍摄所述膨润土的所述原始图像；所述膨润土渗透系数的计算预测装置用于接收所述原始图像；设定阈值，并将所述原始图像二值化得到二值化图像；根据所述二值化图像得到预测导水系数和视角纠正因子；通过所述视角纠正因子纠正所述预测导水系数得到修正导水系数；利用所述修正导水系数获取所述原始图像的界面上导水系数的有效值；使用所述有效值得到所述膨润土的渗透系数；所述膨润土渗透系数的计算预测装置与所述图像获取装置相连接。所述系统结构简单，易于实现，适用场景多、范围广。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它相关的附图。
图1为本发明实施例的一种膨润土渗透系数的计算预测方法流程图；
图2为本发明实施例的膨润土原始图像；
图3为本发明实施例的原始图像的二值化图像；
图4为本发明实施例的实验室测定法结果与本方法结果的对比；
图5为本发明实施例的一种膨润土渗透系数的计算预测装置结构图；
图6为本发明实施例的一种膨润土渗透系数的计算预测系统结构图。
具体实施方式
下面将详细描述本发明的具体实施例，应当注意，这里描述的实施例只用于举例说明，并不用于限制本发明。在以下描述中，为了提供对本发明的透彻理解，阐述了大量特定细节。然而，对于本领域普通技术人员显而易见的是：不必采用这些特定细节来实行本发明。在其他实例中，为了避免混淆本发明，未具体描述公知的电路，软件或方法。
在整个说明书中，对“一个实施例”、“实施例”、“一个示例”或“示例”的提及意味着：结合该实施例或示例描述的特定特征、结构或特性被包含在本发明至少一个实施例中。因此，在整个说明书的各个地方出现的短语“在一个实施例中”、“在实施例中”、“一个示例”或“示例”不一定都指同一实施例或示例。此外，可以以任何适当的组合和、或子组合将特定的特征、结构或特性组合在一个或多个实施例或示例中。此外，本领域普通技术人员应当理解，在此提供的示图都是为了说明的目的，并且示图不一定是按比例绘制的。
需要提前说明的是，在一个可选地实施例当中，除了做出独立的说明之外，其它的在所有公式中出现的相同的符号或字母带表的含义相同，所述的用于表示空间位置关系的“垂直”、“水平”、“平行”、“上”或“下”等都是以水平面为参考系。
请参见图1，在一个可选地实施例当中，本发明提供了一种膨润土渗透系数的计算预测方法，具体包含如下步骤：
S1、获取膨润土的原始图像。
具体的，在本实施例中，请参见图2，采用型号为FEI Quanta 650 FEG
的SEM设备对所述膨润土进行拍摄获取SEM图像作为所述原始图像，从图2中可以得知拍摄的所述原始图像的相关数据，其中放大倍数为2500倍，束斑尺寸为3.0，拍摄距离为7.9mm，电子束加速电压为20kv，压力为856Pa，温度为5摄氏度，湿度为97.6%，比例尺为50um。
在其它可选地实施例中当中，还可以根据实际情况选择其它类型的SEM设备或者其它类型的方式获取所述原始图像。
S2、获取所述原始图像的二值化图像。
所述二值化图像的大小与所述原始图像的大小相同，使得所述原始图像上的所述比例尺在所述二值化图像上依旧可以使用，便于计算。
具体的，请参见图3，在本实施例中，选择合适阈值对所述原始图像进行二值化处理得到所述二值化图像，所述二值化图像用于将所述原始图像上的所述膨润土的所述孔隙与土体颗粒区分开来，便于识别，图3中白色区域代表所述土体颗粒，黑色区域代表所述孔隙。
S3、根据所述二值化图像计算预测导水系数、视角纠正因子和导水系数。
其中，S3具体包括如下步骤：
S31、根据所述二值化图像计算所述预测导水系数。
导水系数是计算渗透系数的关键，又由于所述孔隙不止一个且大小不均一，因此需要逐一计算每个所述孔隙的所述导水系数。
所述膨润土中的体积流速遵循如下关系：
Figure 761182DEST_PATH_IMAGE001
