CN118212142A - 确定结晶岩石矿物几何异质性的方法及系统 - Google Patents

确定结晶岩石矿物几何异质性的方法及系统 Download PDF

Info

Publication number
CN118212142A
CN118212142A CN202410285406.2A CN202410285406A CN118212142A CN 118212142 A CN118212142 A CN 118212142A CN 202410285406 A CN202410285406 A CN 202410285406A CN 118212142 A CN118212142 A CN 118212142A
Authority
CN
China
Prior art keywords
mineral
crystalline
rock
grain
determining
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
CN202410285406.2A
Other languages
English (en)
Other versions
CN118212142B (zh
Inventor
张浩然
张宁
曾伟国
汤浩
赵晖
黄忠春
陈必灿
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.)
China Water Resources Pearl River Planning Surverying & Designing Co ltd
Original Assignee
China Water Resources Pearl River Planning Surverying & Designing Co ltd
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 China Water Resources Pearl River Planning Surverying & Designing Co ltd filed Critical China Water Resources Pearl River Planning Surverying & Designing Co ltd
Priority to CN202410285406.2A priority Critical patent/CN118212142B/zh
Publication of CN118212142A publication Critical patent/CN118212142A/zh
Application granted granted Critical
Publication of CN118212142B publication Critical patent/CN118212142B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • 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
    • G06T2207/10004—Still image; Photographic image

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)

Abstract

本发明提供了一种确定结晶岩石矿物几何异质性的方法及系统，涉及图像处理的技术领域，包括：获取结晶岩石的图像信息；基于所述图像信息，确定所述结晶岩石中各个矿物晶粒的粒径；基于所述结晶岩石中各个矿物晶粒的粒径，确定各个所述结晶岩石中的矿物平均粒径和关键控制参数；基于所述结晶岩石中各个矿物平均粒径和控制参数，确定所述结晶岩石矿物几何异质性参数，解决了现有技术中存在的通过无量纲几何异质性指数表征岩石的几何异质性存在一定的局限性和误差的技术问题，达到了可快速、批量化的对结晶岩石矿物晶粒大小的非均匀性进行评价。

