[發明專利]基于SEM圖像的膠結充填體力學響應特性預測方法

有效

• 申請號: 201810098527.0
• 申請日: 2018-01-31
• 公開（公告）號: CN108256258B
• 公開（公告）日: 2019-01-25
• 發明（設計）人: 秦學斌;劉浪;王湃;陳柳;張波;王美;張小艷;孫偉博;王燕;邱華富;辛杰;方治余;朱超
• 申請（專利權）人: 西安科技大學
• 主分類號: G06F17/50
• 分類號: G06F17/50;G06K9/62;G01N23/22
• 代理公司: 西安啟誠專利知識產權代理事務所(普通合伙) 61240
• 代理人: 李艷春

1.一種基于SEM圖像的膠結充填體力學響應特性預測方法，其特征在于，該方法包括以下步驟：

步驟一、從膠結充填體試樣(19)上取一部分制成SEM掃描電鏡樣品；

步驟二、采用SEM掃描電鏡對SEM掃描電鏡樣品進行掃描，形成SEM電鏡掃描圖像并存儲到計算機(17)中；

步驟三、所述計算機(17)調用高斯濾波處理模塊對SEM電鏡掃描圖像進行高斯濾波處理，得到高斯濾波處理后的SEM電鏡掃描圖像；

步驟四、所述計算機(17)調用FCM模糊聚類處理模塊對進行高斯濾波處理后的SEM電鏡掃描圖像進行孔隙圖像提取，得到與聚類中心數目相等的多個膠結充填體聚類圖像；

步驟五、所述計算機(17)將灰度值最小一類的膠結充填體聚類圖像確定為膠結充填體微觀孔隙圖，并對膠結充填體微觀孔隙圖進行二值化處理，得到膠結充填體微觀孔隙二值圖；

步驟六、所述計算機(17)將步驟三中得到的高斯濾波處理后的SEM電鏡掃描圖像與步驟五中得到的膠結充填體微觀孔隙二值圖進行合并，得到測試樣本圖像；

步驟七、所述計算機(17)對測試樣本圖像進行正規化處理，形成像素為960×960的正規化測試樣本圖像；

步驟八、所述計算機(17)將步驟七中得到的正規化測試樣本圖像輸入預先構建的Tensorflow深度學習力學響應預測網絡中，得到單軸力學響應預測結果。

2.按照權利要求1所述的基于SEM圖像的膠結充填體力學響應特性預測方法，其特征在于：步驟一中所述SEM掃描電鏡樣品的長度、寬度和高度均為10mm。

3.按照權利要求1所述的基于SEM圖像的膠結充填體力學響應特性預測方法，其特征在于：步驟三中所述計算機(17)調用高斯濾波處理模塊對SEM電鏡掃描圖像進行高斯濾波處理采用的公式為L(x,y)＝I(x,y)*G(x,y)，其中，I(x,y)表示SEM電鏡掃描圖像，G(x,y)為高斯濾波函數，L(x,y)為高斯濾波處理后的SEM電鏡掃描圖像，x為圖像的橫坐標，y為圖像的縱坐標。

4.按照權利要求1所述的基于SEM圖像的膠結充填體力學響應特性預測方法，其特征在于：步驟四中所述計算機(17)調用FCM模糊聚類處理模塊對進行高斯濾波處理后的SEM電鏡掃描圖像進行孔隙圖像提取，得到與聚類中心數目相等的多個膠結充填體聚類圖像的具體過程為：

步驟401、定義采用基于樣本加權的FCM模糊聚類算法，目標函數為滿足極值的約束條件為其中，U為模糊矩陣且U＝[u₁₁,u₂₂,…,u_cn]，u_ik為矩陣U的元素且u_ik表示第k個樣本點屬于第i類的隸屬度，n為樣本點總數，c為聚類中心數目；V＝{v₁,v₂,...v_c}是c個類的聚類中心，w_k為樣本點x_k的權值，d_ik為樣本點x_k到中心點v_i的歐式距離，v_i為V的元素，x_k為樣本集X的第k個樣本點且X＝{x₁,x₂,...x_n}，m為隸屬度u_ik的權重指數且m＞1；

步驟402、設置聚類中心數目c的值、隸屬度u_ik的權重指數m的值和最小迭代誤差ε的值；

步驟403、用公式更新樣本點x_k的權值w_k；u_τj為矩陣U的元素且u_τj表示第j個樣本點屬于第τ類的隸屬度，1≤τ≤c，1≤j≤n；v_τ為V的元素；u_ij為矩陣U的元素且u_ij表示第j個樣本點屬于第i類的隸屬度；

步驟404、用公式更新u_ik；其中，d_rk為樣本點x_k到中心點v_r的歐式距離，1≤r≤c；

步驟405、用公式更新v_i；

步驟406、判斷是否滿足||J(t+1)-J(t)||＜ε′，當滿足||J(t+1)-J(t)||＜ε′時，聚類停止，提取得到與聚類中心數目相等的多個膠結充填體聚類圖像；否則，返回步驟403；其中，t為時間。