CN116008139A - 分散系统颗粒物分形维数的评估方法及评估系统 - Google Patents

分散系统颗粒物分形维数的评估方法及评估系统 Download PDF

Info

Publication number
CN116008139A
CN116008139A CN202310303621.6A CN202310303621A CN116008139A CN 116008139 A CN116008139 A CN 116008139A CN 202310303621 A CN202310303621 A CN 202310303621A CN 116008139 A CN116008139 A CN 116008139A
Authority
CN
China
Prior art keywords
particle size
particles
dispersion system
fractal dimension
distribution
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.)
Granted
Application number
CN202310303621.6A
Other languages
English (en)
Other versions
CN116008139B (zh
Inventor
杨益雄
姜之昊
谢明亮
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.)
Huazhong University of Science and Technology
Original Assignee
Huazhong University of Science and 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 Huazhong University of Science and Technology filed Critical Huazhong University of Science and Technology
Priority to CN202310303621.6A priority Critical patent/CN116008139B/zh
Publication of CN116008139A publication Critical patent/CN116008139A/zh
Application granted granted Critical
Publication of CN116008139B publication Critical patent/CN116008139B/zh
Priority to US18/483,054 priority patent/US11907331B1/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • 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
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G06T2207/20032—Median filtering
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20112—Image segmentation details
    • 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
    • G06T2207/30242—Counting objects in image

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Algebra (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Databases & Information Systems (AREA)
  • Operations Research (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Geometry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种分散系统颗粒物分形维数的评估方法及系统，其方法包括：设定分散系统颗粒物粒径
Figure ZY_2
的分布服从期望为
Figure ZY_5
标准差为
Figure ZY_7
的对数正态分布
Figure ZY_3
，确定标准差
Figure ZY_4
的取值；基于标准差
Figure ZY_6
评估分散系统的分形维数
Figure ZY_8
，评估公式为：
Figure ZY_1
。本发明给出了分散系统颗粒分布的分形维数评估公式，利用该公式计算分形维数只需要对颗粒物的粒径分布进行测量，无需测量颗粒物的几何形态特征参数，不存在颗粒形态等因素对分形维数产生的影响，故而按照本发明的测量方法，能够减少实验测量所带来的误差，同时快速、高效地得到颗粒物的分形维数，特别适合于分散系统、颗粒群的数据分析。

