CN116186803B - 获取有色组分分布的方法及系统 - Google Patents
获取有色组分分布的方法及系统 Download PDFInfo
- Publication number
- CN116186803B CN116186803B CN202211723000.5A CN202211723000A CN116186803B CN 116186803 B CN116186803 B CN 116186803B CN 202211723000 A CN202211723000 A CN 202211723000A CN 116186803 B CN116186803 B CN 116186803B
- Authority
- CN
- China
- Prior art keywords
- colored
- freezing
- area
- distribution
- unfrozen
- 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
- 238000000034 method Methods 0.000 title claims abstract description 61
- 230000008014 freezing Effects 0.000 claims abstract description 76
- 238000007710 freezing Methods 0.000 claims abstract description 76
- 238000012545 processing Methods 0.000 claims abstract description 24
- 230000008569 process Effects 0.000 claims abstract description 19
- 238000006243 chemical reaction Methods 0.000 claims description 13
- 230000009471 action Effects 0.000 claims description 6
- 238000003384 imaging method Methods 0.000 claims description 6
- 239000007788 liquid Substances 0.000 claims description 6
- 230000003287 optical effect Effects 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 4
- 238000000638 solvent extraction Methods 0.000 claims description 4
- 238000011161 development Methods 0.000 abstract description 2
- 239000000523 sample Substances 0.000 description 9
- 238000005070 sampling Methods 0.000 description 6
- 238000002474 experimental method Methods 0.000 description 5
- 230000005012 migration Effects 0.000 description 3
- 238000013508 migration Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000012512 characterization method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004043 dyeing Methods 0.000 description 1
