CN118050300A - 一种土工布智能垂直渗透系数测定方法及测定装置 - Google Patents
一种土工布智能垂直渗透系数测定方法及测定装置 Download PDFInfo
- Publication number
- CN118050300A CN118050300A CN202410451006.4A CN202410451006A CN118050300A CN 118050300 A CN118050300 A CN 118050300A CN 202410451006 A CN202410451006 A CN 202410451006A CN 118050300 A CN118050300 A CN 118050300A
- Authority
- CN
- China
- Prior art keywords
- geotextile
- humidity
- data
- permeation
- water flow
- 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
Links
- 239000004746 geotextile Substances 0.000 title claims abstract description 318
- 230000035699 permeability Effects 0.000 title claims abstract description 105
- 238000000034 method Methods 0.000 title claims abstract description 66
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 182
- 238000004458 analytical method Methods 0.000 claims abstract description 113
- 238000009826 distribution Methods 0.000 claims abstract description 112
- 239000004744 fabric Substances 0.000 claims abstract description 98
- 238000012360 testing method Methods 0.000 claims abstract description 71
- 230000011218 segmentation Effects 0.000 claims abstract description 70
- 230000008595 infiltration Effects 0.000 claims abstract description 66
- 238000001764 infiltration Methods 0.000 claims abstract description 66
- 238000005192 partition Methods 0.000 claims abstract description 51
- 230000035515 penetration Effects 0.000 claims abstract description 40
- 238000000605 extraction Methods 0.000 claims abstract description 18
- 238000005259 measurement Methods 0.000 claims abstract description 18
- 238000000691 measurement method Methods 0.000 claims abstract description 13
- 238000011002 quantification Methods 0.000 claims abstract description 13
- 230000008859 change Effects 0.000 claims description 62
- 230000003204 osmotic effect Effects 0.000 claims description 45
- 230000007613 environmental effect Effects 0.000 claims description 34
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 30
- 239000001301 oxygen Substances 0.000 claims description 30
- 229910052760 oxygen Inorganic materials 0.000 claims description 30
- 238000013508 migration Methods 0.000 claims description 23
- 230000005012 migration Effects 0.000 claims description 23
- 238000005457 optimization Methods 0.000 claims description 20
- 238000001914 filtration Methods 0.000 claims description 9
- 238000004088 simulation Methods 0.000 claims description 8
- 238000013507 mapping Methods 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 5
- 238000012300 Sequence Analysis Methods 0.000 claims description 4
- 238000007872 degassing Methods 0.000 claims description 4
- 238000004445 quantitative analysis Methods 0.000 claims description 4
- 238000000926 separation method Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 28
- 238000012545 processing Methods 0.000 description 25
- 238000004422 calculation algorithm Methods 0.000 description 14
- 238000004364 calculation method Methods 0.000 description 14
- 238000003708 edge detection Methods 0.000 description 9
- 230000000875 corresponding effect Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000013139 quantization Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 230000002596 correlated effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000009499 grossing Methods 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 238000009792 diffusion process Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 238000007619 statistical method Methods 0.000 description 4
- 230000002776 aggregation Effects 0.000 description 3
- 238000004220 aggregation Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000007789 gas Substances 0.000 description 3