Description

分散系统颗粒物分形维数的评估方法及评估系统
技术领域
本发明属于分散系统颗粒物分形维数的测定技术领域，更具体地，涉及一种分散系统颗粒物分形维数的评估方法及评估系统。
背景技术
分形维数是复杂形体不规则性的量度，可认为是分形形体与其所占据的空间的比例。分散系统粒度分布和分形维数体现了颗粒组成的均匀程度，能够较好地表征颗粒物的粒度整体分布，与颗粒物比表面积等物理性质有直接关系。当颗粒物分形维数越小时，其比表面积越大，吸附性也越强，被人体吸收后所造成的危害也就越大。此外，颗粒物的粒度分布分形维数还会对气候、环境等产生影响。因此，测定分散系统颗粒物的分散系数对于环境质量的评估具有重要的参考价值。
目前，关于颗粒物粒度分布分形维数的测量主要有实验观察、计算模拟、图像识别等技术。这些方法的实现原理均包含两个方面。首先通过显微镜观察其形态，获得不同样品的颗粒图片，之后利用不同模型拟合颗粒的分布，或者直接利用计算机图像识别技术计算其分形维数。这个过程会有两个因素影响最终结果的准确性。其一是显微镜图像精度，显微镜精度越高，微小的扰动则对其影响越大，这就导致图片产生的噪声点越多，因而会影响后续的观察与计算处理。其二是分形维数的计算方法。分形维数的计算方法主要有构造步长法、盒维数法、回旋半径法等。构造步长法属于手动测算，获得的数据较少且不精确。盒维数目前是使用较多的一种方法，在此方法中，盒子的大小对其最终结果极其重要，盒子越小，计算结果约精确，但会消耗巨大的计算机内存，且此方法的计算精度会受到颗粒形态的严重影响。回旋半径法假定粒子为球形且密度均匀，通过统计原始粒子的大小及位置来计算颗粒物的回旋半径。但该方法与原始粒子的大小及位置有关，不仅需要测量初粒子的大小，还需测量初粒子在颗粒团中的精确位置，因此过程复杂，容易产生误差。
发明内容
针对现有技术的以上缺陷或改进需求，本发明提供了一种分散系统颗粒物分形维数的评估方法及评估系统，其目的在于高效、准确地得到整个分散系统的分形维数。
为实现上述目的，按照本发明的一个方面，提供了一种分散系统颗粒物分形维数的评估方法，
获取分散系统颗粒物粒径
Figure SMS_1
在对数正态分布下的标准差
Figure SMS_2
；
基于标准差
Figure SMS_3
评估分散系统的分形维数
Figure SMS_4
，评估公式为：
Figure SMS_5
。
在其中一个实施例中，所述获取分散系统颗粒物粒径
Figure SMS_6
在对数正态分布下的标准差
Figure SMS_7
，包括：
粒径分布测定：测定分散系统中颗粒物的粒径
Figure SMS_8
以及粒径为
Figure SMS_9
的颗粒物的颗粒含量
Figure SMS_10
；
拟合：利用标准的对数正态分布函数对分散系统颗粒物的粒径分布进行拟合，以确定对数正态分布函数中的期望
Figure SMS_11
和标准差为
Figure SMS_12
，所述对数正态分布函数的形式为：
Figure SMS_13
；
其中，
Figure SMS_14
为关于粒径
Figure SMS_15
的分布概率密度函数。
在其中一个实施例中，所述获取分散系统颗粒物粒径
Figure SMS_16
在对数正态分布下的标准差
Figure SMS_17
，包括：
粒径分布测定：测定分散系统中颗粒物的粒径
Figure SMS_18
以及粒径为
Figure SMS_19
的颗粒物的颗粒含量
Figure SMS_20
；
第一计算：计算分散系统中颗粒物粒径分布的期望
Figure SMS_21
和方差
Figure SMS_22
，计算公式为：
Figure SMS_23
；
Figure SMS_24
；
第二计算：基于计算的期望
Figure SMS_25
和方差
Figure SMS_26
计算颗粒物粒径分布的标准差
Figure SMS_27
，计算公式为：
Figure SMS_28
；
其中，
Figure SMS_29
为颗粒物的粒径数量。
在其中一个实施例中，利用激光粒度仪实现粒径分布测定。
在其中一个实施例中，基于计算机图像识别实现粒径分布测定，包括：
步骤S110、通过显微镜图像采集卡得到显微图像；
步骤S120、采用中值滤波，去掉背景或环境噪声；
步骤S130、通过0-1整数优化对图像进行再处理；
步骤S140、根据图论中的种子填充算法标记粒子的连通域及其中心点位置；
步骤S150、基于等效原理，计算出标记粒子的粒径并保存到数据结构中，其中，等效原理指的是以标记的连通域面积作为圆的面积并计算半径作为对应颗粒的等效半径，根据数据结构的存储数据得到颗粒物的粒径
Figure SMS_30
以及粒径为
Figure SMS_31
的颗粒物的颗粒含量
Figure SMS_32
。
在其中一个实施例中，所述拟合包括：
将粒径划分为若干区间，统计各区间粒子数量，画出粒度分布图，并采用最小二乘法对粒度分布曲线进行多项式拟合和优化，得到粒径分布的对数正态分布函数。
一种分散系统颗粒物分形维数的评估系统，包括：
分布参数计算模块，用于获取分散系统颗粒物粒径
Figure SMS_33
在对数正态分布下的标准差
Figure SMS_34
；
分形维数计算模块，用于基于标准差
Figure SMS_35
评估分散系统的分形维数
Figure SMS_36
，评估公式为：
Figure SMS_37
。
在其中一个实施例中，所述分布参数计算模块包括：
粒径分布测定单元，用于测定分散系统中颗粒物的粒径
Figure SMS_38
以及粒径为
Figure SMS_39
的颗粒物的颗粒含量
Figure SMS_40
；