Description

确定结晶岩石矿物几何异质性的方法及系统
技术领域
本发明涉及图像处理技术领域，尤其是涉及一种确定结晶岩石矿物几何异质性的方法及系统。
背景技术
矿物是组成完整岩石的基本单元，是岩石异质性形成的物质基础，其中矿物晶粒所构成的几何异质性控制了岩石裂纹的启裂、聚集、扩展和贯通，对岩石的变形破坏过程和力学性能具有显著的影响。
目前，可通过矿物特征粒径构建定量指标的方式描述岩石的异质性，并融入到岩石力学性能中，由于天然岩石矿物粒度复杂的分布特征，在实验室条件下难以准确量化矿物粒度特征，因此采用特定的矿物粒度来表征岩石的几何异质性，如直接用晶粒尺寸的最大直径与最小直径的比值作为几何异质性指标，或是在考虑每种矿物平均粒度尺寸的基础上建立无量纲几何异质性指数其中da为岩石颗粒的平均粒径ωi和ri为不同组成矿物的体积分数和平均粒径，m为矿物类型数，然后上述指标在应用过程中存在一定的局限性，当出现个别极大颗粒或极小颗粒，上述指标可能会夸大几何异质性的指标，当岩石只含一种矿物时，指数不能描述矿物粒度的非均质特征，或当某一矿物的粒度变化幅度较大时，指数会忽略各个矿物本身的粒度非均质性，存在一定的多解性。
发明内容
本发明的目的在于提供一种确定结晶岩石矿物几何异质性的方法及系统，以解决了现有技术中存在的通过无量纲几何异质性指数表征岩石的几何异质性存在一定的局限性和误差的技术问题。
第一方面，本申请实施例提供了一种确定结晶岩石矿物几何异质性的方法，包括：
获取结晶岩石的图像信息；
基于所述图像信息，确定所述结晶岩石中各个矿物晶粒的粒径；
基于所述结晶岩石中各个矿物晶粒的粒径，确定各个所述结晶岩石中的矿物平均粒径和关键控制参数；
基于所述结晶岩石中各个矿物平均粒径和控制参数，确定所述结晶岩石矿物几何异质性参数。
在可选的实施例中，基于所述图像信息，确定所述结晶岩石中各个矿物晶粒的粒径，还包括：
对所述图像信息进行灰度转换，得到灰度图像；
基于所述灰度图像，建立灰度直方图；
根据矿物的含量和所述灰度直方图，确定所述各个矿物的灰度分割阈值；
对所述各个矿物的灰度分割阈值进行二值化处理，得到各个矿物的二值化图像；
根据所述各个矿物的二值化图像，确定所述结晶岩石中各个矿物晶粒的粒径。
在可选的实施例中，基于所述结晶岩石中各个矿物晶粒的粒径，确定各个所述结晶岩石中的矿物平均粒径，包括：
计算各个所述结晶岩石中的矿物平均粒径，可根据如下公式：
式中，n为矿物晶粒的数量，di为各个矿物晶粒的粒径，i为第i个矿物晶粒。
在可选的实施例中，所述获取结晶岩石的图像信息，之后，还包括：
获取结晶岩石试样的实际尺寸；
基于所述结晶岩石试样的实际尺寸与所述图像信息，得到图像比例尺。
在可选的实施例中，基于所述结晶岩石中各个矿物晶粒的粒径，确定各个所述结晶岩石中的矿物关键控制参数，包括:
基于各个所述结晶岩石中的矿物平均粒径，得到粒径级配曲线；
根据所述粒径级配曲线，得到各个所述结晶岩石中的矿物反应几何异质性的关键控制参数。
在可选的实施例中，基于所述各个矿物的平均粒径，得到粒径级配曲线，包括：
基于所述结晶岩石中各个矿物晶粒的粒径、各个粒组频率和累计频率，绘制粒径级配曲线。
在可选的实施例中，基于所述结晶岩石中各个矿物平均粒径和控制参数，确定所述结晶岩石矿物几何异质性参数，包括：
几何异质性指数表达式为：
式中，ds为反应几何异质性的关键控制参数，其中S为1、2、3、4和5，ds为颗粒含量为10％、30％、50％、70％和90％所对应的粒径。
第二方面，本申请实施例提供了一种确定结晶岩石矿物几何异质性的系统，包括：
获取模块，用于获取结晶岩石的图像信息；
计算模块，基于所述图像信息，确定所述结晶岩石中各个矿物晶粒的粒径；
提取模块，基于所述结晶岩石中各个矿物晶粒的粒径，确定各个所述结晶岩石中的矿物平均粒径和关键控制参数；
评价模块，基于所述结晶岩石中各个矿物平均粒径和控制参数，确定所述结晶岩石矿物几何异质性参数。
第三方面，本申请实施例中还提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面中任一项所述的方法的步骤。
第四方面，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有机器可运行指令，所述机器可运行指令在被处理器调用和运行时，所述机器可运行指令促使所述处理器运行上述第一方面中任一项所述的方法。