- 238000013178 mathematical model Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012821 model calculation Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003703 image analysis method Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- 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
- 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
- G01N15/0806—Details, e.g. sample holders, mounting samples for testing
Landscapes
- Chemical & Material Sciences (AREA)
- Dispersion Chemistry (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Processing (AREA)
Abstract
本发明涉及土工布渗透测定领域,尤其涉及一种土工布智能垂直渗透系数测定方法及测定装置。该方法包括以下步骤:对待测土工布进行水流渗透测试,并获取土工布湿度参数及土工布图像;基于土工布图像得到多个土工布分割单元;对多个土工布分割单元进行色调特征分析,以得到分割单元色调特征数据;基于土工布湿度参数得到湿度分布数据;基于分割单元色调特征数据对湿度分布数据进行非均匀程度量化,以得到湿度非均匀程度值;基于湿度非均匀程度值对土工布图像进行轮廓线提取,以得到渗透轮廓线;基于渗透轮廓线得到渗透形状数据;对渗透形状数据进行渗透轨迹重构,生成水流渗透路径。本发明实现了高效、准确的垂直渗透系数测定。
Description
技术领域
本发明涉及土工布渗透测定领域,尤其涉及一种土工布智能垂直渗透系数测定方法及测定装置。
背景技术
土工布作为防水隔离材料,广泛应用于工程建设中,土工布作为多孔材料,其渗透行为与材质结构、环境条件等多种因素相关。随着绿色建筑与施工工艺的发展,土工布被越来越多地应用于收集、蓄水等功能工程中,然而,传统土工布垂直渗透系数的测定方法依赖人工操作,测量过程复杂,往往存在着垂直渗透系数测定不准确、效率不高的问题,因此,为了满足现代土工布性能评估的需求,需要一种智能化方法实现土工布垂直渗透系数的高效自动测定。
发明内容
本发明提出一种土工布智能垂直渗透系数测定方法及测定装置,以解决至少一个上述技术问题。
为实现上述目的,本发明提供一种土工布智能垂直渗透系数测定方法,包括以下步骤:
步骤S1:对待测土工布进行水流渗透测试,并获取土工布湿度参数及土工布图像;
步骤S2:基于土工布图像得到多个土工布分割单元;对多个土工布分割单元进行色调特征分析,以得到分割单元色调特征数据;
步骤S3:基于土工布湿度参数得到湿度分布数据;基于分割单元色调特征数据对湿度分布数据进行非均匀程度量化,以得到湿度非均匀程度值;
步骤S4:基于湿度非均匀程度值对土工布图像进行轮廓线提取,以得到渗透轮廓线;基于渗透轮廓线得到渗透形状数据;对渗透形状数据进行渗透轨迹重构,生成水流渗透路径;
步骤S5:对水流渗透路径进行路径演变识别,以生成渗透路径演变数据;对渗透路径演变数据进行渗透率分布反演,以构建土工布渗透场模型;
步骤S6:获取测定装置环境温度数据;基于测定装置环境温度数据对土工布渗透场模型进行温度偏差优化处理,以得到优化渗透场模型;基于优化渗透场模型得到土工布垂直渗透结果。
本发明通过水流渗透测试,模拟实际工程中土工布所面临的水流环境,获取土工布在不同水头差高度下的渗透情况,获取土工布湿度参数提供土工布内部水分分布的信息,为后续的分析和计算提供依据,获得土工布图像用于后续的图像处理和分析,以获取更多相关信息,通过图像处理技术,将土工布图像分割成多个单元,更加精确地分析土工布的细节特征,对土工布分割单元进行色调特征分析,提取出土工布不同区域的色调信息,用于后续的分析和计算,通过土工布湿度参数,了解土工布内部水分的分布情况,包括湿度的变化趋势和差异性,利用分割单元色调特征数据对湿度分布数据进行非均匀程度量化,评估土工布湿度的不均匀性,进一步了解渗透过程中的湿度变化情况,通过对土工布图像进行轮廓线提取,获得土工布渗透的边界信息,进而得到渗透形状数据,渗透形状数据用于重构水流渗透的路径,揭示水流在土工布中的传输路径和分布情况,通过路径演变识别,分析水流在渗透过程中的路径变化情况,包括渗透路径的扩散、聚集等信息,对渗透路径演变数据进行渗透率分布反演,推导出土工布的渗透率分布情况,从而建立土工布的渗透场模型,获取测定装置环境温度数据考虑温度对土工布渗透性能的影响,因为温度变化导致土工布材料的性质发生变化,基于测定装置环境温度数据对土工布渗透场模型进行温度偏差优化处理,校正由于温度变化引起的误差,得到更准确的渗透场模型,优化后的渗透场模型用于计算土工布的垂直渗透结果,提供更可靠和准确的土工布垂直渗透系数。
优选地,步骤S1中所述水流渗透测试具体为:
对试验用水进行脱气恒温处理,并对试验用水进行溶解氧浓度计算,以得到试验用水溶解氧浓度;
基于预设的溶解氧浓度阈值对试验用水溶解氧浓度进行比较,当预设的溶解氧浓度阈值大于或等于测验用水溶解氧浓度,则判定为合格试验用水,并获取合格试验用水水量数据;
基于测定装置对所述待测土工布进行定位,得到土工布定位数据;
基于土工布定位数据对待测土工布进行渗透测试,并获取土工布图像;
基于合格试验用水水量数据对渗透测试后的待测土工布进行水量计算,以得到土工布湿度参数。
本发明通过脱气恒温处理,去除试验用水中的气体,确保水中的气体含量稳定,减少对溶解氧浓度测量结果的干扰,通过溶解氧浓度计算,得到试验用水中溶解氧的浓度值,提供后续步骤中对试验用水质量的评估依据,通过与预设的溶解氧浓度阈值进行比较,评估试验用水中溶解氧的含量是否符合要求,判定为合格试验用水后,获取合格试验用水的水量数据,用于后续步骤中计算土工布的湿度参数,通过测定装置对待测土工布进行定位,准确土工布在测定装置中的位置信息,通过渗透测试,模拟实际工程中土工布所面临的水流环境,获取土工布在不同条件下的渗透性能,基于合格试验用水水量数据,计算渗透测试后土工布所吸收的水量,进而得到土工布的湿度参数,土工布湿度参数提供了土工布内部水分分布的信息,为后续的分析和计算提供依据。
优选地,步骤S2的具体步骤为:
步骤S21:基于土工布图像进行单元分割,以得到多个土工布分割单元;
步骤S22:对多个土工布分割单元进行边缘识别,以得到土工布分割单元边缘数据;
步骤S23:对土工布分割单元边缘数据进行色调特征分析,以得到分割单元色调特征数据。
本发明通过对土工布图像进行单元分割,将整张图像划分为多个独立的土工布分割单元,分割单元的提取帮助将土工布的结构和特征进行独立分析,以便更准确地评估土工布的性能,通过边缘识别,准确提取出土工布分割单元的边缘轮廓,边缘数据的获取帮助进一步分析土工布的形状、尺寸以及边缘特征,为后续的特征提取和计算提供基础,通过对土工布分割单元边缘数据进行色调特征分析,获取土工布分割单元的颜色信息,色调特征数据的分析有助于了解土工布的表面颜色、颜色分布情况等,为后续的土工布性能评估提供参考。
优选地,步骤S3的具体步骤为:
步骤S31:对土工布湿度参数进行湿度分布分析,以得到湿度分布数据;
步骤S32:基于分割单元色调特征数据对湿度分布数据进行湿度梯度分析,以得到分割单元湿度梯度数据;
步骤S33:对分割单元湿度梯度数据进行非均匀程度量化,以得到湿度非均匀程度值。
本发明通过湿度分布分析,了解土工布内部湿度的分布情况,即不同位置的湿度值,湿度分布数据提供了土工布内部湿度的空间信息,为后续的湿度梯度分析和非均匀程度量化提供依据,通过湿度梯度分析,计算不同分割单元内湿度的变化率,即湿度梯度,湿度梯度数据反映土工布内部湿度的变化趋势,揭示土工布的渗透性能和水分传输特征,通过非均匀程度量化,定量评估土工布湿度分布的均匀性或非均匀性,湿度非均匀程度值提供了一个指标,用于衡量土工布内部湿度分布的差异程度,进一步了解土工布的渗透性能。
优选地,步骤S32的具体步骤为:
步骤S321:基于所述多个土工布分割单元对湿度分布数据进行湿度空间特征分析,以得到湿度空间特征数据;
步骤S322:对湿度空间特征数据进行分割单元平均湿度计算,生成单元平均湿度值;
步骤S323:基于单元平均湿度值进行湿度变化率计算,得到湿度变化率;
步骤S324:根据湿度变化率对所述多个土工布分割单元进行湿度强弱分析,以得到湿度强弱数据;