- 239000012520 frozen sample Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N2021/8405—Application to two-phase or mixed materials, e.g. gas dissolved in liquids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Mathematical Optimization (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Analysis (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明提供了一种获取有色组分分布的方法及系统。该方法包括：将得到的冻结区中有色组分所在像素点上的RGB值与对应位置坐标输入开发的Matlab包裹体识别模块，通过设置像素点RGB的上下阈值区分冻结区中的不同组分，进而识别出残留在冻结区中的包裹体；将得到的未冻区中有色组分所在像素点上的RGB值与对应位置坐标输入开发的Matlab数据处理模块，自动将未冻区中的像素点RGB值转化成有色组分的浓度值并对其进行离散处理；得到冻结过程中微流控模型内有色组分的分布。本发明提供的获取有色组分分布的方法及系统能够对有色组分在冻结多孔介质微流控模型内的分布进行自动化识别、定位、浓度/坐标提取与转化，同时能够自动划分模型内的未冻区与冻结区。
Description
技术领域
本发明涉及水文地质技术领域，特别是涉及一种获取有色组分分布的方法及系统。
背景技术
在探索冻结作用对多孔介质内组分迁移行为及其影响机理试验研究中，定量表征多孔介质内部的组分分布具有重要意义。
冻结区中残留的液态包裹体以及未冻区中溶液浓度的分布情况是反映组分在冻结作用下迁移再分配行为的重要参数。在分析冻结作用下多孔介质内组分分布的现有技术中，主要有切片取样法，探头置入法和染色拍照法三种：(1)切片取样法是指先对冻结后的多孔介质样品切片，然后对不同切片中的组分取样，再借助其他仪器测量不同位置切片中的组分浓度值；该方法对样品造成了不可挽回的损坏，破坏了冻结试验的连贯性，并不能客观真实完整的反映组分在冻结过程中的分布情况，且这种方法操作难度大，准确度较差。(2)探头置入法是指在冻结实验中，把能够获取溶液电导率的探头置入多孔介质内部，借助电导率来间接获取组分在冻结过程中的分布情况；该方法虽然在一定程度上避免了对冻结样品的破坏，但是其准确度受到置入探头的大小以及精度的限制，同时通过电导率来间接获取组分分布情况的方法局限性也很大。(3)染色拍照法指的是在将组分置入设计好的透明试验装置前先对其进行染色，之后借助试验装置的透光性，对组分在冻结过程中的迁移分布情况进行拍照，获取组分的分布情况；该方法可以直接观测到组分的分布，但是其后期的数字影像处理常常需要在多个图像处理软件之间进行，缺乏统一的处理模式，自动化程度比较低。
综上所述，现有技术在分析冻结多孔介质内组分分布情况过程中，难以达到客观、准确、自动化的目标；且上述方法均属于宏观尺度上的方法，并不适用于冻结多孔介质微流控模型中组分分布的定量表征。
发明内容
本发明要解决的技术问题是提供一种获取有色组分分布的方法及系统，能够对有色组分在冻结多孔介质微流控模型内的分布实现了自动化识别、定位、浓度/坐标提取与转化，同时能够自动划分模型内的未冻区与冻结区，实现方法具有“客观、准确、自动化”的特点。
为解决上述技术问题，本发明提供了一种获取有色组分分布的方法，所述方法包括：利用已知浓度的有色溶液，建立多孔介质微流控模型内浓度值与显微成像照片中各像素点RGB值间的函数关系，并将其输入开发的Matlab数据处理模块中；通过光学显微镜和CCD相机拍摄记录下冻结过程中的微流控模型，得到视频录像，其中，微流控模型为多孔介质微流控模型；借助视频处理软件对视频录像进行图像提取，得到各个冻结时刻微流控模型的数字影像；将提取的数字影像导入Matlab数字影像识别转化模块，提取冻结锋面的位置，自动划分微流控模型内的未冻区和冻结区，同时分别输出未冻区与冻结区中有色组分所在像素点上的RGB值及对应位置坐标；将得到的冻结区中有色组分所在像素点上的RGB值与对应位置坐标输入开发的Matlab包裹体识别模块，通过设置像素点RGB的上下阈值区分冻结区中的不同组分，进而识别出残留在冻结区中的包裹体；将得到的未冻区中有色组分所在像素点上的RGB值与对应位置坐标输入Matlab数据处理模块，自动将未冻区中的像素点RGB值转化成有色组分的浓度值并对其进行离散处理，之后得到未冻区中有色组分在未冻区中的浓度分布，同时自动计算出冻结过程中冻结区向未冻区中排出的溶质质量。
在一些实施方式中，将提取的数字影像导入Matlab数字影像识别转化模块，提取冻结锋面的位置，自动划分微流控模型内的未冻区和冻结区，同时分别输出未冻区与冻结区中有色组分所在像素点上的RGB值及对应位置坐标，包括：对照片进行去除背景值处理。
在一些实施方式中，将提取的数字影像导入Matlab数字影像识别转化模块，提取冻结锋面的位置，自动划分微流控模型的未冻区和冻结区，同时分别输出未冻区与冻结区中有色组分所在像素点上的RGB值及对应位置坐标，还包括：通过RGB值自动识别出冻结作用下有色组分在微流控模型内的分布。