本发明提供的一种确定结晶岩石矿物几何异质性的方法及系统，通过获取结晶岩石的图像信息；基于所述图像信息，确定所述结晶岩石中各个矿物的平均粒径；基于所述各个矿物的平均粒径，确定所述各个矿物平均粒径的控制参数；基于所述各个矿物平均粒径的控制参数和几何异质性指数，得到结晶岩石矿物几何异质性参数。可以快速、批量化的对结晶岩石矿物晶粒大小的非均匀性进行评价，且通过计算机视觉技术处理即可定量评价现实物理实验中矿物晶粒几何异质性，无需复杂的操作步骤和过多的计算资源。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的确定结晶岩石矿物几何异质性的方法流程示意图；
图2为本发明实施例提供的试样的表面彩色图像示意图；
图3为本发明实施例提供的试样的表面灰度图像示意图；
图4为本发明实施例提供的灰度图像灰度直方图及其各类矿物灰度分割阈值图示意图；
图5为本发明实施例提供的各类矿物的二值化图示意图；
图6为本发明实施例提供的矿物粒径级配曲线及几何异质性计算关键参数图示意图；
图7为本发明实施例提供的一种确定结晶岩石矿物几何异质性的系统结构示意图；
图8为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
下面结合附图，对本发明的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
图1为本申请实施例提供的一种确定结晶岩石矿物几何异质性的方法的流程示意图，如图1所示，该方法包括如下步骤：
S110、获取结晶岩石的图像信息。
其中，可以通过手机或相机采集结晶岩石试样的表面的高质量图像信息。如图2所示，图像信息为包含丰富矿物信息的彩色图像。
为了使其检测更加准确，故需要将结晶岩石试样的表面进行处理，使其结晶岩石试样的表面平整，并选取一个具有一定尺寸的完整的结晶岩石作为检测试样。
为了便于后续的尺寸转换和粒度计算，需要确定图像的比例尺。
在一些实施例中，在获取结晶岩石的图像信息之后，还包括：
获取结晶岩石试样的实际尺寸；
基于所述结晶岩石试样的实际尺寸与所述图像信息，得到图像比例尺。
其中，将结晶岩石试样的实际尺寸和所获取的图像信息的像素尺寸进行匹配，获得图像的比例尺。
S120、基于所述图像信息，确定所述结晶岩石中各个矿物晶粒的粒径。
在一些实施例中，基于图像信息，确定所述结晶岩石中各个矿物晶粒的粒径，具体包括如下步骤：
步骤1：对所述图像信息进行灰度转换，得到灰度图像；
步骤2：基于所述灰度图像，建立灰度直方图；
步骤3：根据矿物的含量和所述灰度直方图，确定所述各个矿物的灰度分割阈值；
步骤4：对所述各个矿物的灰度分割阈值进行二值化处理，得到各个矿物的二值化图像；
步骤5：根据所述各个矿物的二值化图像，确定所述结晶岩石中各个矿物晶粒的粒径。
其中，可以通过调用OpenCV库中的cvtColor函数(颜色空间转换函数)将彩色图像进行灰度处理，得到如图3所示的灰度图像，并采用calcHist函数(图像颜色直方图函数)生成灰度直方图，灰度直方图可直观展示不同矿物因颜色差异导致的灰度值分布特征；
由于各类矿物的颜色不同，灰度直方图中出现不同的峰值和峰谷，由于灰度直方图的峰谷处通常为各类矿物的分割阈值，为了更准确的确定各类矿物的分割阈值，可参考基于XRD(X射线衍射)得到矿物含量确定分割阈值，如图4所示，本发明实例中云母的分割阈值为0～65，石英的分割阈值为65～170，长石的分割阈值为170～255；
利用threshold函数，根据设定的各个矿物的灰度分割阈值，将灰度图像进行二值化处理，使得各个矿物在二值图像上表现为独立的黑白区域，便于后续的颗粒识别与计数，图5为各个矿物的二值化图像；
根据二值化图像，利用OpenCV的findContours函数识别出各个矿物颗粒边界，根据各个矿物颗粒边界，计算器等效直径或边界框大小来代表各个矿物的晶粒的粒径。
在一些实施例中，基于XRD得到矿物含量确定分割阈值，确定图像中矿物分割阈值的过程如下:
对采样的结晶岩石样品进行XRD测试，通过X射线照射样品，不同矿物因其晶体结构的不同会对射线产生特定的衍射图案，从而可识别和量化样品中各类矿物的相对含量或绝对含量；
根据XRD测试结果，确定各个矿物在结晶岩石中的含量，以及将各个矿物在结晶岩石中的含量与灰度图像上的灰度值进行关联；
将结晶岩石的彩色图像转换为灰度图像，绘制灰度直方图，其中，不同灰度值区间对应不同矿物占据的灰度范围，可通过观察灰度直方图，确定不同矿物对应的灰度峰值和谷值；
结合XRD测定的矿物含量数据，分析灰度直方图中各个矿物赌赢的灰度分布特征，设置合理的灰度分割阈值。