步骤S325:基于分割单元色调特征数据对湿度分布数据进行湿度梯度方向分析,以得到梯度方向数据;
步骤S326:对湿度强弱数据及梯度方向数据进行梯度差异定量分析,以得到分割单元湿度梯度数据。
本发明通过湿度空间特征分析,对多个土工布分割单元的湿度分布数据进行综合分析,揭示土工布湿度在空间上的变化规律,湿度空间特征数据提供了土工布内部湿度分布的整体特征,有助于理解土工布垂直渗透性能的空间差异,分割单元平均湿度计算将多个土工布分割单元内的湿度数据进行平均,得到每个分割单元的平均湿度值,单元平均湿度值提供了单个分割单元内湿度的综合度量,为后续的湿度变化率计算和湿度强弱分析提供基础,湿度变化率计算通过比较相邻时间或空间上的单元平均湿度值,计算湿度的变化速率,湿度变化率反映土工布湿度的动态变化情况,提供关于水分传输速度和渗透性能的信息,湿度强弱分析根据湿度变化率判断土工布分割单元中的湿度强度,即湿度变化的程度和速率,湿度强弱数据提供了不同分割单元内湿度的相对强弱程度,有助于理解土工布内部湿度的空间异质性和水分传输特性,湿度梯度方向分析通过结合分割单元色调特征数据,确定土工布湿度梯度的方向,梯度方向数据提供了土工布湿度梯度的方向信息,有助于理解水分在土工布内部的流动路径和渗透方向,梯度差异定量分析通过对湿度强弱数据和梯度方向数据的综合分析,计算分割单元湿度梯度的差异程度,分割单元湿度梯度数据提供了土工布内部湿度梯度的定量描述,为垂直渗透系数的计算和评估提供重要依据。
优选地,步骤S4的具体步骤为:
步骤S41:对土工布图像进行平滑滤波处理,以得到滤波土工布图像;
步骤S42:基于湿度非均匀程度值对滤波土工布图像进行轮廓拓扑提取,得到渗透轮廓线;
步骤S43:基于渗透轮廓线进行渗透形状检测,以得到渗透形状数据;
步骤S44:对渗透形状数据进行水流连通分析,得到水流渗透值;
步骤S45:基于水流渗透值对渗透轮廓线进行渗透轨迹重构,生成水流渗透路径。
本发明通过平滑滤波处理可消除图像中的噪声和细节,使土工布图像变得更加平滑,滤波土工布图像有助于提高后续步骤对土工布图像的处理和分析的准确性,轮廓拓扑提取通过分析土工布图像的湿度非均匀程度值,提取出渗透区域的轮廓线,渗透轮廓线提供了土工布内湿度变化的边界信息,有助于后续步骤对渗透形状和水流渗透分析的进行,渗透形状检测通过分析渗透轮廓线,识别和提取出土工布内部的渗透形状,渗透形状数据提供了土工布内部渗透路径的形状信息,有助于后续步骤对水流连通分析和渗透轨迹重构的进行,水流连通分析通过分析渗透形状数据,确定渗透路径上的水流连通性,水流渗透值提供了水流在渗透路径上的渗透程度,反映土工布的垂直渗透性能和水分传输能力,渗透轨迹重构通过结合水流渗透值和渗透轮廓线,重建水流在土工布内部的渗透路径,水流渗透路径提供了水分在土工布内部传输的路径信息,有助于理解水分的流动轨迹和渗透特性。
优选地,步骤S42的具体步骤为:
步骤S421:基于湿度非均匀程度值对滤波土工布图像进行膨胀卷积,以得到非均匀连接卷积图;
步骤S422:对非均匀连接卷积图进行连通域标记,以得到连通域边界点;
步骤S423:基于连通域边界点进行轮廓拓扑分析,得到轮廓拓扑数据;
步骤S424:基于轮廓拓扑数据对滤波土工布图像进行轮廓线识别,生成轮廓线数据;
步骤S425:利用轮廓线数据对滤波土工布图像进行湿度轮廓映射,以得到渗透轮廓线。
本发明通过膨胀卷积能够将土工布图像中的湿度非均匀区域进行扩张和连接,形成非均匀连接卷积图,非均匀连接卷积图突出土工布图像中的湿度非均匀特征,有助于后续步骤对连通域和轮廓进行分析,连通域标记将非均匀连接卷积图中的连通区域进行标记,以区分不同的湿度连通域,连通域边界点提供了湿度连通域的边界信息,有助于后续步骤对轮廓拓扑和轮廓线的分析,轮廓拓扑分析通过分析连通域边界点之间的关系,提取出土工布图像中的轮廓拓扑结构,轮廓拓扑数据提供了土工布图像中湿度连通域的拓扑关系,有助于后续步骤对轮廓线的识别和渗透轮廓线的生成,轮廓线识别通过分析轮廓拓扑数据,识别出土工布图像中各个湿度连通域的轮廓线,轮廓线数据提供了土工布图像中湿度连通域的边界信息,有助于后续步骤对渗透轮廓线的生成和水流渗透路径的重构,湿度轮廓映射通过利用轮廓线数据,将土工布图像中的湿度信息映射到图像上,渗透轮廓线提供了土工布图像中湿度分布的可视化结果,有助于直观地理解土工布的渗透特性和水分传输路径。
优选地,步骤S5的具体步骤为:
步骤S51:对水流渗透路径进行时序分析,生成时序渗透路径;
步骤S52:对时序渗透路径进行路径演变识别,以生成渗透路径演变数据;
步骤S53:对渗透路径演变数据进行变化趋势分析,得到渗透变化趋势数据;
步骤S54:对渗透变化趋势数据进行迁移流向模拟,得到水流迁移规律;
步骤S55:基于水流迁移规律进行渗透率分布反演,以构建土工布渗透场模型。
本发明通过时序分析对水流在土工布中的渗透路径进行时间序列的跟踪和分析,生成时序渗透路径提供水流在土工布中传输的路径信息,有助于后续步骤对路径演变和变化趋势的分析,路径演变识别分析时序渗透路径的变化过程,识别出路径的演变情况,渗透路径演变数据记录了水流在土工布中路径的变化信息,有助于后续步骤对渗透变化趋势和水流迁移规律的分析,变化趋势分析对渗透路径演变数据进行趋势性的分析,提取出渗透过程中的变化趋势,渗透变化趋势数据反映了水流在土工布中的渗透性质随时间的变化情况,有助于后续步骤对水流迁移规律的模拟和渗透率分布的反演,迁移流向模拟基于渗透变化趋势数据,模拟水流在土工布中的迁移流向,水流迁移规律提供了水流在土工布中传输的方向和路径信息,有助于后续步骤对渗透率分布的反演和土工布渗透场模型的构建,渗透率分布反演利用水流迁移规律和其他相关数据,推断出土工布中的渗透率分布情况,构建土工布渗透场模型提供了土工布在不同位置的渗透性能信息,有助于工程设计和分析中对土工布的渗透特性的考虑。
优选地,步骤S6的具体步骤为:
步骤S61:获取测定装置环境温度数据;
步骤S62:对测定装置环境温度数据进行区域温差分析,以得到区域温差数据;
步骤S63:对区域温差数据对土工布渗透场模型进行温度偏差优化处理,以得到优化渗透场模型;
步骤S64:基于优化渗透场模型对待测土工布进行动态渗透系数测定处理,以得到土工布垂直渗透结果。
本发明通过区域温差分析对测定装置环境温度数据进行区域性的温差分析,识别不同位置之间的温度差异,得到的区域温差数据反映了土工布渗透场模型中不同区域之间的温度差异,为后续步骤中的温度偏差优化处理提供依据,温度偏差优化处理基于区域温差数据,对土工布渗透场模型中的温度偏差进行优化调整,优化渗透场模型考虑了不同区域之间的温度差异,提高了模型的准确性和真实性,为后续步骤中的动态渗透系数测定提供更可靠的基础,动态渗透系数测定处理基于优化渗透场模型,对待测土工布的垂直渗透性能进行测定和评估,得到的土工布垂直渗透结果反映了土工布在实际环境下的渗透性能,为工程设计和分析提供了准确的数据支持。
在本说明书中,提供一种土工布智能垂直渗透系数测定装置,用于执行如上所述的土工布智能垂直渗透系数测定方法,包括:
渗透测试模块,用于对待测土工布进行水流渗透测试,并获取土工布湿度参数及土工布图像;
单元色调模块,用于基于土工布图像得到多个土工布分割单元;对多个土工布分割单元进行色调特征分析,以得到分割单元色调特征数据;
湿度分布模块,用于基于土工布湿度参数得到湿度分布数据;基于分割单元色调特征数据对湿度分布数据进行非均匀程度量化,以得到湿度非均匀程度值;
渗透路径模块,用于基于湿度非均匀程度值对土工布图像进行轮廓线提取,以得到渗透轮廓线;基于渗透轮廓线得到渗透形状数据;对渗透形状数据进行渗透轨迹重构,生成水流渗透路径;
渗透反演模块,用于对水流渗透路径进行路径演变识别,以生成渗透路径演变数据;对渗透路径演变数据进行渗透率分布反演,以构建土工布渗透场模型;
温度偏差优化模块,用于获取测定装置环境温度数据;基于测定装置环境温度数据对土工布渗透场模型进行温度偏差优化处理,以得到优化渗透场模型;基于优化渗透场模型得到土工布垂直渗透结果。
