CN116008139B - 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 PDFInfo
- Publication number
- CN116008139B CN116008139B CN202310303621.6A CN202310303621A CN116008139B CN 116008139 B CN116008139 B CN 116008139B CN 202310303621 A CN202310303621 A CN 202310303621A CN 116008139 B CN116008139 B CN 116008139B
- Authority
- CN
- China
- Prior art keywords
- particle size
- particles
- dispersion system
- distribution
- fractal dimension
- 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
- 239000002245 particle Substances 0.000 title claims abstract description 283
- 239000006185 dispersion Substances 0.000 title claims abstract description 81
- 238000011156 evaluation Methods 0.000 title claims abstract description 24
- 238000004364 calculation method Methods 0.000 claims abstract description 49
- 238000000034 method Methods 0.000 claims abstract description 35
- 238000005259 measurement Methods 0.000 claims abstract description 14
- 239000013618 particulate matter Substances 0.000 claims description 33
- 238000005315 distribution function Methods 0.000 claims description 28
- 238000005457 optimization Methods 0.000 claims description 12
- 238000010586 diagram Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 9
- 230000007613 environmental effect Effects 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000012958 reprocessing Methods 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 abstract 1
- 238000000691 measurement method Methods 0.000 abstract 1
- 239000004973 liquid crystal related substance Substances 0.000 description 24
- 239000000203 mixture Substances 0.000 description 4
- 239000011164 primary particle Substances 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 244000025254 Cannabis sativa Species 0.000 description 1
- 241000764238 Isis Species 0.000 description 1
- 239000000443 aerosol Substances 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000001000 micrograph Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
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 by the use of local operators
-
- G06T5/70—
-
- 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
Abstract
Description
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,
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以及粒径为/>的颗粒物的颗粒含量/>。
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:
在其中一个实施例中,所述分布参数计算模块包括:
在其中一个实施例中,所述分布参数计算模块包括:
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:
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:
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:
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:
第一种方式为基于拟合确定的取值: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/>和/>。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/>和/>是未知的,通过拟合后,便能够确定其中的参数/>和/>的取值。
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以及粒径为/>的颗粒物的颗粒含量/>。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/>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/>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以及粒径为的颗粒物的颗粒含量/>,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
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:
因此,在一实施例中,分布参数计算模块包括:
在另一实施例中,分布参数计算模块包括:
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;
(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。
(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。
本发明通过以上数据计算可得,/>,,/>。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)
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ri以及粒径为ri的颗粒物的颗粒含量pi。
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。
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。
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 CN116008139A (zh) | 2023-04-25 |
CN116008139B true 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 (4)
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 |
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 |
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 (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
AU2003282605A1 (en) * | 2002-10-11 | 2004-05-04 | Terrence S. Mcgarth | An axial atomic model for determination of elemental particle field structure and energy levels |
CN100434900C (zh) * | 2006-03-29 | 2008-11-19 | 哈尔滨工业大学 | 水中絮体分形脉动影像实时检测方法 |
CN100529729C (zh) * | 2006-03-29 | 2009-08-19 | 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 |
WO2008037260A2 (en) * | 2006-09-26 | 2008-04-03 | Morpheus Medical | Methods for a movement and vibration analyzer (mva) |