在一些实施方式中，自动划分微流控模型内的未冻区和冻结区是对未冻区和冻结区的两维划分。
在一些实施方式中，包裹体是以液态形式存在于冻结区中的有色组分溶液。
在一些实施方式中，通过RGB值自动识别出冻结作用下有色组分在微流控模型内的分布是指，识别出有色组分在微流控模型内的二维分布。
此外，本发明还提供了一种获取有色组分分布的系统，所述系统包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现根据前文所述的获取有色组分分布的方法。
此外，本发明还提供了一种获取有色组分分布的装置，所述装置包括：函数关系建立模块，用于利用已知浓度的有色溶液，建立多孔介质微流控模型内浓度值与显微成像照片中各像素点RGB值间的函数关系，并将其输入开发的Matlab数据处理模块中；模型记录模块，用于通过光学显微镜和CCD相机拍摄记录下冻结过程中的微流控模型，得到视频录像，其中，微流控模型为多孔介质微流控模型；图像提取模块，用于借助视频处理软件对视频录像进行图像提取，得到各个冻结时刻微流控模型的数字影像；划分模块，用于将提取的数字影像导入Matlab数字影像识别转化模块，提取冻结锋面的位置，自动划分微流控模型内的未冻区和冻结区，同时分别输出未冻区与冻结区中有色组分所在像素点上的RGB值及对应位置坐标；包裹体识别模块，用于将得到的冻结区中有色组分所在像素点上的RGB值与对应位置坐标输入开发的Matlab包裹体识别模块，通过设置像素点RGB的上下阈值区分冻结区中的不同组分，进而识别出残留在冻结区中的包裹体；浓度转化模块，用于将得到的未冻区中有色组分所在像素点上的RGB值与对应位置坐标输入Matlab数据处理模块，自动将未冻区中的像素点RGB值转化成有色组分的浓度值并对其进行离散处理，之后得到未冻区中有色组分在未冻区中的浓度分布，同时自动计算出冻结过程中冻结区向未冻区中排出的溶质质量。
采用这样的技术方案后，本发明至少具有以下优点：
1.抗干扰性强。摆脱了传统取样手段对冻结过程的干扰，降噪性显著提高，并保证了冻结实验的连贯性，确保了实验结果的客观真实性。
2.识别精度高。通过Matlab程序的各个模块对有色组分在冻结多孔介质微流控模型内的分布进行了识别、定位、浓度/坐标提取与转化，解决了以往冻结实验中取样难、探头识别精度低的问题。
3.自动化程度高。简单易操作，输入数据后由程序自动分析，无须人为操作。
附图说明
上述仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，以下结合附图与具体实施方式对本发明作进一步的详细说明。
图1是方法的实现流程；
图2是以液态形式存在于冻结区中的有色组分溶液的示意图；
图3是未冻区中有色组分在未冻区中的浓度分布图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
基于Matlab开发的获取冻结多孔介质微流控模型内有色组分分布的程序与方法的具体特征，程序实现流程见图1：
1.利用已知浓度的有色溶液，建立多孔介质微流控模型内浓度值与显微成像照片中各像素点RGB值间的函数关系，并将其输入开发的Matlab数据处理模块中。
2.通过光学显微镜和CCD相机拍摄记录下冻结过程中的微流控模型，得到视频录像。
3.借助视频处理软件对视频录像进行图像提取，得到各个冻结时刻微流控模型的数字影像。
4.将提取的数字影像导入开发的Matlab数字影像识别/转化模块，对照片进行去除背景值处理，之后通过RGB值自动识别出冻结作用下有色组分在多孔介质微流控模型内的分布，提取冻结锋面的位置，自动划分微流控模型内的未冻区和冻结区，同时分别输出未冻区与冻结区中有色组分所在像素点上的RGB值及对应位置坐标。
5.将第三步中得到的冻结区中有色组分所在像素点上的RGB值与对应位置坐标输入开发的Matlab包裹体识别模块，通过设置像素点RGB的上下阈值区分冻结区中的不同组分，进而识别出残留在冻结区中的包裹体，即以液态形式存在于冻结区中的有色组分溶液，参见图2。
6.将第三步中得到的未冻区中有色组分所在像素点上的RGB值与对应位置坐标输入开发的Matlab数据处理模块，自动将未冻区中的像素点RGB值转化成有色组分的浓度值并对其进行离散处理(以避免照片拍摄中的异常点对浓度的影响)，之后得到未冻区中有色组分在未冻区中的浓度分布，参见图3，同时自动计算出冻结过程中冻结区向未冻区中排出的溶质质量。
此外，本发明还提供了一种获取有色组分分布的系统，所述系统包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现根据前文所述的获取有色组分分布的方法。