拟合单元，用于利用标准的对数正态分布函数对分散系统颗粒物的粒径分布进行拟合，以确定对数正态分布函数中的期望
Figure SMS_41
和标准差为
Figure SMS_42
，所述对数正态分布函数的形式为：
Figure SMS_43
其中，
Figure SMS_44
为关于粒径
Figure SMS_45
的分布概率密度函数。
在其中一个实施例中，所述分布参数计算模块包括：
粒径分布测定单元，用于测定分散系统中颗粒物的粒径
Figure SMS_46
以及粒径为
Figure SMS_47
的颗粒物的颗粒含量
Figure SMS_48
；
第一计算单元，用于计算分散系统中颗粒物粒径分布的期望
Figure SMS_49
和方差
Figure SMS_50
，计算公式为：
Figure SMS_51
；
Figure SMS_52
；
第二计算单元，用于基于计算的期望
Figure SMS_53
和方差
Figure SMS_54
计算颗粒物粒径分布的标准差
Figure SMS_55
，计算公式为：
Figure SMS_56
；
其中，
Figure SMS_57
为颗粒物的粒径数量。
在其中一个实施例中，所述粒径分布测定单元包括：
滤波子单元，用于将通过显微镜图像采集卡得到显微图像进行中值滤波，去掉背景或环境噪声；
整数优化子单元，用于通过0-1整数优化对滤波后的图像进行再处理；
标记子单元，用于根据图论中的种子填充算法标记粒子的连通域及其中心点位置；
等效半径计算子单元，用于基于等效原理计算出标记粒子的粒径并保存到数据结构中，其中，等效原理指的是以标记的连通域面积作为圆的面积并计算半径作为对应颗粒的等效半径。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：
本发明给出了分散系统颗粒分布的分形维数评估公式，利用该公式计算分形维数只需要对颗粒物的粒径分布进行测量，无需测量颗粒物的几何形态特征参数，不存在颗粒形态等因素对分形维数产生的影响，故而按照本发明的测量方法，能够减少实验测量所带来的误差，同时快速、高效地得到颗粒物的分形维数，特别适合于分散系统、颗粒群的数据分析。
附图说明
图1是一实施例中的分散系统颗粒物分形维数的评估方法的步骤流程图。
图2为一实施例的通过显微镜拍出来的显微图像。
图3为一实施例的中值滤波后的图像。
图4为一实施例的0-1优化后的图像。
图5为一实施例的标记每个粒子的中心位置及其连通域的图像。
图6为一实施例的拟合前的粒度分布图和拟合后的粒度分布图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
一种（或多种）物质分散在另一种（或多种）物质中所得到的混合物，统称为分散系，就是分散系统。例如生活中常见的烟、灰尘、霾等就是由固体颗粒与气体介质形成的分散系统。云、雾是由液体小水珠与气体介质形成的分散系统。以及其他的一些气溶胶、悬浊液等都是分散系统。
如图1所示为一实施例中的分散系统颗粒物分形维数的评估方法的步骤流程图，其主要包括以下两步：
步骤S100：获取分散系统颗粒物粒径
Figure SMS_58
在对数正态分布下的标准差
Figure SMS_59
。
设定分散系统颗粒物的粒径分布服从期望为
Figure SMS_60
标准差为
Figure SMS_61
的对数正态分布
Figure SMS_62
，确定标准差
Figure SMS_63
的取值。
步骤S200：基于标准差
Figure SMS_64
评估分散系统的分形维数
Figure SMS_65
，评估公式为
Figure SMS_66
。
本发明是基于最大熵原理推导出的分形维数的计算公式，最大熵原理是数学和物理上的一个基本原理，但是尚未有人将其用于分形维数的分析。
以下对分形维数的分析过程进行简单介绍。
首先，选择标准的对数正态分布函数作为颗粒粒径分布拟合函数，该函数的表达式为：
Figure SMS_67
；
其中，
Figure SMS_68
表示关于粒径
Figure SMS_69
的分布概率密度函数，粒径
Figure SMS_70
为以颗粒所占面积为圆的面积计算出的半径。
可以理解的，选取标准的对数正态分布函数作为颗粒粒径分布拟合函数，本质上就是设定分散系统颗粒物的粒径分布服从期望为
Figure SMS_71
标准差为
Figure SMS_72
的对数正态分布
Figure SMS_73
。
然后将玻尔兹曼熵引入到分散系统中，可以得到如下熵的表达式：
Figure SMS_74
其中，
Figure SMS_75
为玻尔兹曼常数，
Figure SMS_76
、
Figure SMS_77
分别为特征参数，
Figure SMS_78
为体积，体积
Figure SMS_79
与粒径
Figure SMS_80
的分布关系为
Figure SMS_81
。
基于此，可以分析出熵与分形维数表达式，进而推导出在熵最大情况下，分形维数满足如下条件：
Figure SMS_82
本发明通过选用对数正态分布函数作为颗粒粒径分布拟合函数并将最大熵原理应用于分形维数的分析，最终分析出分形维数的计算公式，从其中可以看出，只需要确定参数
Figure SMS_83
，便能够计算出分形维数
Figure SMS_84
。
参数
Figure SMS_85
的确定，此处给出两种具体的方式。
第一种方式为基于拟合确定
Figure SMS_86
的取值：通过利用标准的对数正态分布函数对分散系统颗粒物的粒径分布进行拟合，确定对数正态分布函数中的未知参数
Figure SMS_87
和
Figure SMS_88
。具体的，可以获取分散系统的样品颗粒图片并输入到拟合模型中，拟合模型中设定拟合函数为对数正态分布拟合，此时对数正态分布函数中的参数