其中，
Figure 301885DEST_PATH_IMAGE002
为体积流速，
Figure 538831DEST_PATH_IMAGE003
表示所述膨润土的孔隙的半径，
Figure 873997DEST_PATH_IMAGE004
为所述孔隙两端的压力 差，
Figure 337340DEST_PATH_IMAGE005
为液体的粘滞系数，
Figure 416154DEST_PATH_IMAGE006
为所述孔隙的长度，
Figure 382973DEST_PATH_IMAGE007
为所述膨润土的所述导水系数。
所述预测导水系数满足如下关系：
Figure 154620DEST_PATH_IMAGE008
其中，
Figure 715046DEST_PATH_IMAGE009
表示某一个个所述孔隙，
Figure 597551DEST_PATH_IMAGE010
表示第
Figure 684456DEST_PATH_IMAGE009
个所述孔隙的所述预测导水系数，
Figure 361425DEST_PATH_IMAGE011
表 示第
Figure 799359DEST_PATH_IMAGE009
个所述孔隙的半径，
Figure 219976DEST_PATH_IMAGE012
表示第
Figure 286021DEST_PATH_IMAGE009
个所述孔隙的面积，
Figure 399471DEST_PATH_IMAGE013
表示第
Figure 59122DEST_PATH_IMAGE009
个所述孔隙的周长。
具体的，在本实施例当中，可以借助所述原始图像上的比例尺才计算每个所述孔隙的半径，进而计算出每个所述孔隙的面积和周长，将测量得到的所述半径、所述周长和所述面积带入此步骤中第二个式子当中即可计算出每个所述孔隙的所述预测导水系数。
S32、计算所述视角纠正因子。
由于在使用所述SEM设备获取所述膨润土的所述原始图像时，所述SEM设备中拍摄镜头下方的所述膨润土除了垂直于所述拍摄镜头的区域，还存在不垂直于所述拍摄镜头的区域，导致拍摄所述膨润土的原始图像的截面可能不是所述膨润土中液体垂直渗流的截面，使所述原始图像上所述孔隙的半径、长度和面积与实际的所述孔隙的半径、长度和面积存在误差，进而导致所述预测导水系数存在误差，因此需要对所述预测导水系数进行纠正，借助球坐标系计算视角纠正因子可以很好的解决这一问题，所述视角纠正因子满足如下关系：
Figure 283430DEST_PATH_IMAGE014
其中，
Figure 344927DEST_PATH_IMAGE015
表示所述视角纠正因子，
Figure 98119DEST_PATH_IMAGE016
和
Figure 510646DEST_PATH_IMAGE017
为所述孔隙在球坐标系中的角度坐标。
具体的，在本实施例当中，以所述拍摄镜头为圆心，
Figure 646967DEST_PATH_IMAGE016
为拍摄点与所述拍摄镜头在 垂直方向上的夹角，
Figure 562971DEST_PATH_IMAGE017
为拍摄点与所述拍摄镜头在水平方向上的夹角，所述拍摄点为所述 膨润土靠近所述拍摄镜头的一面上的所述孔隙的中心点，所述夹角
Figure 18223DEST_PATH_IMAGE016
可以经过测量得到， 将所夹角
Figure 386887DEST_PATH_IMAGE016
带入此式子中即可计算出所述视角纠正因子
Figure 952998DEST_PATH_IMAGE015
。
S4、计算所述修正导水系数。
在步骤S3中已经说明了所述预测导水系数存在误差，因此需要通过所述视角纠正因子对所述预测导水系数进行纠正进而得到所述修正导水系数。
所述修正导水数系满足如下关系：