通过XRD确定矿物含量信息后，将其与图像处理相结合，可以在直方图中找到特定矿物灰度响应的界限，进而确定矿物在图像中的分割阈值，从而提高了岩石矿物分析的自动化程度和精细化水平。
在一些实施例中，基于所述结晶岩石中各个矿物晶粒的粒径，确定各个所述结晶岩石中的矿物平均粒径，包括：
计算各个所述结晶岩石中的矿物平均粒径，可根据如下公式：
式中，n为矿物晶粒的数量，di为各个矿物晶粒的粒径，i为第i个矿物晶粒。
具体的，可以采用contourArea函数读取每个矿物颗粒的面积，结合比例尺换算成实际粒径大小，进而计算出各个矿物平均粒径。
S130、基于所述各个矿物的平均粒径，确定所述各个矿物平均粒径的控制参数。
在一些实施例中，基于所述结晶岩石中各个矿物晶粒的粒径，确定各个所述结晶岩石中的矿物关键控制参数，包括：
基于各个所述结晶岩石中的矿物平均粒径，得到粒径级配曲线；
根据所述粒径级配曲线，得到各个所述结晶岩石中的矿物反应几何异质性的关键控制参数。
其中，粒径级配曲线又称分布曲线或颗粒及配图，用于直观展示结晶岩石试样中颗粒大小分布情况。在结晶岩石矿物分析中，粒径级配曲线反映了岩石内部同粒径矿物颗粒的数量或体积随粒径变化的分布规律。
如图6所示，基于所述结晶岩石中各个矿物晶粒的粒径、各个粒组频率和累计频率，绘制粒径级配曲线，可通过如下内容，绘制粒径级配曲线：
1.粒径统计，通过利用OpenCV的findContours函数识别出矿物颗粒边界并统计其数量，并采用contourArea函数读取每个矿物颗粒的面积，结合比例尺换算成实际粒径大小，进而计算出各个矿物的平均粒径；
2.计算各个粒组频率，针对每个粒径等级，记录该粒径范围内颗粒的数量或体积，即频数或频率。其中频数是指具有相同或相近粒径的颗粒总数，频率是指频数占总颗粒数的百分比；
3.计算累计频率，将各粒径等级的频率进行累加，得到累计频率或累计体积频率，表示大小或等于某粒径的颗粒所占总体积或总数量的百分比；
4.绘制粒径级配曲线，在坐标轴上，以横坐标表示粒径大小，纵坐标表示颗粒的频率或累计频率，也可以是体积频率或质量频率，连接各粒径等级对应的频率或累计频率点，形成一条平滑的曲线，这个曲线是粒径级配曲线。
进一步，在得到粒径级配曲线后，从粒径级配曲线中提取各个所述结晶岩石中的矿物反应几何异质性的关键控制参数。
其中关键控制参数是可以反映矿物粒度分布特征的核心指标，该控制参数主要包括：累计粒径百分比参数、粒径级配曲线的形状参数、不均匀系数和曲率系数以及其他特定功能参数等。
粒径级配曲线反映了各粒组的含量，根据曲线的形状可以判断粒径的均匀程度，从而表征岩土颗粒的分布特征。因此，本申请中通过提取粒径级配曲线中的具有代表性的反应几何异质性的关键控制参数，计算与平均粒径的标准差来表征结晶岩石矿物几何异质性参数。
S140、基于所述结晶岩石中各个矿物平均粒径和控制参数，确定所述结晶岩石矿物几何异质性参数。
在一些实施例中，几何异质性指数表达公式为：
式中，ds为反应几何异质性的关键控制参数，其中S为1、2、3、4和5，ds为颗粒含量为10％、30％、50％、70％和90％所对应的粒径。
本申请中，提取粒径级配曲线中的具有代表性的反应几何异质性的关键控制参数，具体的为颗粒含量分别为10％、30％、50％、75％和90％所对应的粒径，将各关键控制参数粒径输入至几何异质性指数，得到相对应的结晶岩石矿物几何异质性参数，如下表1所示，通过上述方法获得的3种结晶岩石矿物几何异质性参数：
表1结晶岩石矿物几何异质性参数
试样编号 平均粒径da(mm) 几何异质性参数
1 2.89 0.171
2 2.80 0.173
3 2.82 0.170
例如，将试样编号1的平均粒径与反应几何异质性的5个关键控制参数，输入至上述几何异质性指数表达式中，得到试样编号1的几何异质性参数为0.171。
通过本申请的方法获得的几何异质性参数与现有的方法相比，其中，如颗粒含量为10％所对应的粒径和颗粒含量为90％所对应的粒径与平均粒径标准差在一定程度上反应了矿物粒度的极值情况，这种极值情况与Ding指标所反映的异质性相似，而颗粒含量为25％对应的粒径与75％对应的粒径在一定程度上反应矿物的分布特征，与Nicksiar指标所反映的异质性相似，而本申请中的几何异质性指数没有区分不同矿物的异质性，故不受矿物类型、矿物含量或粒度分布特征的特征影响，因此应用广泛。
综上，本发明实施例提供的确定结晶岩石矿物几何异质性的方法具有如下创新点：