Figure SMS_89
和
Figure SMS_90
是未知的，通过拟合后，便能够确定其中的参数
Figure SMS_91
和
Figure SMS_92
的取值。
第二种方式为直接通过公式计算参数
Figure SMS_93
。若物粒径
Figure SMS_94
的分布服从期望为
Figure SMS_95
标准差为
Figure SMS_96
的对数正态分布
Figure SMS_97
，则其数学期望和方差分别为：
Figure SMS_98
；
Figure SMS_99
；
联立可得参数
Figure SMS_100
的表达式：
Figure SMS_101
因此，第二种方法可以先测定分散系统中颗粒物的粒径
Figure SMS_102
以及粒径为
Figure SMS_103
的颗粒物的颗粒含量
Figure SMS_104
，然后计算分散系统中颗粒物粒径分布的期望
Figure SMS_105
和方差
Figure SMS_106
，计算公式为：
Figure SMS_107
；
Figure SMS_108
最后基于计算的期望
Figure SMS_109
和方差
Figure SMS_110
计算颗粒物粒径分布的标准差
Figure SMS_111
。
具体地，可以先执行粒径分布测定步骤：测定分散系统中颗粒物的粒径
Figure SMS_112
以及粒径为
Figure SMS_113
的颗粒物的颗粒含量
Figure SMS_114
。测定之后，可以通过第一种方式直接拟合得到对数正态分布函数，从而获得标准差
Figure SMS_115
的取值；也可以通过第二种方式直接通过公式计算得到标准差
Figure SMS_116
的取值。
在一实施例中，可以利用激光粒度仪测定分散系统中颗粒物的粒径
Figure SMS_117
以及粒径为
Figure SMS_118
的颗粒物的颗粒含量
Figure SMS_119
，具体的激光粒度仪可以选用干湿二合一激光粒度仪，优选德国新帕泰克公司的全自动干湿二合一激光粒度仪，型号为HELOS/OASIS全自动干湿二合一激光粒度仪。
由于激光粒度仪会对样品采取稀释处理等方式，会破坏样品原有的结构，不利于多次测量。因此，在另一实施例中，还提供一种基于计算机图像识别的粒径分布测定方法。该方法主要步骤如下：
步骤S110、通过显微镜图像采集卡得到显微图像。
如图2所示为通过显微镜拍出来的显微图像。
步骤S120、采用中值滤波，去掉背景或环境噪声。
如图3所示为中值滤波后的图像。
步骤S130、通过0-1整数优化对图像进行再处理。
如图4所示为0-1优化后的图像。
步骤S140、计算机图像识别：根据图论中的种子填充算法标记粒子的
连通域及其中心点位置。
如图5所示为标记每个粒子的中心位置及其连通域。
步骤S150、基于等效原理，计算出标记粒子的等效半径并保存到数据结构中。
其中，等效原理指的是以标记的连通域面积作为圆的面积并计算半径作为对应颗粒的等效半径。
通过步骤S110～步骤S150，可以得到颗粒粒径分布，包括颗粒物的粒
径以及各粒径的颗粒物的颗粒含量。此后，可以通过拟合或者直接公式计算得到标准差
Figure SMS_120
的取值。
在一实施例中，在步骤S150之后，继续执行以下步骤实现拟合得到关
于粒径分布的对数正态分布函数：
步骤S160、将粒子半径划分为若干区间，统计各区间粒子数量，画出粒度分布图，并采用最小二乘法对粒度分布曲线进行多项式拟合和优化，得到粒径分布的对数正态分布函数。
如图6所示为拟合前的粒度分布图和拟合后的粒度分布图。
相应的，本发明还涉及一种分散系统颗粒物分形维数的评估系统，其包括：
分布参数计算模块，用于获取分散系统颗粒物粒径
Figure SMS_121
在对数正态分布下的标准差
Figure SMS_122
；
分形维数计算模块，用于基于标准差
Figure SMS_123
评估分散系统的分形维数
Figure SMS_124
，评估公式为
Figure SMS_125
。
分布参数计算模块具体可以通过两种方式确定参数
Figure SMS_126
。
第一种方式为利用标准的对数正态分布函数对分散系统颗粒物的粒径分布进行拟合，以确定对数正态分布函数中的期望
Figure SMS_127
和标准差为
Figure SMS_128
，所述对数正态分布函数的形式为：
Figure SMS_129
其中，
Figure SMS_130
为关于粒径
Figure SMS_131
的分布概率密度函数。
第二种方式为根据分散系统中颗粒物的粒径
Figure SMS_134
以及粒径为
Figure SMS_135
的颗粒物的颗粒含量
Figure SMS_137
计算分散系统中颗粒物粒径分布的期望
Figure SMS_133
和方差
Figure SMS_136
并根据期望
Figure SMS_138
和方差
Figure SMS_139
计算颗粒物粒径分布的标准差
Figure SMS_132
；其中，
期望
Figure SMS_140
、方差
Figure SMS_141
和标准差
Figure SMS_142
的计算公式为：
Figure SMS_143
；
Figure SMS_144
；
Figure SMS_145
；
其中，
Figure SMS_146
为颗粒物的粒径数量。
因此，在一实施例中，分布参数计算模块包括：
粒径分布测定单元，用于测定分散系统中颗粒物的粒径
Figure SMS_147
以及粒径为
Figure SMS_148
的颗粒物的颗粒含量
Figure SMS_149
；