本发明通过渗透测试模块评估土工布在给定水头差下的渗透性能,获取土工布湿度参数提供土工布在测试过程中的湿度信息,用于后续的湿度分布分析和非均匀程度量化,获得土工布图像用于后续的单元色调分析和渗透路径模块中的轮廓线提取,单元色调模块对土工布图像进行分割单元处理将土工布图像划分为多个独立的区域,方便后续的色调特征分析和湿度分布模块的非均匀程度量化,色调特征分析提供了关于每个土工布分割单元的色调信息,用于后续的湿度分布分析和渗透路径模块的轮廓线提取,湿度分布模块通过非均匀程度量化通过分析分割单元色调特征数据,评估土工布湿度分布的非均匀程度,提供了定量的指标用于描述湿度分布的不均匀程度,渗透路径模块通过轮廓线提取基于湿度非均匀程度值,用于识别土工布图像中的渗透区域,提供了水流渗透的范围信息,渗透形状数据记录了土工布渗透区域的形状特征,为后续的渗透反演模块提供基础数据,渗透轨迹重构通过分析渗透形状数据,重建了水流在土工布上的渗透路径,提供了水流渗透过程的轨迹信息,渗透反演模块通过路径演变识别基于水流渗透路径,分析路径的变化和演变过程,提供了水流渗透路径的动态信息,为后续的渗透率分布反演提供依据,渗透率分布反演根据渗透路径演变数据,推导出土工布不同区域的渗透率分布情况,构建了土工布的渗透场模型,温度偏差优化模块通过获取测定装置环境温度数据考虑渗透测试过程中的温度影响,提供了温度相关的信息用于优化渗透场模型,温度偏差优化处理基于测定装置环境温度数据,对土工布渗透场模型进行修正和调整,提高渗透场模型的准确性和可靠性,优化渗透场模型提供了更精确的渗透率分布情况,通过模型计算得到土工布的垂直渗透结果,该结果可用于评估土工布的垂直渗透性能。
附图说明
图1为本发明一种土工布智能垂直渗透系数测定方法的步骤流程示意图;
图2为步骤S2的详细实施步骤流程示意图;
图3为步骤S3的详细实施步骤流程示意图;
图4为步骤S32的详细实施步骤流程示意图。
具体实施方式
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。
本申请实例提供一种土工布智能垂直渗透系数测定方法及测定装置。所述土工布智能垂直渗透系数测定方法及测定装置的执行主体包括但不限于搭载该系统的:机械设备、数据处理平台、云服务器节点、网络上传设备等可看作本申请的通用计算节点,所述数据处理平台包括但不限于:音频图像管理系统、信息管理系统、云端数据管理系统至少一种。
请参阅图1至图4,本发明提供了一种土工布智能垂直渗透系数测定方法,包括以下步骤:
步骤S1:对待测土工布进行水流渗透测试,并获取土工布湿度参数及土工布图像;
步骤S2:基于土工布图像得到多个土工布分割单元;对多个土工布分割单元进行色调特征分析,以得到分割单元色调特征数据;
步骤S3:基于土工布湿度参数得到湿度分布数据;基于分割单元色调特征数据对湿度分布数据进行非均匀程度量化,以得到湿度非均匀程度值;
步骤S4:基于湿度非均匀程度值对土工布图像进行轮廓线提取,以得到渗透轮廓线;基于渗透轮廓线得到渗透形状数据;对渗透形状数据进行渗透轨迹重构,生成水流渗透路径;
步骤S5:对水流渗透路径进行路径演变识别,以生成渗透路径演变数据;对渗透路径演变数据进行渗透率分布反演,以构建土工布渗透场模型;
步骤S6:获取测定装置环境温度数据;基于测定装置环境温度数据对土工布渗透场模型进行温度偏差优化处理,以得到优化渗透场模型;基于优化渗透场模型得到土工布垂直渗透结果。
本发明通过水流渗透测试,模拟实际工程中土工布所面临的水流环境,获取土工布在不同水头差高度下的渗透情况,获取土工布湿度参数提供土工布内部水分分布的信息,为后续的分析和计算提供依据,获得土工布图像用于后续的图像处理和分析,以获取更多相关信息,通过图像处理技术,将土工布图像分割成多个单元,更加精确地分析土工布的细节特征,对土工布分割单元进行色调特征分析,提取出土工布不同区域的色调信息,用于后续的分析和计算,通过土工布湿度参数,了解土工布内部水分的分布情况,包括湿度的变化趋势和差异性,利用分割单元色调特征数据对湿度分布数据进行非均匀程度量化,评估土工布湿度的不均匀性,进一步了解渗透过程中的湿度变化情况,通过对土工布图像进行轮廓线提取,获得土工布渗透的边界信息,进而得到渗透形状数据,渗透形状数据用于重构水流渗透的路径,揭示水流在土工布中的传输路径和分布情况,通过路径演变识别,分析水流在渗透过程中的路径变化情况,包括渗透路径的扩散、聚集等信息,对渗透路径演变数据进行渗透率分布反演,推导出土工布的渗透率分布情况,从而建立土工布的渗透场模型,获取测定装置环境温度数据考虑温度对土工布渗透性能的影响,因为温度变化导致土工布材料的性质发生变化,基于测定装置环境温度数据对土工布渗透场模型进行温度偏差优化处理,校正由于温度变化引起的误差,得到更准确的渗透场模型,优化后的渗透场模型用于计算土工布的垂直渗透结果,提供更可靠和准确的土工布垂直渗透系数。
本发明实施例中,参阅图1,为本发明一种土工布智能垂直渗透系数测定方法的步骤流程示意图,在本实例中,所述土工布智能垂直渗透系数测定方法的步骤包括:
步骤S1:对待测土工布进行水流渗透测试,并获取土工布湿度参数及土工布图像;
本实施例中,将土工布样品安装在渗透测试装置上,确保土工布与装置之间没有漏水或渗漏的地方,根据预设的水头差高度数据,控制水流的流量和压力,确保水流的条件符合测试要求,进行水流渗透测试,根据测试时间,定期测量土工布样品的湿度参数,如湿度分布、渗透深度等,并记录下相应的数据,使用相应的成像设备,如摄像机或扫描仪,获取土工布的图像。
步骤S2:基于土工布图像得到多个土工布分割单元;对多个土工布分割单元进行色调特征分析,以得到分割单元色调特征数据;
本实施例中,使用图像处理技术对土工布图像进行分割,将其分割成多个单元,采用基于阈值的分割方法、边缘检测方法,分割后,每个单元表示土工布中的一个独立区域,对每个选定的土工布分割单元进行色调特征提取,色调特征包括颜色直方图、颜色矩、颜色统计量等,用于描述土工布分割单元的颜色分布和特征,将提取的色调特征数据整理成适当的数据结构,以便后续的分析和处理,将特征数据保存为向量或矩阵形式,每个分割单元对应一行或一列数据。
步骤S3:基于土工布湿度参数得到湿度分布数据;基于分割单元色调特征数据对湿度分布数据进行非均匀程度量化,以得到湿度非均匀程度值;
本实施例中,将湿度值分配到相应的分割单元中,通过插值或平均化方法得到分割单元的湿度分布情况,将湿度分布数据与分割单元的色调特征数据进行关联,采用统计方法或机器学习方法,通过分析色调特征与湿度分布之间的关系来量化湿度的非均匀程度,根据所选的量化方法,计算每个分割单元的湿度非均匀程度值,这些值是数值型数据,用于表示湿度的非均匀程度的大小值,使用标准差、方差、熵等统计指标。
步骤S4:基于湿度非均匀程度值对土工布图像进行轮廓线提取,以得到渗透轮廓线;基于渗透轮廓线得到渗透形状数据;对渗透形状数据进行渗透轨迹重构,生成水流渗透路径;
本实施例中,基于湿度非均匀程度值,通过图像处理技术提取土工布图像中的渗透轮廓线,使用边缘检测算法、阈值分割方法或其他合适的轮廓线提取技术,根据提取的渗透轮廓线,获取渗透形状数据,通过测量轮廓线的长度、曲率等参数,将轮廓线转化为几何形状(如多边形或曲线)来表示渗透形状,基于渗透形状数据,进行渗透轨迹的重构,使用数学模型、插值算法或其他轨迹重构方法来生成水流渗透路径,这些路径表示水流在土工布中的渗透方向和路径,对生成的水流渗透路径进行分析和解释,根据路径的形状、长度、弯曲程度等特征,评估土工布的渗透性能和水流路径的复杂程度。
步骤S5:对水流渗透路径进行路径演变识别,以生成渗透路径演变数据;对渗透路径演变数据进行渗透率分布反演,以构建土工布渗透场模型;
本实施例中,通过分析路径的形状、长度、方向变化分析路径演变,使用图像处理技术、数学模型或路径分析算法来识别路径的演变过程,基于路径演变识别的结果,生成渗透路径演变数据,这些数据包括路径的起点、终点、路径长度、路径方向变化等信息,以描述水流在土工布中的渗透路径的变化过程,利用渗透路径演变数据,进行渗透率分布的反演,通过分析路径的演变过程和土工布的特性,推导出土工布材料的渗透率分布情况,涉及数学建模、反问题求解或优化算法等方法,以确定土工布渗透性能的空间分布,基于反演得到的渗透率分布,构建土工布的渗透场模型,包括将渗透率分布转化为网格或离散形式,建立渗透方程或模拟水流渗透的数值模型,模型考虑土工布的几何形状、渗透率变化、边界条件等因素,以描述土工布中水流的渗透行为。
步骤S6:获取测定装置环境温度数据;基于测定装置环境温度数据对土工布渗透场模型进行温度偏差优化处理,以得到优化渗透场模型;基于优化渗透场模型得到土工布垂直渗透结果。
本实施例中,基于测定装置环境温度数据,对土工布渗透场模型进行温度偏差优化处理,通过考虑温度对土工布渗透性能的影响,调整渗透率分布或模型参数来实现,使用数学模型来描述温度与渗透率的关系,并将温度因素纳入渗透场模型的计算中,根据温度偏差优化处理的结果,生成优化渗透场模型,这个模型将考虑环境温度对土工布渗透性能的影响,以提高模型的准确性和可靠性,基于优化渗透场模型,进行土工布垂直渗透结果的计算或模拟,使用适当的数值方法或解析方法,求解渗透方程或模拟水流在土工布中的垂直渗透过程,得到土工布垂直渗透的相关参数,如渗透通量、水头分布等结果。
本实施例中,步骤S1中所述水流渗透测试具体为:
对试验用水进行脱气恒温处理,并对试验用水进行溶解氧浓度计算,以得到试验用水溶解氧浓度;