1、通过提取粒径级配曲线中的控制参数，并将控制参数输入至几何异质性指数中，可得到定量评价几何异质性的参数，计算简单、方便；
2、通过计算机视觉技术处理即可定量评价现实物理试验中矿物晶粒几何异质性，无需复杂的操作步骤和过多的计算资源，具有成本低、批量化操作的特点，适合在定量分析几何异质性对物理力学性质影响的研究中推广。
对应于上述的确定结晶岩石矿物几何异质性的方法，本发明实施例还提供了一种确定结晶岩石矿物几何异质性的系统。参见图7所示的一种确定结晶岩石矿物几何异质性的系统的结构示意图，该系统包括：
获取模块210，用于获取结晶岩石的图像信息；
计算模块220，基于所述图像信息，确定所述结晶岩石中各个矿物的平均粒径；
提取模块230，基于所述各个矿物的平均粒径，确定所述各个矿物平均粒径的控制参数；
评价模块240，基于所述各个矿物平均粒径的控制参数和几何异质性指数，得到结晶岩石矿物几何异质性参数。
在一些实施例中，计算模块220还用于：
对所述图像信息进行灰度转换，得到灰度图像；
基于所述灰度图像，建立灰度直方图；
根据矿物的含量和所述灰度直方图，确定所述各个矿物的灰度分割阈值；
对所述各个矿物的灰度分割阈值进行二值化处理，得到各个矿物的二值化图像；
根据所述各个矿物的二值化图像，确定所述结晶岩石中各个矿物晶粒的粒径。
在一些实施例中，提取模块230还包括：
计算各个所述结晶岩石中的矿物平均粒径，可根据如下公式：
式中，n为矿物晶粒的数量，di为各个矿物晶粒的粒径，i为第i个矿物晶粒。
在一些实施例中，获取模块210还用于：
获取结晶岩石试样的实际尺寸；
基于所述结晶岩石试样的实际尺寸与所述图像信息，得到图像比例尺。
在一些实施例中，提取模块230还用于：
基于各个所述结晶岩石中的矿物平均粒径，得到粒径级配曲线；
根据所述粒径级配曲线，得到各个所述结晶岩石中的矿物反应几何异质性的关键控制参数。
在一些实施例中，提取模块230还用于：
基于所述结晶岩石中各个矿物晶粒的粒径、各个粒组频率和累计频率，绘制粒径级配曲线。
在一些实施例中，评价模块240还用于：
几何异质性指数表达式为：
式中，ds为反应几何异质性的关键控制参数，其中S为1、2、3、4和5，ds为颗粒含量为10％、30％、50％、70％和90％所对应的粒径。
本申请实施例所提供的系统，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，系统实施例部分未提及之处，可参考前述方法实施例中相应内容。
如图8所示，本申请实施例提供的一种电子设备600，包括：处理器601、存储器602和总线，存储器602存储有处理器601可执行的机器可读指令，当电子设备运行时，处理器601与存储器602之间通过总线通信，处理器601执行机器可读指令，以执行如上述确定结晶岩石矿物几何异质性的方法的步骤。
具体地，上述存储器602和处理器601能够为通用的存储器和处理器，这里不做具体限定，当处理器601运行存储器602存储的计算机程序时，能够执行上述确定结晶岩石矿物几何异质性的方法。
处理器601可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器601中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器601可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(DigitalSignal Processing，简称DSP)、专用集成电路(Application Specific IntegratedCircuit，简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器602，处理器601读取存储器602中的信息，结合其硬件完成上述方法的步骤。
对应于上述确定结晶岩石矿物几何异质性的方法，本申请实施例还提供了一种计算机可读存储介质，计算机可读存储介质存储有机器可运行指令，计算机可运行指令在被处理器调用和运行时，计算机可运行指令促使处理器运行上述确定结晶岩石矿物几何异质性的方法的步骤。
本申请实施例所提供的确定结晶岩石矿物几何异质性的系统可以为设备上的特定硬件或者安装于设备上的软件或固件等。本申请实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，前述描述的系统、装置和单元的具体工作过程，均可以参考上述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的实施例中，应该理解到，所揭露系统和方法，可以通过其它的方式实现。以上所描述的系统实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