拟合单元，用于利用标准的对数正态分布函数对分散系统颗粒物的粒径分布进行拟合，以确定对数正态分布函数中的期望
Figure SMS_150
和标准差为
Figure SMS_151
，所述对数正态分布函数的形式为：
Figure SMS_152
；
其中，
Figure SMS_153
为关于粒径
Figure SMS_154
的分布概率密度函数。
在另一实施例中，分布参数计算模块包括：
粒径分布测定单元，用于测定分散系统中颗粒物的粒径
Figure SMS_155
以及粒径为
Figure SMS_156
的颗粒物的颗粒含量
Figure SMS_157
；
第一计算单元，用于计算分散系统中颗粒物粒径分布的期望
Figure SMS_158
和方差
Figure SMS_159
，计算公式为：中，
期望
Figure SMS_160
、方差
Figure SMS_161
和标准差
Figure SMS_162
的计算公式为：
Figure SMS_163
；
Figure SMS_164
；
第二计算单元，用于基于计算的期望
Figure SMS_165
和方差
Figure SMS_166
计算颗粒物粒径分布的标准差
Figure SMS_167
，计算公式为：
Figure SMS_168
；
其中，
Figure SMS_169
为颗粒物的粒径数量。
在一实施例中，粒径分布测定单元包括：
滤波子单元，用于将通过显微镜图像采集卡得到显微图像进行中值滤波，去掉背景或环境噪声；
整数优化子单元，用于通过0-1整数优化对滤波后的图像进行再处理；
标记子单元，用于根据图论中的种子填充算法标记粒子的连通域及其中心点位置；
等效半径计算子单元，用于基于等效原理计算出标记粒子的等效半径并保存到数据结构中，其中，等效原理指的是以标记的连通域面积作为圆的面积并计算半径作为对应颗粒的等效半径。
以下通过三组数据对本发明进行验证。
（1）数据1：热性灌草丛不同颗粒组成含量及分形维数计算。数据来源：兰龙焱etal. 赣南不同草地类型区土壤粒径分布及分形特征[J].江西农业大学学报,2022；
Figure SMS_170
本发明通过以上数据计算可得
Figure SMS_171
，
Figure SMS_172
，
Figure SMS_173
，
Figure SMS_174
。文献中测量结果为2.92，两者相差0.1，其数据测量本身存在一定误差，本发明与文献的结果符合误差要求，而本发明方法显然要更加快捷。
（2）数据2：热性草丛不同颗粒组成含量及分形维数计算。数据来源：兰龙焱et al.赣南不同草地类型区土壤粒径分布及分形特征[J].江西农业大学学报,2022。
Figure SMS_175
本发明通过以上数据计算可得
Figure SMS_176
，
Figure SMS_177
，
Figure SMS_178
，
Figure SMS_179
。本方法计算得到的分形维数是2.74，文献中计算结果约为2.9（文献指出该数据颗粒含量测量存在误差，含有部分杂质），本发明与文献的结果误差在合理范围内。
（3）数据3：范东叶 et al. 不同季节宿舍建筑室内外颗粒物污染状况及粒度分布特征[J].暖通空调,2022。
Figure SMS_180
本发明通过以上数据计算可得
Figure SMS_181
，
Figure SMS_182
，
Figure SMS_183
，
Figure SMS_184
。在该组数据中，文献给出的污染物的分形维数为2.24，而通过本方法计算的分形维数约为2.38，其原因在于半径小于0.5μm的颗粒物含量巨多，但无法准确测量，因此存在一定误差，其结果误差也在允许范围内。
综上，本发明给出了分散系统颗粒分布的分形维数评估公式，利用该公式计算分形维数只需要对颗粒物的粒径分布进行测量，无需测量颗粒物的几何形态特征参数，不存在颗粒形态等因素对分形维数产生的影响，故而按照本发明的测量方法，能够减少实验测量所带来的误差，同时快速、高效地得到颗粒物的分形维数，特别适合于分散系统、颗粒群的数据分析。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种分散系统颗粒物分形维数的评估方法，其特征在于，获取分散系统颗粒物粒径
Figure QLYQS_1
在对数正态分布下的标准差
Figure QLYQS_2
；基于标准差
Figure QLYQS_3
评估分散系统的分形维数
Figure QLYQS_4
，评估公式为：
Figure QLYQS_5
。
2.如权利要求1所述的分散系统颗粒物分形维数的评估方法，其特征在于，所述获取分散系统颗粒物粒径
Figure QLYQS_6
在对数正态分布下的标准差
Figure QLYQS_7
，包括：
粒径分布测定：测定分散系统中颗粒物的粒径
Figure QLYQS_8
以及粒径为
Figure QLYQS_9
的颗粒物的颗粒含量
Figure QLYQS_10
；
拟合：利用标准的对数正态分布函数对分散系统颗粒物的粒径分布进行拟合，以确定对数正态分布函数中的期望
Figure QLYQS_11
和标准差为
Figure QLYQS_12
，所述对数正态分布函数的形式为：
Figure QLYQS_13
；
其中，
Figure QLYQS_14
为关于粒径
Figure QLYQS_15
的分布概率密度函数。
3.如权利要求1所述的分散系统颗粒物分形维数的评估方法，其特征在于，所述获取分散系统颗粒物粒径
Figure QLYQS_16
在对数正态分布下的标准差
Figure QLYQS_17
，包括：
粒径分布测定：测定分散系统中颗粒物的粒径
Figure QLYQS_18