基于预设的溶解氧浓度阈值对试验用水溶解氧浓度进行比较,当预设的溶解氧浓度阈值大于或等于测验用水溶解氧浓度,则判定为合格试验用水,并获取合格试验用水水量数据;
基于测定装置对所述待测土工布进行定位,得到土工布定位数据;
基于土工布定位数据对待测土工布进行渗透测试,并获取土工布图像;
基于合格试验用水水量数据对渗透测试后的待测土工布进行水量计算,以得到土工布湿度参数。
本实施例中,将试验用水进行脱气处理,以去除其中的气体成分,将水加热或冷却到特定的温度范围内,并保持恒定的温度,将测得的试验用水溶解氧浓度与预设的溶解氧浓度阈值进行比较,预设的阈值应根据具体实验要求和标准来设定,如果预设的溶解氧浓度阈值大于或等于测得的溶解氧浓度值,则判定为合格试验用水,记录合格试验用水的水量数据,包括所使用的水量或容量,通过使用溶解氧测量装置,如溶解氧仪或溶解氧传感器,测量水中的溶解氧浓度,对待测土工布进行定位,确定其在测定装置中的具体位置,基于土工布定位数据,对待测土工布进行渗透测试,通过施加水压或使用适当的渗透装置,将水流通过土工布并测量渗透过程中的相关参数来实现,在渗透测试过程中,使用相机或图像采集装置记录土工布的图像,这些图像用于后续的分析和评估,结合土工布渗透测试后的相关参数,计算土工布的湿度参数,确定土工布的湿度参数,涉及水量的质量平衡或土工布的吸湿性能等方面的分析。
本实施例中,参阅图2,为步骤S2的详细实施步骤流程示意图,本实施例中,所述步骤S2的详细实施步骤包括:
步骤S21:基于土工布图像进行单元分割,以得到多个土工布分割单元;
步骤S22:对多个土工布分割单元进行边缘识别,以得到土工布分割单元边缘数据;
步骤S23:对土工布分割单元边缘数据进行色调特征分析,以得到分割单元色调特征数据。
本实施例中,对预处理后的土工布图像应用适当的分割算法,例如阈值分割、区域生长、边缘检测等方法,将土工布图像分割成多个单元,确保分割结果准确,并将每个单元分割出来,形成多个独立的土工布分割单元,针对每个土工布分割单元,使用边缘检测算法来提取其边缘信息,常用的边缘检测算法包括Canny边缘检测、Sobel算子等,在边缘检测过程中,根据实际需求进行参数调整,以获得清晰、准确的边缘结果,对于每个土工布分割单元,提取出的边缘数据表示为一系列边缘点的坐标或边缘线段的集合,针对每个土工布分割单元的边缘数据,进行色调特征分析,以获取有关色彩信息的数据,使用颜色空间转换方法,例如将RGB颜色空间转换为HSV颜色空间,以更好地描述色调特征,分析土工布分割单元边缘数据中的色调分布、颜色梯度、颜色直方图等特征,以获取关于土工布分割单元色调的统计数据或描述子。
本实施例中,参阅图3,为步骤S3的详细实施步骤流程示意图,本实施例中,所述步骤S3的详细实施步骤包括:
步骤S31:对土工布湿度参数进行湿度分布分析,以得到湿度分布数据;
步骤S32:基于分割单元色调特征数据对湿度分布数据进行湿度梯度分析,以得到分割单元湿度梯度数据;
步骤S33:对分割单元湿度梯度数据进行非均匀程度量化,以得到湿度非均匀程度值。
本实施例中,对收集到的湿度数据进行预处理,包括去除异常值、平滑处理等,以提高分析结果的准确性,使用适当的统计方法或插值方法,对土工布不同位置的湿度数据进行分析,以得到湿度的分布情况,绘制湿度分布图,将不同位置的湿度数值以可视化的方式呈现,以更直观地了解土工布的湿度分布情况,利用得到的分割单元色调特征数据,将其与土工布的湿度分布数据进行对应,针对每个分割单元,计算其内部湿度的梯度变化情况,使用差分算法或梯度算子等方法来计算湿度的变化率,将湿度梯度数据与对应的分割单元进行关联,建立分割单元湿度梯度数据的映射关系,针对分割单元湿度梯度数据,使用统计方法或指标来量化其非均匀程度,例如,计算湿度梯度数据的方差、标准差或变异系数等,对于每个分割单元,将得到的非均匀程度值表示为湿度的非均匀程度,反映了分割单元内部湿度变化的不均匀性。
本实施例中,参考图4所述,为步骤S32的详细实施步骤流程示意图,本实施例中,所述步骤S32的详细实施步骤包括:
步骤S321:基于所述多个土工布分割单元对湿度分布数据进行湿度空间特征分析,以得到湿度空间特征数据;
步骤S322:对湿度空间特征数据进行分割单元平均湿度计算,生成单元平均湿度值;
步骤S323:基于单元平均湿度值进行湿度变化率计算,得到湿度变化率;
步骤S324:根据湿度变化率对所述多个土工布分割单元进行湿度强弱分析,以得到湿度强弱数据;
步骤S325:基于分割单元色调特征数据对湿度分布数据进行湿度梯度方向分析,以得到梯度方向数据;
步骤S326:对湿度强弱数据及梯度方向数据进行梯度差异定量分析,以得到分割单元湿度梯度数据。
本实施例中,使用均值滤波、高斯滤波,对土工布分割单元内湿度数据进行平滑处理,分析平滑后的湿度数据的空间特征,例如湿度的均值、方差、梯度等,以获取有关湿度分布的空间信息,对于每个土工布分割单元,计算其湿度空间特征数据中的平均湿度值将湿度空间特征数据中的湿度值进行求平均操作,得到单元平均湿度值,表示分割单元内湿度的平均水平,对于每个土工布分割单元,计算其单元平均湿度值的变化率,通过计算相邻时间点或空间点上的单元平均湿度值之间的差异,得到湿度的变化率信息,使用差分算法来计算湿度变化率,基于湿度变化率,对多个土工布分割单元进行湿度强弱分析,根据湿度变化率的大小,将分割单元分为湿度增加强、湿度增加弱、湿度减少强、湿度减少弱等不同强弱程度的类别,针对每个分割单元,计算湿度分布数据中的梯度方向信息,使用梯度算子等方法来计算湿度的梯度方向,将梯度方向数据与对应的分割单元进行关联,建立分割单元湿度梯度方向的映射关系,通过定量的方法,例如计算梯度差异、梯度相关性等指标,来衡量湿度强弱与梯度方向之间的关系,这样得到分割单元湿度梯度数据,对于每个土工布分割单元,使用湿度分布数据进行湿度空间特征分析,一种方法是使用空间统计方法,例如均值滤波或高斯滤波,对土工布分割单元内的湿度数据进行平滑处理,以减小噪音和局部变化,分析平滑后的湿度数据的空间特征,如湿度均值、方差、梯度等,以获取有关湿度分布的空间信息。
本实施例中,步骤S4包括以下步骤:
步骤S41:对土工布图像进行平滑滤波处理,以得到滤波土工布图像;
步骤S42:基于湿度非均匀程度值对滤波土工布图像进行轮廓拓扑提取,得到渗透轮廓线;
步骤S43:基于渗透轮廓线进行渗透形状检测,以得到渗透形状数据;
步骤S44:对渗透形状数据进行水流连通分析,得到水流渗透值;
步骤S45:基于水流渗透值对渗透轮廓线进行渗透轨迹重构,生成水流渗透路径。
本实施例中,将原始土工布图像应用平滑滤波处理方法,例如高斯滤波或均值滤波,以减少噪音和图像中的细节,平滑滤波采用不同的滤波器尺寸和滤波核函数,根据具体需求选择合适的参数,滤波后的土工布图像将具有更平滑的纹理和较少的细节,便于后续处理和分析,对滤波后的土工布图像进行湿度非均匀程度的计算,湿度非均匀程度指标是图像中湿度的梯度、方差或其他衡量湿度变化的指标,基于湿度非均匀程度值,采用图像分割算法(如阈值分割、边缘检测等)提取土工布图像中的轮廓,提取得到的轮廓表示了土工布图像中不同湿度区域之间的边界信息,即渗透轮廓线,利用得到的渗透轮廓线,进行渗透形状的检测和提取,通过形状分析算法、曲线拟合方法或其他几何分析技术来实现,渗透形状数据包括形状的几何属性(如面积、周长、长宽比等)和形状的拓扑结构信息(如孔洞数量、分支情况等),渗透形状数据描述了土工布渗透区域的形状特征,用于进一步的水流分析和评估,基于渗透形状数据,进行水流连通分析,使用图论算法或水流模拟方法来实现,通过确定渗透形状之间的连接关系和水流路径,计算水流渗透值,水流渗透值是水流通过每个渗透形状的速度、通量或其他与水流渗透能力相关的量化指标,依据水流渗透值,对渗透轮廓线进行渗透轨迹重构,通过根据水流渗透值确定渗透路径的连续性和方向来实现,水流渗透路径表示了水流在土工布渗透区域中的流动路径,用于进一步分析和可视化水流渗透过程。
本实施例中,步骤S42的具体步骤为:
步骤S421:基于湿度非均匀程度值对滤波土工布图像进行膨胀卷积,以得到非均匀连接卷积图;
步骤S422:对非均匀连接卷积图进行连通域标记,以得到连通域边界点;
步骤S423:基于连通域边界点进行轮廓拓扑分析,得到轮廓拓扑数据;
步骤S424:基于轮廓拓扑数据对滤波土工布图像进行轮廓线识别,生成轮廓线数据;
步骤S425:利用轮廓线数据对滤波土工布图像进行湿度轮廓映射,以得到渗透轮廓线。