再例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请提供的实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台电子设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例评价方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种确定结晶岩石矿物几何异质性的方法，其特征在于，包括：
获取结晶岩石的图像信息；
基于所述图像信息，确定所述结晶岩石中各个矿物晶粒的粒径；
基于所述结晶岩石中各个矿物晶粒的粒径，确定各个所述结晶岩石中的矿物平均粒径和关键控制参数；
基于所述结晶岩石中各个矿物平均粒径和控制参数，确定所述结晶岩石矿物几何异质性参数。
2.根据权利要求1所述的方法，其特征在于，基于所述图像信息，确定所述结晶岩石中各个矿物晶粒的粒径，还包括：
对所述图像信息进行灰度转换，得到灰度图像；
基于所述灰度图像，建立灰度直方图；
根据矿物的含量和所述灰度直方图，确定所述各个矿物的灰度分割阈值；
对所述各个矿物的灰度分割阈值进行二值化处理，得到各个矿物的二值化图像；
根据所述各个矿物的二值化图像，确定所述结晶岩石中各个矿物晶粒的粒径。
3.根据权利要求2所述的方法，其特征在于，基于所述结晶岩石中各个矿物晶粒的粒径，确定各个所述结晶岩石中的矿物平均粒径，包括：
计算各个所述结晶岩石中的矿物平均粒径，可根据如下公式：
式中，n为矿物晶粒的数量，di为各个矿物晶粒的粒径，i为第i个矿物晶粒。
4.根据权利要求1所述的方法，其特征在于，所述获取结晶岩石的图像信息，之后，还包括：
获取结晶岩石试样的实际尺寸；
基于所述结晶岩石试样的实际尺寸与所述图像信息，得到图像比例尺。
5.根据权利要求1所述的方法，其特征在于，基于所述结晶岩石中各个矿物晶粒的粒径，确定各个所述结晶岩石中的矿物关键控制参数，包括:
基于各个所述结晶岩石中的矿物平均粒径，得到粒径级配曲线；
根据所述粒径级配曲线，得到各个所述结晶岩石中的矿物反应几何异质性的关键控制参数。
6.根据权利要求5所述的方法，其特征在于，基于所述各个矿物的平均粒径，得到粒径级配曲线，包括：
基于所述结晶岩石中各个矿物晶粒的粒径、各个粒组频率和累计频率，绘制粒径级配曲线。
7.根据权利要求1所述的方法，其特征在于，基于所述结晶岩石中各个矿物平均粒径和控制参数，确定所述结晶岩石矿物几何异质性参数，包括：
几何异质性指数表达式为：
式中，ds为反应几何异质性的关键控制参数，其中S为1、2、3、4和5，ds为颗粒含量为10％、30％、50％、70％和90％所对应的粒径。
8.一种确定结晶岩石矿物几何异质性的系统，其特征在于，包括：
获取模块，用于获取结晶岩石的图像信息；
计算模块，基于所述图像信息，确定所述结晶岩石中各个矿物晶粒的粒径；
提取模块，基于所述结晶岩石中各个矿物晶粒的粒径，确定各个所述结晶岩石中的矿物平均粒径和关键控制参数；
评价模块，基于所述结晶岩石中各个矿物平均粒径和控制参数，确定所述结晶岩石矿物几何异质性参数。
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有机器可运行指令，所述机器可运行指令在被处理器调用和运行时，所述机器可运行指令促使所述处理器运行上述权利要求1至7中任一项所述的方法。
CN202410285406.2A 2024-03-13 2024-03-13 确定结晶岩石矿物几何异质性的方法及系统 Active CN118212142B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410285406.2A CN118212142B (zh) 2024-03-13 2024-03-13 确定结晶岩石矿物几何异质性的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410285406.2A CN118212142B (zh) 2024-03-13 2024-03-13 确定结晶岩石矿物几何异质性的方法及系统