CN103630473B (zh) * | 2013-12-20 | 2015-08-05 | 扬州大学 | 活性污泥在线计算机图像分析预警系统及方法 |
CN103954536B (zh) * | 2014-02-07 | 2016-05-04 | 沈阳理工大学 | 激光粒度仪测量颗粒材料体分形维数的方法 |
CN104458512B (zh) * | 2014-12-01 | 2016-09-07 | 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 |
CN106595512B (zh) * | 2016-11-09 | 2017-09-29 | 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 |
CN107843215B (zh) * | 2017-09-13 | 2019-10-11 | 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 |
CN108335310B (zh) * | 2018-01-10 | 2021-06-29 | 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 |
CN111537401B (zh) * | 2020-05-19 | 2023-03-24 | 北京林业大学 | 一种测定颗粒物分形维数的方法 |
CN111650088B (zh) * | 2020-06-10 | 2021-07-27 | 河海大学 | 一种流态混凝土拌合物流变性能实时检测方法 |
CN111896436B (zh) * | 2020-08-11 | 2023-08-01 | 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 |
CN114778391A (zh) * | 2022-05-19 | 2022-07-22 | 华中科技大学 | 一种米氏散射计算方法及应用 |
-
2023
- 2023-03-27 CN CN202310303621.6A patent/CN116008139B/zh active Active
- 2023-10-09 US US18/483,054 patent/US11907331B1/en active Active
Patent Citations (4)
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 |
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 |
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 (5)
Title |
---|
Derivation of the Weibull distribution based on physical principles and its connection to the Rosin–Rammler and lognormal distributions;Wilbur K. Browna et al.;Journal of Applied Physics;全文 * |
FracVAL: An improved tunable algorithm of cluster–cluster aggregation for generation of fractal structures formed by polydisperse primary particles;J. Morán et al.;Computer Physics Communications;全文 * |
Solution of Smoluchowski coagulation equation for Brownian motion with TEMOM;Mingliang Xie et al.;Particuology;全文 * |
基于分形理论构建随机粗糙节理模型的方法研究;宋宇 等;岩石力学与工程学报;第40卷(第1期);全文 * |
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;申利飞 等;计算技术与自动化;第39卷(第1期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
US11907331B1 (en) | 2024-02-20 |
CN116008139A (zh) | 2023-04-25 |
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 | |
Evrard et al. | Mass estimates of X-ray clusters | |
Wang-Li et al. | Techniques for measuring particle size distribution of particulate matter emitted from animal feeding operations | |
Miles et al. | Sources of error and uncertainty in the use of cavity ring down spectroscopy to measure aerosol optical properties | |
Motzkus et al. | Size characterization of airborne SiO 2 nanoparticles with on-line and off-line measurement techniques: an interlaboratory comparison study | |
KR20150086297A (ko) | 이미지 분석으로 입자를 특징화하는 방법 | |
Moreaud et al. | TEM image analysis and modelling: application to boehmite nanoparticles | |
CN116008139B (zh) | 分散系统颗粒物分形维数的评估方法及评估系统 | |
Zhao et al. | Aerosol hygroscopicity based on size-resolved chemical compositions in Beijing | |
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 | |
Onischuk et al. | Aerosol diffusion battery: The retrieval of particle size distribution with the help of analytical formulas | |
Aichele et al. | A comparison of automated scanning electron microscopy (ASEM) and acoustic attenuation spectroscopy (AAS) instruments for particle sizing | |
CN110850358A (zh) | 基于逐步回归算法的电能表综合检定方法及系统 | |
Gwaze et al. | Comparison of particle sizes determined with impactor, AFM and SEM | |
CN113393460A (zh) | 基于图像处理的烟丝质量参数检测方法及系统 | |
Teri et al. | Impact of particle size, refractive index, and shape on the determination of the particle scattering coefficient–an optical closure study evaluating different nephelometer angular truncation and illumination corrections | |
Vila et al. | Shape and radiative properties of convective systems observed from infrared satellite images | |
Backman et al. | Impacts of volatilisation on light scattering and filter-based absorption measurements: a case study | |
JP5505463B2 (ja) | 降下煤塵の非定常発塵源の探索方法 | |
Chyzhykov et al. | Automatic weighing system vs. manual weighing precision comparison in PM-loaded filter measurements under different humidity conditions | |
Zhou et al. | A side-scattering imaging method for the in-line monitoring of particulate matter emissions from cooking fumes | |
CN114660095B (zh) | 基于光学的烧结刚玉的气孔率测定方法及系统 | |
CN109238508B (zh) | 一种获取地表温度和co2浓度相关度的方法 | |
Francis et al. | Parametric model for estimation of mass concentration based on particle count distribution for ambient air monitoring |
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 |