本实施例中,将滤波后的土工布图像进行膨胀卷积操作,膨胀卷积是一种形态学图像处理操作,用于扩展图像中的亮像素区域,膨胀卷积操作利用结构元素(也称为卷积核)在图像上移动,并将结构元素与图像中的像素进行逐点比较和操作,对经过膨胀卷积处理的非均匀连接卷积图进行连通域标记,连通域标记是一种图像分割方法,用于将图像中具有相同特征的像素组成的区域进行标记和分割,连通域标记算法会将非均匀连接卷积图中的像素根据它们的连通性分为不同的区域,并为每个区域分配一个唯一的标记值,利用得到的连通域边界点,进行轮廓拓扑分析,轮廓拓扑分析旨在理解和描述轮廓的几何结构和关系,轮廓拓扑分析包括轮廓的起点和终点检测、轮廓的分支和孔洞分析等,通过轮廓拓扑分析,得到描述土工布图像中轮廓的拓扑结构信息,如轮廓的形状特征、分支情况等,根据得到的轮廓拓扑数据,对滤波土工布图像进行轮廓线识别,轮廓线识别是指从图像中提取和识别出代表轮廓的线段或曲线,轮廓线识别采用边缘检测算法、曲线拟合方法或其他形状识别技术来实现,利用得到的轮廓线数据,对滤波土工布图像进行湿度轮廓映射,湿度轮廓映射是将土工布图像中的湿度信息与轮廓线数据进行关联的过程,在湿度轮廓映射中,根据轮廓线的位置和形状特征,在滤波土工布图像上标记出对应的湿度轮廓线,得到的渗透轮廓线表示土工布图像中不同湿度区域之间的边界,用于进一步分析和评估水流渗透情况。
本实施例中,步骤S5的具体步骤为:
步骤S51:对水流渗透路径进行时序分析,生成时序渗透路径;
步骤S52:对时序渗透路径进行路径演变识别,以生成渗透路径演变数据;
步骤S53:对渗透路径演变数据进行变化趋势分析,得到渗透变化趋势数据;
步骤S54:对渗透变化趋势数据进行迁移流向模拟,得到水流迁移规律;
步骤S55:基于水流迁移规律进行渗透率分布反演,以构建土工布渗透场模型。
本实施例中,对水流渗透路径按照时间顺序进行分析,跟踪和记录水流在土工布上的渗透路径随时间的变化,对生成的时序渗透路径数据进行路径演变识别,路径演变识别分析和识别水流渗透路径的演变过程,使用图像处理、轨迹分析等方法,对时序渗透路径进行分析,识别出渗透路径的变化情况,通过路径演变识别,生成描述渗透路径演变的数据,记录水流在土工布上渗透路径的变化模式和趋势,对生成的渗透路径演变数据进行变化趋势分析,变化趋势分析旨在揭示渗透路径演变的整体趋势和规律,利用统计分析、数据挖掘等方法,对渗透路径演变数据进行分析,识别出其中的变化趋势,通过变化趋势分析,得到描述渗透路径演变趋势的数据,包括渗透路径的扩散、集聚、变形等趋势信息,利用得到的渗透变化趋势数据,进行水流迁移的模拟,迁移流向模拟是模拟水流在土工布上的迁移路径和规律的过程,采用流体力学模型、数值模拟等方法,基于渗透变化趋势数据模拟水流在土工布上的迁移过程,通过迁移流向模拟,得到描述水流迁移规律的数据,包括水流的流向、速度、扩散范围等信息,基于得到的水流迁移规律,进行渗透率分布的反演,渗透率分布反演是根据水流迁移规律推断土工布渗透率的过程,根据水流迁移规律反推土工布上的渗透率分布情况。
本实施例中,步骤S6的具体步骤为:
步骤S61:获取测定装置环境温度数据;
步骤S62:对测定装置环境温度数据进行区域温差分析,以得到区域温差数据;
步骤S63:对区域温差数据对土工布渗透场模型进行温度偏差优化处理,以得到优化渗透场模型;
步骤S64:基于优化渗透场模型对待测土工布进行动态渗透系数测定处理,以得到土工布垂直渗透结果。
本实施例中,利用温度传感器获取测定装置环境温度数据,对获取的环境温度数据进行区域温差分析,区域温差分析旨在确定不同区域之间的温度差异,将测定装置覆盖的区域划分为不同的区域,并计算每个区域内的平均温度,计算不同区域之间的温度差异,得到区域温差数据,基于得到的区域温差数据,对土工布渗透场模型进行温度偏差优化处理,温度偏差优化旨在调整渗透场模型,以考虑温度对渗透性能的影响,根据区域温差数据,对渗透场模型中的温度参数进行调整,以准确反映温度对土工布渗透性能的影响,通过优化处理,得到经过考虑温度偏差的优化渗透场模型,基于得到的优化渗透场模型,对待测土工布进行动态渗透系数测定处理,动态渗透系数测定旨在测量土工布在不同温度条件下的垂直渗透性能,将待测土工布放置在测定装置中,测量土工布在不同温度条件下的垂直渗透速率,并根据优化渗透场模型计算相应的动态渗透系数,根据测量结果和计算得到的动态渗透系数,得到土工布的垂直渗透结果,描述土工布在不同温度条件下的渗透性能。
在本实施例中,提供一种土工布智能垂直渗透系数测定装置,用于执行如上所述的土工布智能垂直渗透系数测定方法,包括:
渗透测试模块,用于对待测土工布进行水流渗透测试,并获取土工布湿度参数及土工布图像;
单元色调模块,用于基于土工布图像得到多个土工布分割单元;对多个土工布分割单元进行色调特征分析,以得到分割单元色调特征数据;
湿度分布模块,用于基于土工布湿度参数得到湿度分布数据;基于分割单元色调特征数据对湿度分布数据进行非均匀程度量化,以得到湿度非均匀程度值;
渗透路径模块,用于基于湿度非均匀程度值对土工布图像进行轮廓线提取,以得到渗透轮廓线;基于渗透轮廓线得到渗透形状数据;对渗透形状数据进行渗透轨迹重构,生成水流渗透路径;
渗透反演模块,用于对水流渗透路径进行路径演变识别,以生成渗透路径演变数据;对渗透路径演变数据进行渗透率分布反演,以构建土工布渗透场模型;
温度偏差优化模块,用于获取测定装置环境温度数据;基于测定装置环境温度数据对土工布渗透场模型进行温度偏差优化处理,以得到优化渗透场模型;基于优化渗透场模型得到土工布垂直渗透结果。
本发明通过渗透测试模块评估土工布在给定水头差下的渗透性能,获取土工布湿度参数提供土工布在测试过程中的湿度信息,用于后续的湿度分布分析和非均匀程度量化,获得土工布图像用于后续的单元色调分析和渗透路径模块中的轮廓线提取,单元色调模块对土工布图像进行分割单元处理将土工布图像划分为多个独立的区域,方便后续的色调特征分析和湿度分布模块的非均匀程度量化,色调特征分析提供了关于每个土工布分割单元的色调信息,用于后续的湿度分布分析和渗透路径模块的轮廓线提取,湿度分布模块通过非均匀程度量化通过分析分割单元色调特征数据,评估土工布湿度分布的非均匀程度,提供了定量的指标用于描述湿度分布的不均匀程度,渗透路径模块通过轮廓线提取基于湿度非均匀程度值,用于识别土工布图像中的渗透区域,提供了水流渗透的范围信息,渗透形状数据记录了土工布渗透区域的形状特征,为后续的渗透反演模块提供基础数据,渗透轨迹重构通过分析渗透形状数据,重建了水流在土工布上的渗透路径,提供了水流渗透过程的轨迹信息,渗透反演模块通过路径演变识别基于水流渗透路径,分析路径的变化和演变过程,提供了水流渗透路径的动态信息,为后续的渗透率分布反演提供依据,渗透率分布反演根据渗透路径演变数据,推导出土工布不同区域的渗透率分布情况,构建了土工布的渗透场模型,温度偏差优化模块通过获取测定装置环境温度数据考虑渗透测试过程中的温度影响,提供了温度相关的信息用于优化渗透场模型,温度偏差优化处理基于测定装置环境温度数据,对土工布渗透场模型进行修正和调整,提高渗透场模型的准确性和可靠性,优化渗透场模型提供了更精确的渗透率分布情况,通过模型计算得到土工布的垂直渗透结果,该结果可用于评估土工布的垂直渗透性能。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在申请文件的等同要件的含义和范围内的所有变化涵括在本发明内。
如上所述仅是本发明的具体实施方式,使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所发明的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种土工布智能垂直渗透系数测定方法,其特征在于,包括以下步骤:
步骤S1:对待测土工布进行水流渗透测试,并获取土工布湿度参数及土工布图像;
步骤S2:基于土工布图像得到多个土工布分割单元;对多个土工布分割单元进行色调特征分析,以得到分割单元色调特征数据;
步骤S3:基于土工布湿度参数得到湿度分布数据;基于分割单元色调特征数据对湿度分布数据进行非均匀程度量化,以得到湿度非均匀程度值;
步骤S4:基于湿度非均匀程度值对土工布图像进行轮廓线提取,以得到渗透轮廓线;基于渗透轮廓线得到渗透形状数据;对渗透形状数据进行渗透轨迹重构,生成水流渗透路径;
步骤S5:对水流渗透路径进行路径演变识别,以生成渗透路径演变数据;对渗透路径演变数据进行渗透率分布反演,以构建土工布渗透场模型;
步骤S6:获取测定装置环境温度数据;基于测定装置环境温度数据对土工布渗透场模型进行温度偏差优化处理,以得到优化渗透场模型;基于优化渗透场模型得到土工布垂直渗透结果。
2.根据权利要求1所述的土工布智能垂直渗透系数测定方法,其特征在于,步骤S1中所述水流渗透测试具体为:
对试验用水进行脱气恒温处理,并对试验用水进行溶解氧浓度计算,以得到试验用水溶解氧浓度;