Publications (2)

Publication Number Publication Date
CN118212142A true CN118212142A (zh) 2024-06-18
CN118212142B CN118212142B (zh) 2024-10-29

Family

ID=91445996

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410285406.2A Active CN118212142B (zh) 2024-03-13 2024-03-13 确定结晶岩石矿物几何异质性的方法及系统

Country Status (1)

Country Link
CN (1) CN118212142B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115618700A (zh) * 2022-09-26 2023-01-17 长安大学 基于矿物识别技术的含片理面岩石建模方法和系统
CN116977589A (zh) * 2023-09-25 2023-10-31 中国石油天然气股份有限公司 一种岩心三维数值模型的构建方法、装置、设备及介质
US20240012174A1 (en) * 2020-09-10 2024-01-11 Khalifa University of Science and Technology Morphology decoder to predict heterogeneous rock permeability with machine learning guided 3d vision

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20240012174A1 (en) * 2020-09-10 2024-01-11 Khalifa University of Science and Technology Morphology decoder to predict heterogeneous rock permeability with machine learning guided 3d vision
CN115618700A (zh) * 2022-09-26 2023-01-17 长安大学 基于矿物识别技术的含片理面岩石建模方法和系统
CN116977589A (zh) * 2023-09-25 2023-10-31 中国石油天然气股份有限公司 一种岩心三维数值模型的构建方法、装置、设备及介质

Also Published As

Publication number Publication date
CN118212142B (zh) 2024-10-29

Similar Documents

Publication Publication Date Title
CN109886928B (zh) 一种目标细胞标记方法、装置、存储介质及终端设备
CN114627092A (zh) 缺陷检测方法、装置、电子设备及可读存储介质
CN111899237B (zh) 标尺精度测量方法、装置、计算机设备和存储介质
CN112561940B (zh) 密集多目标参数提取的方法、装置及终端设备
CN110288602A (zh) 滑坡提取方法、滑坡提取系统及终端
CN112215790A (zh) 基于深度学习的ki67指数分析方法
CN116391204A (zh) 线宽测量方法、装置、计算处理设备、计算机程序及计算机可读介质
CN111259890A (zh) 一种水位尺的水位识别方法、装置及设备
CN112014413A (zh) 一种基于机器视觉的手机玻璃盖板视窗区缺陷检测方法
CN115100199A (zh) 一种晶圆低纹理缺陷的检测方法
CN114742849B (zh) 一种基于图像增强的水准仪距离测量方法
CN114820625A (zh) 一种汽车顶块缺陷检测方法
CN111259903A (zh) 识别表计示数方法、装置、可读存储介质和计算机设备
CN117274251B (zh) 基于图像数据的药品生产过程中药片质量检测方法
CN114332012A (zh) 缺陷检测方法、装置、设备及计算机可读存储介质
CN117237435B (zh) 肿瘤预后效果评估的方法、装置、电子设备和存储介质
CN118212142B (zh) 确定结晶岩石矿物几何异质性的方法及系统
CN117635615A (zh) 基于深度学习实现冲孔模具的缺陷检测方法及系统
CN114240924A (zh) 一种基于数字化技术的电网设备质量评估方法
CN109978903A (zh) 一种标识点识别方法、装置、电子设备及存储介质
CN111401377A (zh) 一种仪表数据读取方法、装置、电子设备及存储介质
CN115690431A (zh) 条码图像二值化方法、装置、存储介质及计算机设备
CN115564776A (zh) 基于机器学习的异常细胞样本检测方法和装置
CN114494204A (zh) 一种基于深度学习的Ki67指数计算方法
CN114387219A (zh) 眼底动静脉交叉压迫特征的检测方法、装置、介质及设备

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