Figure 989087DEST_PATH_IMAGE018
其中，
Figure 474295DEST_PATH_IMAGE019
表示第
Figure 595835DEST_PATH_IMAGE009
个所述所述修正导水系数。
具体的，在本实施例当中，由于第
Figure 700057DEST_PATH_IMAGE009
个所述孔隙的所述预测导水系数
Figure 590652DEST_PATH_IMAGE010
和所述视角 纠正因子
Figure 387707DEST_PATH_IMAGE015
分别在步骤S31和步骤S32中已经计算得出，因此只需将它们带入此式子中就可 以计算出对应的经过纠正的预测导水系数，即导水系数
Figure 730964DEST_PATH_IMAGE019
，所述修正导水系数比所述预测 导水系数更加精确。
S5、利用所述修正导水系数获取所述原始图像的界面上导水系数的有效值。
由于所述孔隙大小不均一，并不能直接将每个所述修正导水系数相加作为所述膨润土的总导水系数，但是可以求解所述原始图像的界面上所述导水系数的有效值。
所述有效值可以通过如下关系获得：
Figure 638877DEST_PATH_IMAGE020
其中，
Figure 259345DEST_PATH_IMAGE021
表示所述孔隙的数量，
Figure 961722DEST_PATH_IMAGE022
表示与每一个节点连接的孔隙数量，
Figure 57854DEST_PATH_IMAGE023
表示所 述有效值，用所述有效值作为所述膨润土最终的所述导水系数。
具体的，在本实施例当中，所述孔隙的数量和每一个节点连接的孔隙数量通过图像识别技术获取，将步骤S4中计算得到的所述修正导水系数带入此式子中，再通过数学上标准寻根算法来求解所述有效值。
在其它可选地实施例当中，所述孔隙的数量还可以通过其它方式获取，例如撰写C++代码统计和人眼识别等，具体的方式在此不做限定。
S6、使用所述有效值得到所述膨润土的渗透系数。
所述渗透系数满足如下关系：
Figure 503879DEST_PATH_IMAGE024
其中，
Figure 103487DEST_PATH_IMAGE025
表示所述渗透系数，
Figure 242345DEST_PATH_IMAGE026
表示所述二值化图像的面积。
具体的，在本实施例当中，所述原始图像的面积可以根据得到的所述原始图像直接计算得出，即所述原始图像的长与宽的乘积，但需要注意的是所述长和宽应当是基于所述比例尺的，在得到所述原始图像的面积之后，将步骤S5中计算得到的所述有效值带入此式子中即可计算得出所述渗透系数。
为使本实施例更加清晰明了，以便突出本发明相较于现有技术的优势，以下将结合实验测试方法对本实施例的所述渗透系数进行验证。
膨润土的孔隙比和干密度分别满足如下关系：
Figure 684827DEST_PATH_IMAGE027
Figure 934543DEST_PATH_IMAGE028
其中，
Figure 654237DEST_PATH_IMAGE029
为所述孔隙比，
Figure 698417DEST_PATH_IMAGE030
表示所述二值化图像中所述孔隙的总面积，
Figure 503562DEST_PATH_IMAGE031
为所述干 密度，
Figure 556968DEST_PATH_IMAGE032
为所述膨润土中土颗粒的比重，一般为常数。
具体的，在本实施例中，请参见图3，所述孔隙的总面积为图3中黑色区域的总面积，所述孔隙的总面积可以通过图像识别技术获取，同时将步骤S5中得到的所述原始图像的面积带入计算所述孔隙比的式子中，即可计算出所述孔隙比；在计算出所述孔隙比之后，将所述孔隙比的计算结果带入计算所述干密度的式子中，可以计算得出所述干密度的数值。