基于预设的溶解氧浓度阈值对试验用水溶解氧浓度进行比较,当预设的溶解氧浓度阈值大于或等于测验用水溶解氧浓度,则判定为合格试验用水,并获取合格试验用水水量数据;
基于测定装置对所述待测土工布进行定位,得到土工布定位数据;
基于土工布定位数据对待测土工布进行渗透测试,并获取土工布图像;
基于合格试验用水水量数据对渗透测试后的待测土工布进行水量计算,以得到土工布湿度参数。
3.根据权利要求1所述的土工布智能垂直渗透系数测定方法,其特征在于,步骤S2的具体步骤为:
步骤S21:基于土工布图像进行单元分割,以得到多个土工布分割单元;
步骤S22:对多个土工布分割单元进行边缘识别,以得到土工布分割单元边缘数据;
步骤S23:对土工布分割单元边缘数据进行色调特征分析,以得到分割单元色调特征数据。
4.根据权利要求1所述的土工布智能垂直渗透系数测定方法,其特征在于,步骤S3的具体步骤为:
步骤S31:对土工布湿度参数进行湿度分布分析,以得到湿度分布数据;
步骤S32:基于分割单元色调特征数据对湿度分布数据进行湿度梯度分析,以得到分割单元湿度梯度数据;
步骤S33:对分割单元湿度梯度数据进行非均匀程度量化,以得到湿度非均匀程度值。
5.根据权利要求4所述的土工布智能垂直渗透系数测定方法,其特征在于,步骤S32的具体步骤为:
步骤S321:基于所述多个土工布分割单元对湿度分布数据进行湿度空间特征分析,以得到湿度空间特征数据;
步骤S322:对湿度空间特征数据进行分割单元平均湿度计算,生成单元平均湿度值;
步骤S323:基于单元平均湿度值进行湿度变化率计算,得到湿度变化率;
步骤S324:根据湿度变化率对所述多个土工布分割单元进行湿度强弱分析,以得到湿度强弱数据;
步骤S325:基于分割单元色调特征数据对湿度分布数据进行湿度梯度方向分析,以得到梯度方向数据;
步骤S326:对湿度强弱数据及梯度方向数据进行梯度差异定量分析,以得到分割单元湿度梯度数据。
6.根据权利要求1所述的土工布智能垂直渗透系数测定方法,其特征在于,步骤S4的具体步骤为:
步骤S41:对土工布图像进行平滑滤波处理,以得到滤波土工布图像;
步骤S42:基于湿度非均匀程度值对滤波土工布图像进行轮廓拓扑提取,得到渗透轮廓线;
步骤S43:基于渗透轮廓线进行渗透形状检测,以得到渗透形状数据;
步骤S44:对渗透形状数据进行水流连通分析,得到水流渗透值;
步骤S45:基于水流渗透值对渗透轮廓线进行渗透轨迹重构,生成水流渗透路径。
7.根据权利要求6所述的土工布智能垂直渗透系数测定方法,其特征在于,步骤S42的具体步骤为:
步骤S421:基于湿度非均匀程度值对滤波土工布图像进行膨胀卷积,以得到非均匀连接卷积图;
步骤S422:对非均匀连接卷积图进行连通域标记,以得到连通域边界点;
步骤S423:基于连通域边界点进行轮廓拓扑分析,得到轮廓拓扑数据;
步骤S424:基于轮廓拓扑数据对滤波土工布图像进行轮廓线识别,生成轮廓线数据;
步骤S425:利用轮廓线数据对滤波土工布图像进行湿度轮廓映射,以得到渗透轮廓线。
8.根据权利要求1所述的土工布智能垂直渗透系数测定方法,其特征在于,步骤S5的具体步骤为:
步骤S51:对水流渗透路径进行时序分析,生成时序渗透路径;
步骤S52:对时序渗透路径进行路径演变识别,以生成渗透路径演变数据;
步骤S53:对渗透路径演变数据进行变化趋势分析,得到渗透变化趋势数据;
步骤S54:对渗透变化趋势数据进行迁移流向模拟,得到水流迁移规律;
步骤S55:基于水流迁移规律进行渗透率分布反演,以构建土工布渗透场模型。
9.根据权利要求1所述的土工布智能垂直渗透系数测定方法,其特征在于,步骤S6的具体步骤为:
步骤S61:获取测定装置环境温度数据;
步骤S62:对测定装置环境温度数据进行区域温差分析,以得到区域温差数据;
步骤S63:对区域温差数据对土工布渗透场模型进行温度偏差优化处理,以得到优化渗透场模型;
步骤S64:基于优化渗透场模型对待测土工布进行动态渗透系数测定处理,以得到土工布垂直渗透结果。
10.一种土工布智能垂直渗透系数测定装置,其特征在于,用于执行如权利要求1所述的土工布智能垂直渗透系数测定方法,包括:
渗透测试模块,用于对待测土工布进行水流渗透测试,并获取土工布湿度参数及土工布图像;
单元色调模块,用于基于土工布图像得到多个土工布分割单元;对多个土工布分割单元进行色调特征分析,以得到分割单元色调特征数据;
湿度分布模块,用于基于土工布湿度参数得到湿度分布数据;基于分割单元色调特征数据对湿度分布数据进行非均匀程度量化,以得到湿度非均匀程度值;
渗透路径模块,用于基于湿度非均匀程度值对土工布图像进行轮廓线提取,以得到渗透轮廓线;基于渗透轮廓线得到渗透形状数据;对渗透形状数据进行渗透轨迹重构,生成水流渗透路径;
渗透反演模块,用于对水流渗透路径进行路径演变识别,以生成渗透路径演变数据;对渗透路径演变数据进行渗透率分布反演,以构建土工布渗透场模型;
温度偏差优化模块,用于获取测定装置环境温度数据;基于测定装置环境温度数据对土工布渗透场模型进行温度偏差优化处理,以得到优化渗透场模型;基于优化渗透场模型得到土工布垂直渗透结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410451006.4A CN118050300B (zh) | 2024-04-16 | 2024-04-16 | 一种土工布智能垂直渗透系数测定方法及测定装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410451006.4A CN118050300B (zh) | 2024-04-16 | 2024-04-16 | 一种土工布智能垂直渗透系数测定方法及测定装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118050300A true CN118050300A (zh) | 2024-05-17 |
CN118050300B CN118050300B (zh) | 2024-06-21 |
Family
ID=91052259
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410451006.4A Active CN118050300B (zh) | 2024-04-16 | 2024-04-16 | 一种土工布智能垂直渗透系数测定方法及测定装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118050300B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202063793U (zh) * | 2011-01-26 | 2011-12-07 | 天津市水利科学研究院 | 多级污水处理用生物反应系统 |
CN103760089A (zh) * | 2014-01-29 | 2014-04-30 | 山东农业大学 | 非饱和土相对渗透系数的试验-数值分析联合测定法 |
CN204241349U (zh) * | 2014-11-07 | 2015-04-01 | 李铮 | 一种测试多层土工布垂直渗透系数的试验装置 |
DE102017101000A1 (de) * | 2016-01-19 | 2017-07-20 | Wilhelmina Katzschmann | Messvorrichtung und Verfahren zur Bestimmung des Wassergehaltes eines Objektes |
CN108267394A (zh) * | 2018-03-09 | 2018-07-10 | 浙江省水利河口研究院 | 一种土石坝渗流场监控系统及其预警方法 |
CN111177646A (zh) * | 2019-12-30 | 2020-05-19 | 武汉市陆刻科技有限公司 | 一种岩溶含水层渗透场反演优化方法 |
CN113138148A (zh) * | 2021-04-21 | 2021-07-20 | 中国农业大学 | 一种基于红外图像的土壤入渗性能自动测量方法及装置 |
AU2021103395A4 (en) * | 2021-06-16 | 2021-08-05 | Jilin University | A Statistical Identification Method of Rock Pores Based on Deep Learning |
CN114091307A (zh) * | 2021-11-22 | 2022-02-25 | 汇通建设集团股份有限公司 | 一种对混凝土湿度场与收缩应力场的分析方法及系统 |