此外，本发明还提供了一种获取有色组分分布的装置，所述装置包括：函数关系建立模块，用于利用已知浓度的有色溶液，建立多孔介质微流控模型内浓度值与显微成像照片中各像素点RGB值间的函数关系，并将其输入开发的Matlab数据处理模块中；模型记录模块，用于通过光学显微镜和CCD相机拍摄记录下冻结过程中的微流控模型，得到视频录像，其中，微流控模型为多孔介质微流控模型；图像提取模块，用于借助视频处理软件对视频录像进行图像提取，得到各个冻结时刻微流控模型的数字影像；划分模块，用于将提取的数字影像导入Matlab数字影像识别转化模块，提取冻结锋面的位置，自动划分微流控模型内的未冻区和冻结区，同时分别输出未冻区与冻结区中有色组分所在像素点上的RGB值及对应位置坐标；包裹体识别模块，用于将得到的冻结区中有色组分所在像素点上的RGB值与对应位置坐标输入开发的Matlab包裹体识别模块，通过设置像素点RGB的上下阈值区分冻结区中的不同组分，进而识别出残留在冻结区中的包裹体；分布得到模块，用于将得到的未冻区中有色组分所在像素点上的RGB值与对应位置坐标输入Matlab数据处理模块，自动将未冻区中的像素点RGB值转化成有色组分的浓度值并对其进行离散处理，之后得到未冻区中有色组分在未冻区中的浓度分布，同时自动计算出冻结过程中冻结区向未冻区中排出的溶质质量。
采用这样的技术方案后，本发明至少具有以下优点：
1.抗干扰性强。摆脱了传统取样手段对冻结过程的干扰，降噪性显著提高，并保证了冻结实验的连贯性，确保了实验结果的客观真实性；
2.识别精度高。通过Matlab程序的各个模块对有色组分在冻结多孔介质微流控模型内的分布进行了识别、定位、浓度/坐标提取与转化，解决了以往冻结实验中取样难、探头识别精度低的问题；
3.自动化程度高。简单易操作，输入数据后由程序自动分析，无须人为操作。
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，本领域技术人员利用上述揭示的技术内容做出些许简单修改、等同变化或修饰，均落在本发明的保护范围内。
Claims (7)
1.一种获取有色组分分布的方法，其特征在于，包括：
利用已知浓度的有色溶液，建立多孔介质微流控模型内浓度值与显微成像照片中各像素点RGB值间的函数关系，并将其输入开发的Matlab数据处理模块中；
通过光学显微镜和CCD相机拍摄记录下冻结过程中的微流控模型，得到视频录像，其中，微流控模型为多孔介质微流控模型；
借助视频处理软件对视频录像进行图像提取，得到各个冻结时刻微流控模型的数字影像；
将提取的数字影像导入Matlab数字影像识别转化模块，提取冻结锋面的位置，自动划分微流控模型内的未冻区和冻结区，同时分别输出未冻区与冻结区中有色组分所在像素点上的RGB值及对应位置坐标；
将得到的冻结区中有色组分所在像素点上的RGB值与对应位置坐标输入开发的Matlab包裹体识别模块，通过设置像素点RGB的上下阈值区分冻结区中的不同组分，进而识别出残留在冻结区中的包裹体；所述包裹体是以液态形式存在于冻结区中的有色组分溶液；
将得到的未冻区中有色组分所在像素点上的RGB值与对应位置坐标输入Matlab数据处理模块，自动将未冻区中的像素点RGB值转化成有色组分的浓度值并对其进行离散处理，之后得到未冻区中有色组分在未冻区中的浓度分布，同时自动计算出冻结过程中冻结区向未冻区中排出的溶质质量。
2.根据权利要求1所述的获取有色组分分布的方法，其特征在于，将提取的数字影像导入Matlab数字影像识别转化模块，提取冻结锋面的位置，自动划分微流控模型内的未冻区和冻结区，同时分别输出未冻区与冻结区中有色组分所在像素点上的RGB值及对应位置坐标，包括：
对照片进行去除背景值处理。
3.根据权利要求1所述的获取有色组分分布的方法，其特征在于，将提取的数字影像导入Matlab数字影像识别转化模块，提取冻结锋面的位置，自动划分微流控模型的未冻区和冻结区，同时分别输出未冻区与冻结区中有色组分所在像素点上的RGB值及对应位置坐标，还包括：
通过RGB值自动识别出冻结作用下有色组分在微流控模型内的分布。
4.根据权利要求1所述的获取有色组分分布的方法，其特征在于，自动划分微流控模型内的未冻区和冻结区是对未冻区和冻结区的二维区域划分。
5.根据权利要求1所述的获取有色组分分布的方法，其特征在于，通过RGB值自动识别出冻结作用下有色组分在微流控模型内的分布是指，识别出有色组分在微流控模型内的二维分布。
6.一种获取有色组分分布的系统，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现根据权利要求1至5任意一项所述的获取有色组分分布的方法。