以及粒径为
Figure QLYQS_19
的颗粒物的颗粒含量
Figure QLYQS_20
；
第一计算：计算分散系统中颗粒物粒径分布的期望
Figure QLYQS_21
和方差
Figure QLYQS_22
，计算公式为：
Figure QLYQS_23
；
Figure QLYQS_24
；
第二计算：基于计算的期望
Figure QLYQS_25
和方差
Figure QLYQS_26
计算颗粒物粒径分布的标准差
Figure QLYQS_27
，计算公式为：
Figure QLYQS_28
；
其中，
Figure QLYQS_29
为颗粒物的粒径数量。
4.如权利要求2或3所述的分散系统颗粒物分形维数的评估方法，其特征在于，利用激光粒度仪实现粒径分布测定。
5.如权利要求2或3所述的分散系统颗粒物分形维数的评估方法，其特征在于，基于计算机图像识别实现粒径分布测定，包括：
步骤S110、通过显微镜图像采集卡得到显微图像；
步骤S120、采用中值滤波，去掉背景或环境噪声；
步骤S130、通过0-1整数优化对图像进行再处理；
步骤S140、根据图论中的种子填充算法标记粒子的连通域及其中心点位置；
步骤S150、基于等效原理，计算出标记粒子的粒径并保存到数据结构中，其中，等效原理指的是以标记的连通域面积作为圆的面积并计算半径作为对应颗粒的等效半径，根据数据结构的存储数据得到颗粒物的粒径
Figure QLYQS_30
以及粒径为
Figure QLYQS_31
的颗粒物的颗粒含量
Figure QLYQS_32
。
6.如权利要求2所述的分散系统颗粒物分形维数的评估方法，其特征在于，所述拟合包括：
将粒径划分为若干区间，统计各区间粒子数量，画出粒度分布图，并采用最小二乘法对粒度分布曲线进行多项式拟合和优化，得到粒径分布的对数正态分布函数。
7.一种分散系统颗粒物分形维数的评估系统，其特征在于，包括：
分布参数计算模块，用于获取分散系统颗粒物粒径
Figure QLYQS_33
在对数正态分布下的标准差
Figure QLYQS_34
；
分形维数计算模块，用于基于标准差
Figure QLYQS_35
评估分散系统的分形维数
Figure QLYQS_36
，评估公式为：
Figure QLYQS_37
。
8.如权利要求7所述的分散系统颗粒物分形维数的评估系统，其特征在于，所述分布参数计算模块包括：
粒径分布测定单元，用于测定分散系统中颗粒物的粒径
Figure QLYQS_38
以及粒径为
Figure QLYQS_39
的颗粒物的颗粒含量
Figure QLYQS_40
；
拟合单元，用于利用标准的对数正态分布函数对分散系统颗粒物的粒径分布进行拟合，以确定对数正态分布函数中的期望
Figure QLYQS_41
和标准差为
Figure QLYQS_42
，所述对数正态分布函数的形式为：
Figure QLYQS_43
；
其中，
Figure QLYQS_44
为关于粒径
Figure QLYQS_45
的分布概率密度函数。
9.如权利要求7所述的分散系统颗粒物分形维数的评估系统，其特征在于，所述分布参数计算模块包括：
粒径分布测定单元，用于测定分散系统中颗粒物的粒径
Figure QLYQS_46
以及粒径为
Figure QLYQS_47
的颗粒物的颗粒含量
Figure QLYQS_48
；
第一计算单元，用于计算分散系统中颗粒物粒径分布的期望
Figure QLYQS_49
和方差
Figure QLYQS_50
，计算公式为：
Figure QLYQS_51
；
Figure QLYQS_52
；
第二计算单元，用于基于计算的期望
Figure QLYQS_53
和方差
Figure QLYQS_54
计算颗粒物粒径分布的标准差
Figure QLYQS_55
，计算公式为：
Figure QLYQS_56
；
其中，
Figure QLYQS_57
为颗粒物的粒径数量。
10.如权利要求8或9所述的分散系统颗粒物分形维数的评估系统，其特征在于，所述粒径分布测定单元包括：
滤波子单元，用于将通过显微镜图像采集卡得到显微图像进行中值滤波，去掉背景或环境噪声；
整数优化子单元，用于通过0-1整数优化对滤波后的图像进行再处理；
标记子单元，用于根据图论中的种子填充算法标记粒子的连通域及其中心点位置；
等效半径计算子单元，用于基于等效原理计算出标记粒子的粒径并保存到数据结构中，其中，等效原理指的是以标记的连通域面积作为圆的面积并计算半径作为对应颗粒的等效半径。
CN202310303621.6A 2023-03-27 2023-03-27 分散系统颗粒物分形维数的评估方法及评估系统 Active CN116008139B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202310303621.6A CN116008139B (zh) 2023-03-27 2023-03-27 分散系统颗粒物分形维数的评估方法及评估系统
US18/483,054 US11907331B1 (en) 2023-03-27 2023-10-09 Method and system for evaluating fractal dimension of particle matter in dispersing system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310303621.6A CN116008139B (zh) 2023-03-27 2023-03-27 分散系统颗粒物分形维数的评估方法及评估系统