更为具体的，请参见图4，一般的土体的渗透系数对数坐标与干密度呈线性关系，在验证过程中，通过拍摄不同状态下的所述膨润土并分别计算出对应的所述渗透系数和所述干密度，根据所述渗透系数和所述干密度作图，并选择实验测试方法测量几组不同状态下所述膨润土的所述渗透系数和所述干密度，可以看出本发明提供的方法计算预测的渗透系数在干密度较低区域，与实验测试方法测得的渗透系数线性关系良好，在同一条直线上，因此，基于原始可以准确计算出膨润土的渗透系数。
需要说明的是，在一些情况下，在说明书中记载的动作可以按照不同的顺序来执行并且仍然可以实现期望的结果，在本实施例当中，所给出的步骤顺序仅仅是为了使实施例看起来更加清晰明了，方便说明，而非对其限制。
请参见图5，在一个可选地实施例中，本发明提供了一种膨润土渗透系数的计算预测装置，所述装置用于使用一种膨润土渗透系数的计算预测方法来计算预测所述膨润土的渗透系数，包括输入设备、处理器、储存器和输出设备。
输入设备A1，所述输入设备A1用于输入所述膨润土的原始图像。
处理器A2，所述处理器A2与所述输入设备A1相连接，所述处理器A2在接收到来自输入设备A1的原始图像之后，先将所述原始图像二值化得到二值化图像备用；同时对所述原始图像识别以统计出所述膨润土上孔隙的数量，并根据所述原始图像的比例尺计算出每个所述孔隙的半径、面积和周长，以此为基础计算出每个孔隙的预测导水系数和视角纠正因子，并根据所述视角纠正因子对所述预测导水系数进行纠正得到更为精确的导水系数；利用修正导水系数计算出基于所述原始图像的界面上的所述导水系数的有效值；使用所述有效值计算所述膨润土的所述渗透系数。
储存器A3，所述储存器A3与所述处理器A2相连接，所述储存器A3用于储存所述处理器A2中得出的数据，包括所述二值化图像、所述孔隙的数量、所述孔隙的半径、所述孔隙的面积、所述孔隙的周长、所述预测导水系数、所述纠正因子、所述修正导水系数、所述有效值和所述渗透系数。
输出设备A4，所述输出设备A4与所述储存器A3相连接，所述输出设备A4用于输出所述储存器A3中的所有数据。
请参见图6，在一个可选地实施例中，本发明还提供了一种膨润土渗透系数的计算预测系统，所述系统包括图像获取装置和膨润土渗透系数的计算预测装置。
图像获取装置B1，所述图像获取装置B1拍摄所述膨润土的所述原始图像，并将所述原始图像传递给膨润土渗透系数的计算预测装置B2。
膨润土渗透系数的计算预测装置B2，所述膨润土渗透系数的计算预测装置B2与所述图像获取装置B1相连接，所述膨润土渗透系数的计算预测装置B2用于接收所述原始图像，然后设定阈值并将所述原始图像转化为二值化图像，并基于所述二值化图像计算所述预测导水系数、所述视角纠正因子、所述修正导水系数、所述有效值和所述渗透系数，最后将所述二值化图像和计算所得的所有数据输出。
综上所述，本发明通过获取膨润土的原始图像，并将所述原始图像二值化得到二值化图像，以确保与膨润土孔隙相关的数据的准确性，并以此为基础进行一些的简单计算即可得出膨润土的渗透系数；并且经过实验验证，使用本发明提供的方法计算预测出的膨润土渗透系数的对数与干密度的线性关系良好，说明本发明提供的方法能够准确的计算预测出膨润土的渗透系数。因此，本发明提出的方法相较于传统的渗透系数测试计算方法更加简单便捷，准确度较高，且具有较高的普适性。此外，本发明提供的装置和系统也具有与本发明提供的方法相同的优点。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各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，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。