7.一种获取有色组分分布的装置，其特征在于，包括：
函数关系建立模块，用于利用已知浓度的有色溶液，建立多孔介质微流控模型内浓度值与显微成像照片中各像素点RGB值间的函数关系，并将其输入开发的Matlab数据处理模块中；
模型记录模块，用于通过光学显微镜和CCD相机拍摄记录下冻结过程中的微流控模型，得到视频录像，其中，微流控模型为多孔介质微流控模型；
图像提取模块，用于借助视频处理软件对视频录像进行图像提取，得到各个冻结时刻微流控模型的数字影像；
划分模块，用于将提取的数字影像导入Matlab数字影像识别转化模块，提取冻结锋面的位置，自动划分微流控模型内的未冻区和冻结区，同时分别输出未冻区与冻结区中有色组分所在像素点上的RGB值及对应位置坐标；
包裹体识别模块，用于将得到的冻结区中有色组分所在像素点上的RGB值与对应位置坐标输入开发的Matlab包裹体识别模块，通过设置像素点RGB的上下阈值区分冻结区中的不同组分，进而识别出残留在冻结区中的包裹体；所述包裹体是以液态形式存在于冻结区中的有色组分溶液；
浓度转化模块，用于将得到的未冻区中有色组分所在像素点上的RGB值与对应位置坐标输入Matlab数据处理模块，自动将未冻区中的像素点RGB值转化成有色组分的浓度值并对其进行离散处理，之后得到未冻区中有色组分在未冻区中的浓度分布，同时自动计算出冻结过程中冻结区向未冻区中排出的溶质质量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211723000.5A CN116186803B (zh) | 2022-12-30 | 2022-12-30 | 获取有色组分分布的方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211723000.5A CN116186803B (zh) | 2022-12-30 | 2022-12-30 | 获取有色组分分布的方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116186803A CN116186803A (zh) | 2023-05-30 |
| CN116186803B true CN116186803B (zh) | 2024-05-28 |
Family
ID=86451558
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211723000.5A Active CN116186803B (zh) | 2022-12-30 | 2022-12-30 | 获取有色组分分布的方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116186803B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109444057A (zh) * | 2018-12-25 | 2019-03-08 | 中国地质大学（北京） | 基于微流控芯片的土壤冻融模拟装置和基于该装置的残余napl相识别方法 |
| CN109596810A (zh) * | 2018-12-25 | 2019-04-09 | 中国地质大学（北京） | 一种模拟并检测土壤冻融过程中有色可溶性组分分布的方法 |
| KR102193108B1 (ko) * | 2019-10-10 | 2020-12-18 | 서울대학교산학협력단 | 무인항공체로부터 취득된 rgb영상을 이용한 2차원 하천혼합거동 계측 방법 |
-
2022
- 2022-12-30 CN CN202211723000.5A patent/CN116186803B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109444057A (zh) * | 2018-12-25 | 2019-03-08 | 中国地质大学（北京） | 基于微流控芯片的土壤冻融模拟装置和基于该装置的残余napl相识别方法 |
| CN109596810A (zh) * | 2018-12-25 | 2019-04-09 | 中国地质大学（北京） | 一种模拟并检测土壤冻融过程中有色可溶性组分分布的方法 |
| KR102193108B1 (ko) * | 2019-10-10 | 2020-12-18 | 서울대학교산학협력단 | 무인항공체로부터 취득된 rgb영상을 이용한 2차원 하천혼합거동 계측 방법 |