Publications (2)

Publication Number Publication Date
CN116008139A true CN116008139A (zh) 2023-04-25
CN116008139B CN116008139B (zh) 2023-06-23

Family

ID=86021398

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310303621.6A Active CN116008139B (zh) 2023-03-27 2023-03-27 分散系统颗粒物分形维数的评估方法及评估系统

Country Status (2)

Country Link
US (1) US11907331B1 (zh)
CN (1) CN116008139B (zh)

Citations (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5029475A (en) * 1989-05-22 1991-07-09 Agency Of Industrial Science And Technology Measuring spatial distribution of spacings between point scatterers
JPH09179985A (ja) * 1995-12-25 1997-07-11 Ricoh Co Ltd 画像欠陥検査方法及び画像欠陥分類方法
JPH10208988A (ja) * 1997-01-21 1998-08-07 Matsushita Electric Ind Co Ltd 半導体プロセス方法及び半導体プロセス装置
CN1821755A (zh) * 2006-03-29 2006-08-23 哈尔滨工业大学 水中絮体分形脉动影像实时检测方法
CN1821746A (zh) * 2006-03-29 2006-08-23 哈尔滨工业大学 水处理絮凝效果颗粒计数分维在线检测方法
US20090326419A1 (en) * 2006-09-26 2009-12-31 Hernan Alberto Gonzalez Rojas Methods for a Movement and Vibration Analyzer
DE102009048739B3 (de) * 2009-07-14 2012-03-29 Deutsches Zentrum für Luft- und Raumfahrt e.V. Verfahren und Vorrichtung zur automatischen Waldbranderkennung
JP2014028738A (ja) * 2012-06-27 2014-02-13 Tokuyama Corp 乾式シリカ微粒子
CN103630473A (zh) * 2013-12-20 2014-03-12 扬州大学 活性污泥在线计算机图像分析预警系统及方法
CN103954536A (zh) * 2014-02-07 2014-07-30 沈阳理工大学 测量颗粒材料体分形维数的激光粒度仪及其方法
CN104458512A (zh) * 2014-12-01 2015-03-25 华中科技大学 一种测量颗粒群分形维数的方法
CN106198321A (zh) * 2016-07-11 2016-12-07 哈尔滨理工大学 模型构建方法和光散射成分检测方法
CN106595512A (zh) * 2016-11-09 2017-04-26 华中科技大学 一种基于分形维数的碳纳米管分散状态的数值化表征方法
CN107607534A (zh) * 2017-08-04 2018-01-19 太原理工大学 利用光学显微镜获取煤泥絮团分形维数的方法
CN107843215A (zh) * 2017-09-13 2018-03-27 绍兴文理学院 基于最优采样间距条件下的粗糙度系数分形评价模型构建方法
CN108335310A (zh) * 2018-01-10 2018-07-27 华侨大学 一种便携式粒形粒度检测方法及系统
CN110411911A (zh) * 2019-08-28 2019-11-05 四川大学 一种基于分形维数的散粒体几何组成特征评价方法
CN110595956A (zh) * 2019-08-09 2019-12-20 浙江工业大学 一种基于磨粒群分形特征的磨损状态突变检测方法
CN111537401A (zh) * 2020-05-19 2020-08-14 北京林业大学 一种测定颗粒物分形维数的方法
CN111650088A (zh) * 2020-06-10 2020-09-11 河海大学 一种流态混凝土拌合物流变性能实时检测方法
CN111766261A (zh) * 2020-05-07 2020-10-13 西安交通大学 一种定量表征氧化锌电阻片微观晶粒尺寸分布均匀性的方法
CN111896436A (zh) * 2020-08-11 2020-11-06 哈尔滨工业大学 碳黑团聚体一次粒径分布和热适应系数同时测量方法及装置
CN112818447A (zh) * 2021-01-29 2021-05-18 中国地质大学（武汉） 一种城市空间结构分析方法
CN113776469A (zh) * 2021-08-10 2021-12-10 同济大学 一种粉体颗粒表面粗糙度的检测方法及系统
US11573348B1 (en) * 2022-01-26 2023-02-07 Saudi Arabian Oil Company Method and system using nuclear magnetic resonance well logging for T2 cutoff value estimation

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040082074A1 (en) * 2002-10-11 2004-04-29 Mcgrath Terrence S. Axial atomic model for determination of elemental particle field structure and energy levels
CN114778391B (zh) * 2022-05-19 2024-08-13 华中科技大学 一种米氏散射计算方法及应用

Patent Citations (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5029475A (en) * 1989-05-22 1991-07-09 Agency Of Industrial Science And Technology Measuring spatial distribution of spacings between point scatterers
JPH09179985A (ja) * 1995-12-25 1997-07-11 Ricoh Co Ltd 画像欠陥検査方法及び画像欠陥分類方法
JPH10208988A (ja) * 1997-01-21 1998-08-07 Matsushita Electric Ind Co Ltd 半導体プロセス方法及び半導体プロセス装置
CN1821755A (zh) * 2006-03-29 2006-08-23 哈尔滨工业大学 水中絮体分形脉动影像实时检测方法
CN1821746A (zh) * 2006-03-29 2006-08-23 哈尔滨工业大学 水处理絮凝效果颗粒计数分维在线检测方法
US20090326419A1 (en) * 2006-09-26 2009-12-31 Hernan Alberto Gonzalez Rojas Methods for a Movement and Vibration Analyzer
DE102009048739B3 (de) * 2009-07-14 2012-03-29 Deutsches Zentrum für Luft- und Raumfahrt e.V. Verfahren und Vorrichtung zur automatischen Waldbranderkennung
JP2014028738A (ja) * 2012-06-27 2014-02-13 Tokuyama Corp 乾式シリカ微粒子
CN103630473A (zh) * 2013-12-20 2014-03-12 扬州大学 活性污泥在线计算机图像分析预警系统及方法
CN103954536A (zh) * 2014-02-07 2014-07-30 沈阳理工大学 测量颗粒材料体分形维数的激光粒度仪及其方法
CN104458512A (zh) * 2014-12-01 2015-03-25 华中科技大学 一种测量颗粒群分形维数的方法
CN106198321A (zh) * 2016-07-11 2016-12-07 哈尔滨理工大学 模型构建方法和光散射成分检测方法
CN106595512A (zh) * 2016-11-09 2017-04-26 华中科技大学 一种基于分形维数的碳纳米管分散状态的数值化表征方法
CN107607534A (zh) * 2017-08-04 2018-01-19 太原理工大学 利用光学显微镜获取煤泥絮团分形维数的方法
CN107843215A (zh) * 2017-09-13 2018-03-27 绍兴文理学院 基于最优采样间距条件下的粗糙度系数分形评价模型构建方法
CN108335310A (zh) * 2018-01-10 2018-07-27 华侨大学 一种便携式粒形粒度检测方法及系统
CN110595956A (zh) * 2019-08-09 2019-12-20 浙江工业大学 一种基于磨粒群分形特征的磨损状态突变检测方法
CN110411911A (zh) * 2019-08-28 2019-11-05 四川大学 一种基于分形维数的散粒体几何组成特征评价方法
CN111766261A (zh) * 2020-05-07 2020-10-13 西安交通大学 一种定量表征氧化锌电阻片微观晶粒尺寸分布均匀性的方法
CN111537401A (zh) * 2020-05-19 2020-08-14 北京林业大学 一种测定颗粒物分形维数的方法
CN111650088A (zh) * 2020-06-10 2020-09-11 河海大学 一种流态混凝土拌合物流变性能实时检测方法
CN111896436A (zh) * 2020-08-11 2020-11-06 哈尔滨工业大学 碳黑团聚体一次粒径分布和热适应系数同时测量方法及装置
CN112818447A (zh) * 2021-01-29 2021-05-18 中国地质大学（武汉） 一种城市空间结构分析方法
CN113776469A (zh) * 2021-08-10 2021-12-10 同济大学 一种粉体颗粒表面粗糙度的检测方法及系统
US11573348B1 (en) * 2022-01-26 2023-02-07 Saudi Arabian Oil Company Method and system using nuclear magnetic resonance well logging for T2 cutoff value estimation