Claims (5)

1.一种膨润土渗透系数的计算预测方法，其特征在于，包括如下步骤：
获取膨润土的原始图像；
设定阈值，并将所述原始图像二值化得到二值化图像，所述二值化图像用于将所述原始图像上的所述膨润土的孔隙与土体颗粒区分开来，便于识别；
根据所述二值化图像得到预测导水系数和视角纠正因子，所述预测导水系数和视角纠正因子可通过如下关系获得：
Figure DEST_PATH_IMAGE001
其中，
Figure 57278DEST_PATH_IMAGE002
为体积流速，
Figure DEST_PATH_IMAGE003
表示所述膨润土的所述孔隙的半径，
Figure 177681DEST_PATH_IMAGE004
为所述孔隙两端的压力差，
Figure DEST_PATH_IMAGE005
为液体的粘滞系数，
Figure 895101DEST_PATH_IMAGE006
为所述孔隙的长度，
Figure DEST_PATH_IMAGE007
为所述膨润土的导水系数，
Figure DEST_PATH_IMAGE009
表示某一个所述孔隙，
Figure 977062DEST_PATH_IMAGE010
表示第
Figure 260276DEST_PATH_IMAGE009
个所述孔隙的所述预测导水系数，
Figure DEST_PATH_IMAGE011
表示第
Figure 286001DEST_PATH_IMAGE009
个所述孔隙的半径，
Figure 21876DEST_PATH_IMAGE012
表示第
Figure 689618DEST_PATH_IMAGE009
个所述孔隙的面积，
Figure DEST_PATH_IMAGE013
表示第
Figure 561759DEST_PATH_IMAGE009
个所述孔隙的周长，
Figure 289543DEST_PATH_IMAGE014
表示所述视角纠正因子，以拍摄镜头为圆心，
Figure DEST_PATH_IMAGE015
为拍摄点与所述拍摄镜头在垂直方向上的夹角，
Figure 981556DEST_PATH_IMAGE016
为拍摄点与所述拍摄镜头在水平方向上的夹角，所述拍摄点为所述膨润土靠近所述拍摄镜头的一面上所述孔隙的中心点；
通过所述视角纠正因子纠正所述预测导水系数得到修正导水系数；
利用所述修正导水系数获取所述原始图像的界面上导水系数的有效值，所述有效值可以通过如下关系获得：
Figure DEST_PATH_IMAGE017
其中，
Figure 921830DEST_PATH_IMAGE009
表示某一个所述孔隙，
Figure 914057DEST_PATH_IMAGE018
表示所述孔隙的总数量，
Figure DEST_PATH_IMAGE019
表示与每一个节点连接的孔隙数量，
Figure 547163DEST_PATH_IMAGE020
表示第
Figure 257630DEST_PATH_IMAGE009
个所述孔隙的所述修正导水系数，
Figure DEST_PATH_IMAGE021
表示所述有效值；
使用所述有效值得到所述膨润土的渗透系数。
2.根据权利要求1所述的一种膨润土渗透系数的计算预测方法，其特征在于：所述二值化图像的大小与所述原始图像的大小相同。
3.根据权利要求1所述的一种膨润土渗透系数的计算预测方法，其特征在于，所述修正导水系数满足如下关系：
Figure 733087DEST_PATH_IMAGE022
其中，
Figure 845399DEST_PATH_IMAGE009
表示某一个所述孔隙，
Figure DEST_PATH_IMAGE023
表示第
Figure 383828DEST_PATH_IMAGE009
个所述孔隙的所述修正导水系数，
Figure 581591DEST_PATH_IMAGE024
表示所述视角纠正因子，
Figure 129247DEST_PATH_IMAGE025
表示第
Figure 361645DEST_PATH_IMAGE009
个所述孔隙的所述预测导水系数。
4.根据权利要求1所述的一种膨润土渗透系数的计算预测方法，其特征在于，所述渗透系数满足如下关系：
Figure 602134DEST_PATH_IMAGE026
其中，
Figure DEST_PATH_IMAGE027
表示所述渗透系数，
Figure 756034DEST_PATH_IMAGE018
表示所述孔隙的总数量，
Figure 107381DEST_PATH_IMAGE028
表示所述有效值，
Figure DEST_PATH_IMAGE029
表示所述二值化图像的面积。
5.一种膨润土渗透系数的计算预测装置，其特征在于，包括：
输入设备，所述输入设备用于输入数据；
处理器，所述处理器用于处理数据并得到处理结果，所述处理器与所述输入设备相连接；
储存器，所述储存器用于储存所述处理结果，所述储存器与所述处理器相连接；
输出设备，所述输出设备输出所述处理结果，所述输出设备与所述储存器相连接；
所述处理器执行如权利要求1-4中任一项所述的方法。
CN202211437063.4A 2022-11-17 2022-11-17 一种膨润土渗透系数的计算预测方法、装置及系统 Active CN115496758B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211437063.4A CN115496758B (zh) 2022-11-17 2022-11-17 一种膨润土渗透系数的计算预测方法、装置及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211437063.4A CN115496758B (zh) 2022-11-17 2022-11-17 一种膨润土渗透系数的计算预测方法、装置及系统