Non-Patent Citations (6)
| Title |
|---|
| 冻结土壤介电常数混合模型机理研究;靳潇;杨文;赵剑琦;冰川冻土;20181231(第003期);570-579 * |
| 冻结过程路基土体水分迁移特征分析;许健;牛富俊;牛永红;侯仲杰;;重庆大学学报;20130415(第04期);150-158 * |
| 含湿土壤的热物理性质研究;张海峰;葛新石;叶宏;;太阳能学报;20061028(第10期);1069-1072 * |
| 土壤冻结时水热迁移规律的数值模拟;胡和平, 杨诗秀, 雷志栋;水利学报;19920710(第07期);1-8 * |
| 气候暖湿化对渭河流域土体冻融过程和水热运移影响研究;岳国栋;《中国优秀硕士学位论文全文数据库 基础科学辑》;20201215(第2020/12期);A011-99 * |
| 饱和孔隙介质冻结过程中溶质再分配的数值模型研究;薛海涵;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20201115(第2020/11期);第1章 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116186803A (zh) | 2023-05-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110376198B (zh) | 一种宫颈液基细胞切片质量检测系统 | |
| CN106706643B (zh) | 一种肝癌对比切片检测方法 | |
| EP3006551A1 (en) | Image processing device, image processing method, program, and storage medium | |
| CN101477062A (zh) | 橡胶基材料中短纤维细观结构参数的识别方法及装置 | |
| CN112001315B (zh) | 基于迁移学习和图像纹理特征的骨髓细胞分类识别方法 | |
| WO2021147866A1 (zh) | Ecg信号的获取方法及装置、存储介质、电子装置 | |
| CN110807754A (zh) | 基于深度语义分割的真菌显微图像分割检测方法及系统 | |
| CN116186803B (zh) | 获取有色组分分布的方法及系统 | |
| CN202815869U (zh) | 一种车载微机图像视频数据提取装置 | |
| CN110660477A (zh) | 幽门螺杆菌自动筛选和标注的系统及方法 | |
| CN109859218B (zh) | 病理图关键区域确定方法、装置、电子设备及存储介质 | |
| CN117036269A (zh) | 一种基于尿液样品高光谱图像的肾小球疾病分类诊断模型构建方法 | |
| CN110363762B (zh) | 细胞检测方法、装置、智能显微镜系统和可读存储介质 | |
| KR102482573B1 (ko) | 딥러닝을 이용한 이미지 배경제거 및 수피 기반 수종 탐지 시스템 및 이를 이용한 수종 탐지 방법 | |
| CN113538412B (zh) | 一种航拍图像的绝缘子缺陷检测方法及装置 | |
| CN111880867B (zh) | 一种基于python的冷原子数据采集与分析系统 | |
| CN114898862A (zh) | 基于卷积神经网络和病理切片图像的宫颈癌计算机辅助诊断方法 | |
| CN114332060A (zh) | 一种病理样本的制片检测系统 | |
| CN115841443A (zh) | 测量变压器油中微水含量的方法及装置 | |
| CN103592304A (zh) | 梗物分析系统及其分析方法 | |
| CN115917594A (zh) | 使用几何特征的整个载玻片注释转移 | |
| CN111548931A (zh) | 一种细胞培养装置及细胞培养方法 | |
| CN116309595B (zh) | Ctc智能全自动检测一体机及其方法 | |
| CN116797566A (zh) | 一种水资源与水环境监测预警装置 | |
| Blahova et al. | Blood Smear Leukocyte Identification Using an Image Segmentation Approach |
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 |