CN216560182U (zh) * | 2021-11-18 | 2022-05-17 | 浙江省水利河口研究院(浙江省海洋规划设计研究院) | 一种可自动测读土工布渗透系数的装置 |
WO2022121766A1 (zh) * | 2020-12-07 | 2022-06-16 | 天津天瞳威势电子科技有限公司 | 一种可行驶区域的检测方法及装置 |
WO2022139737A1 (en) * | 2020-12-21 | 2022-06-30 | Ege Universitesi | Fabric moisture transmission measurement device and operation method of the measurement device |
CN116486025A (zh) * | 2023-04-13 | 2023-07-25 | 济南市勘察测绘研究院 | 一种基于大数据云计算技术的城市地质数据处理平台 |
CN117169086A (zh) * | 2023-09-08 | 2023-12-05 | 中建安装集团有限公司 | 一种建筑物地下防水层施工质量检测方法、介质及系统 |
CN117470739A (zh) * | 2023-12-25 | 2024-01-30 | 河北天辰仪器设备有限公司 | 一种土工合成材料垂直渗透系数高效检测装置 |
-
2024
- 2024-04-16 CN CN202410451006.4A patent/CN118050300B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202063793U (zh) * | 2011-01-26 | 2011-12-07 | 天津市水利科学研究院 | 多级污水处理用生物反应系统 |
CN103760089A (zh) * | 2014-01-29 | 2014-04-30 | 山东农业大学 | 非饱和土相对渗透系数的试验-数值分析联合测定法 |
CN204241349U (zh) * | 2014-11-07 | 2015-04-01 | 李铮 | 一种测试多层土工布垂直渗透系数的试验装置 |
DE102017101000A1 (de) * | 2016-01-19 | 2017-07-20 | Wilhelmina Katzschmann | Messvorrichtung und Verfahren zur Bestimmung des Wassergehaltes eines Objektes |
CN108267394A (zh) * | 2018-03-09 | 2018-07-10 | 浙江省水利河口研究院 | 一种土石坝渗流场监控系统及其预警方法 |
CN111177646A (zh) * | 2019-12-30 | 2020-05-19 | 武汉市陆刻科技有限公司 | 一种岩溶含水层渗透场反演优化方法 |
WO2022121766A1 (zh) * | 2020-12-07 | 2022-06-16 | 天津天瞳威势电子科技有限公司 | 一种可行驶区域的检测方法及装置 |
WO2022139737A1 (en) * | 2020-12-21 | 2022-06-30 | Ege Universitesi | Fabric moisture transmission measurement device and operation method of the measurement device |
CN113138148A (zh) * | 2021-04-21 | 2021-07-20 | 中国农业大学 | 一种基于红外图像的土壤入渗性能自动测量方法及装置 |
AU2021103395A4 (en) * | 2021-06-16 | 2021-08-05 | Jilin University | A Statistical Identification Method of Rock Pores Based on Deep Learning |
CN216560182U (zh) * | 2021-11-18 | 2022-05-17 | 浙江省水利河口研究院(浙江省海洋规划设计研究院) | 一种可自动测读土工布渗透系数的装置 |
CN114091307A (zh) * | 2021-11-22 | 2022-02-25 | 汇通建设集团股份有限公司 | 一种对混凝土湿度场与收缩应力场的分析方法及系统 |
CN116486025A (zh) * | 2023-04-13 | 2023-07-25 | 济南市勘察测绘研究院 | 一种基于大数据云计算技术的城市地质数据处理平台 |
CN117169086A (zh) * | 2023-09-08 | 2023-12-05 | 中建安装集团有限公司 | 一种建筑物地下防水层施工质量检测方法、介质及系统 |
CN117470739A (zh) * | 2023-12-25 | 2024-01-30 | 河北天辰仪器设备有限公司 | 一种土工合成材料垂直渗透系数高效检测装置 |
Also Published As
Publication number | Publication date |
---|---|
CN118050300B (zh) | 2024-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107833220B (zh) | 基于深度卷积神经网络与视觉显著性的织物缺陷检测方法 | |
WO2021000524A1 (zh) | 孔位保护门检测方法、装置、计算机设备和存储介质 | |
CN113592861A (zh) | 一种基于动态阈值的桥梁裂缝检测方法 | |
CN106709958A (zh) | 一种基于灰度梯度和颜色直方图的图像质量评价方法 | |
den Bieman et al. | Deep learning video analysis as measurement technique in physical models | |
CN111709914B (zh) | 一种基于hvs特性的无参考图像质量评价方法 | |
CN108830856B (zh) | 一种基于时间序列sd-oct视网膜图像的ga自动分割方法 | |
CN111141653B (zh) | 一种基于神经网络的隧道渗漏速率预测方法 | |
CN108257125B (zh) | 一种基于自然场景统计的深度图像质量无参考评价方法 | |
CN116758491A (zh) | 应用于3d打印的打印监控图像分析方法及系统 | |
Ducottet et al. | Scale-adaptive detection and local characterization of edges based on wavelet transform | |
CN110503623A (zh) | 一种基于卷积神经网络的识别输电线路上鸟巢缺陷的方法 | |
CN115018790A (zh) | 一种基于异常检测的工件表面缺陷检测方法 | |
CN118096584B (zh) | 基于上下文感知和多尺度扩散网络的超声图像增强方法 | |
CN113392846A (zh) | 一种基于深度学习的水尺水位监测方法及系统 | |
CN113899349B (zh) | 海浪参数检测方法、设备及存储介质 | |
CN109272484B (zh) | 一种基于视频图像的降雨检测方法 | |
CN118329910A (zh) | 基于机器视觉的印刷纸缺陷检测系统及方法 | |
CN118050300B (zh) | 一种土工布智能垂直渗透系数测定方法及测定装置 | |
CN111738984B (zh) | 基于分水岭和种子填充的皮肤图像斑点评估方法及系统 | |
CN113470058A (zh) | 一种砾石的粒度分布测量方法及装置 | |
CN112468721A (zh) | 一种具有自动调焦功能的视觉采集方法及装置 | |
Schenk et al. | Automatic glottis segmentation from laryngeal high-speed videos using 3D active contours | |
CN113781513B (zh) | 一种电厂供水管道泄漏检测方法及系统 | |
CN107123105A (zh) | 基于fast算法的图像匹配缺陷检测方法 |
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 |