Non-Patent Citations (9)

* Cited by examiner, † Cited by third party
Title
J. MORÁN ET AL.: "FracVAL: An improved tunable algorithm of cluster–cluster aggregation for generation of fractal structures formed by polydisperse primary particles", COMPUTER PHYSICS COMMUNICATIONS *
MINGLIANG XIE ET AL.: "Solution of Smoluchowski coagulation equation for Brownian motion with TEMOM", PARTICUOLOGY *
WILBUR K. BROWNA ET AL.: "Derivation of the Weibull distribution based on physical principles and its connection to the Rosin–Rammler and lognormal distributions", JOURNAL OF APPLIED PHYSICS *
刘君霞;邵龙义;周林;杨书申;: "2008年北京市PM_(10)的粒度分布分形维数变化特征", 中国环境监测, no. 04, pages 200 *
刘红丽;张伟;李昌禧;: "室内可吸入颗粒物浓度与粒径分布检测方法的研究", 仪器仪表学报, no. 02 *
宋宇 等: "基于分形理论构建随机粗糙节理模型的方法研究", 岩石力学与工程学报, vol. 40, no. 1 *
曾宪勤;刘和平;路炳军;王秀颍;杨威;: "北京山区土壤粒径分布分形维数特征", 山地学报, no. 01 *
王国梁,周生路,赵其国: "土壤颗粒的体积分形维数及其在土地利用中的应用", 土壤学报, no. 04 *
申利飞 等: "基于加权方差的煤矸石Ｘ 射线图像分形维数最优估计算法", 计算技术与自动化, vol. 39, no. 1 *

Also Published As

Publication number Publication date
US11907331B1 (en) 2024-02-20
CN116008139B (zh) 2023-06-23

Similar Documents

Publication Publication Date Title
Mahrt et al. The impact of cloud processing on the ice nucleation abilities of soot particles at cirrus temperatures
Wu et al. Particle hygroscopicity and its link to chemical composition in the urban atmosphere of Beijing, China, during summertime
Wang-Li et al. Techniques for measuring particle size distribution of particulate matter emitted from animal feeding operations
CN102077076B (zh) 下落粉尘量推测方法、下落粉尘量推测装置
Miles et al. Sources of error and uncertainty in the use of cavity ring down spectroscopy to measure aerosol optical properties
JP2016502661A (ja) 画像解析によって粒子を特性評価する方法
CN111912754B (zh) 一种近地面颗粒物浓度的遥感反演方法
CN111220511B (zh) 基于普适吸湿增长方案的灰霾消光监测方法
CN116008139B (zh) 分散系统颗粒物分形维数的评估方法及评估系统
CN106644864B (zh) Pm2.5切割器切割特性检测用标准物质的定值方法及测量系统
CN110850358A (zh) 基于逐步回归算法的电能表综合检定方法及系统
Hsiao et al. Aqueous film formation on irregularly shaped inorganic nanoparticles before deliquescence, as revealed by a hygroscopic differential mobility analyzer–Aerosol particle mass system
Gwaze et al. Comparison of particle sizes determined with impactor, AFM and SEM
Huang et al. Microphysical complexity of black carbon particles restricts their warming potential
Pierce et al. Parameterization of the effect of sub-grid scale aerosol dynamics on aerosol number emission rates
CN114660095B (zh) 基于光学的烧结刚玉的气孔率测定方法及系统
Backman et al. Impacts of volatilisation on light scattering and filter-based absorption measurements: a case study
Vila et al. Shape and radiative properties of convective systems observed from infrared satellite images
CN118501007B (zh) 基于多种冰晶粒子观测仪器的数据融合方法、系统及产品
Leinert et al. A DMA and APS based technique for measuring aerodynamic hygroscopic growth factors of micrometer-size aerosol particles
JP5505463B2 (ja) 降下煤塵の非定常発塵源の探索方法
CN117129053B (zh) 基于测量温室气体流量的碳排放计量装置
CN105092272B (zh) 高中效和亚高效空气过滤器计重效率的测定方法及其应用
US10379024B2 (en) Poisson ensemble inversion
Mills et al. Acoustic levitation of pollen and visualisation of hygroscopic behaviour

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