Publications (2)

Publication Number Publication Date
CN115496758A CN115496758A (zh) 2022-12-20
CN115496758B true CN115496758B (zh) 2023-03-24

Family

ID=85115960

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211437063.4A Active CN115496758B (zh) 2022-11-17 2022-11-17 一种膨润土渗透系数的计算预测方法、装置及系统

Country Status (1)

Country Link
CN (1) CN115496758B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109856028A (zh) * 2019-01-29 2019-06-07 同济大学 一种电解质溶液中黏土矿物饱和渗透系数预测方法
CN110296925A (zh) * 2019-07-08 2019-10-01 西南交通大学 一种考虑渗透仪边壁效应的粗粒土渗透系数测定方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102798705B (zh) * 2012-08-03 2015-04-29 河海大学 基于单孔水流波动方程确定各向异性介质渗透参数的方法
CN114324103B (zh) * 2021-12-15 2023-12-12 宿迁学院 一种饱和黏土体渗透系数测定方法
CN114781035A (zh) * 2022-04-27 2022-07-22 河南工业大学 地基固结度计算方法、计算机设备及计算机可读存储介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109856028A (zh) * 2019-01-29 2019-06-07 同济大学 一种电解质溶液中黏土矿物饱和渗透系数预测方法
CN110296925A (zh) * 2019-07-08 2019-10-01 西南交通大学 一种考虑渗透仪边壁效应的粗粒土渗透系数测定方法

Also Published As

Publication number Publication date
CN115496758A (zh) 2022-12-20

Similar Documents

Publication Publication Date Title
CN111624147B (zh) 岩心的相对渗透率测定方法及装置
US9285301B2 (en) Digital rock analysis systems and methods with reliable multiphase permeability determination
Moramarco et al. Formulation of the entropy parameter based on hydraulic and geometric characteristics of river cross sections
Vincens et al. Approaches to determine the constriction size distribution for understanding filtration phenomena in granular materials
CN107782640B (zh) 一种进行岩石试件含水均匀性检测和扩散系数计算的方法
Muszynski et al. Particle shape estimates of uniform sands: visual and automated methods comparison
CN105510204A (zh) 一种基于ct图像的渗透率预测方法
CN102081030A (zh) 基于宏细观力学的岩土力学模型试验系统以及精细化试验方法
CN112082917B (zh) 一种基于动态网络模拟的气水非稳态两相渗流模拟方法
CN108663287B (zh) 一种利用ct图像精确计算煤岩密度的方法
CN105631876A (zh) 一种基于全局二值化的ct图像分辨率自动测试方法
CN111950140A (zh) 一种考虑多种不确定性的大坝渗流性态分析方法
CN115496758B (zh) 一种膨润土渗透系数的计算预测方法、装置及系统
KR101370496B1 (ko) 복합매질로 이루어진 시편에 대한 X-ray CT 영상의 최소 단위에 존재하는 각 순수매질의 부피비 측정방법
Li et al. Three-dimensional multiscale fusion for porous media on microtomography images of different resolutions
Yan et al. The technical challenges for applying unsaturated soil sensors to conduct laboratory-scale seepage experiments
CN204795439U (zh) 用于大畸变图像采集系统的预畸变测试卡成型系统
WO2023280122A1 (zh) 密度确定方法、装置及电子设备
Becker et al. Determination of the critical state of a silty sand iron tailings in triaxial extension tests using photographic correction
Terzi et al. Experimental investigations of backfill conditions on the performance of high‐density polyethelene pipes
Thakur et al. Sensitivity analysis of pore morphology method and X-ray CT imaging in SWCC predictions for Ottawa Sand
US20230184656A1 (en) Particle size distribution measurement method, particle size distribution measurement device, and calculation device
CN109993786B (zh) 迂曲度获取方法、装置、设备以及存储介质
CN103674325A (zh) 恒温槽性能测试方法
Erzin et al. Prediction of compression index of saturated clays using robust optimization model

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