一种水泥及其基材料元素含量非直接测度方法和系统技术方案

本发明专利技术公开了一种水泥及其基材料元素含量非直接测度方法及系统；其中所述方法，包括：采集检测对象的微观结构图像和元素面扫描图像；所述检测对象为水泥或水泥基材料；使用采集到的数据，制作数据集；构建神经网络，并用数据集对网络进行训练；所述神经网络，是一种针对水泥的像素点或体素点级别的元素含量进行预测的网络模型；采集待测对象的微观结构数据，将待测对象的微观结构数据输入到训练后的神经网络中，得到初步预测结果；对初步预测结果进行采样，得到待测对象对应的元素面扫描或元素三维体的预测结果。元素三维体的预测结果。元素三维体的预测结果。

【技术实现步骤摘要】
一种水泥及其基材料元素含量非直接测度方法和系统


[0001]本专利技术涉及预测目的的数据处理
，特别是涉及一种水泥及其基材料元素含量非直接测度方法和系统。

技术介绍

[0002]本部分的陈述仅仅是提到了与本专利技术相关的
技术介绍
，并不必然构成现有技术。
[0003]水泥，现代建筑行业不可或缺的重要材料，重要性不言而喻，随着科技发展以及生产中对于在特殊环境中特种水泥的需求，水泥已不再局限于担任粘接料的角色了，更多特种水泥被开发出来，如硅酸盐块硬水泥，铝酸盐块硬水泥，硫铝酸盐块硬水泥和氟铝酸盐块硬水泥；用于防硫酸盐腐蚀，冻融和干湿作用的海港水利工程的抗硫酸盐水泥，具有膨胀特性的膨胀水泥，专门用于油气井固井用的油井水泥，耐火水泥，防辐射水泥等等。和其他材料一样，水泥的特性基本上是由其内部的化合物和组成元素决定。而目前国际上对于高性能水泥和特种水泥的研究，主要从两方面着手，一个是水泥水化的演化机理，另一个便是水泥配方优化。不管是哪一方面的研究，都需要对水泥的微观世界进行分析，因为微观决定宏观。而在对微观进行研究的过程中，研究人员只能通过扫本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种水泥及其基材料元素含量非直接测度方法，其特征是，包括：采集检测对象的微观结构图像和元素面扫描图像；所述检测对象为水泥或水泥基材料；使用采集到的数据，制作数据集；构建神经网络，并用数据集对网络进行训练；所述神经网络，是一种针对水泥的像素点或体素点级别的元素含量进行预测的网络模型；采集待测对象的微观结构数据，将待测对象的微观结构数据输入到训练后的神经网络中，得到初步预测结果；对初步预测结果进行采样，得到待测对象对应的元素面扫描或体扫描的预测结果。2.如权利要求1所述的一种水泥及其基材料元素含量非直接测度方法，其特征是，采集检测对象的微观结构图像和元素面扫描图像，包括：获取水泥微观结构图像，同时使用扫描电子显微镜结合EDS能谱分析仪获取相同位置的水泥元素面扫描图像；其中，获取水泥微观结构图像，使用扫描电子显微镜、断层扫描CT或者任何能获取到水泥微观结构图像的仪器来获取。3.如权利要求1所述的一种水泥及其基材料元素含量非直接测度方法，其特征是，所述使用采集到的数据，制作数据集，包括：按照马尔可夫随机场的原则和水泥微观结构各向同性的特性，设计一个指定大小的滑动窗口，以水泥微观结构数据左上角第一个点为滑动窗口的初始中心点，按照从左到右且从上到下的顺序依次滑动，截取滑动窗口内的二维图像或三维体，作为第一个点对应的输入数据，第一个点对应的标签是在元素面扫描图像或三维体中，与第一个像素点对应位置的灰度值；按照同样的方式，遍历水泥微观结构数据所有的点，得到所有点的输入数据和标签，得到数据集。4.如权利要求1所述的一种水泥及其基材料元素含量非直接测度方法，其特征是，所述使用采集到的数据，制作数据集，对于不同的问题场景，所述采集到的数据有着不同的指代含义；对于二维元素含量预测来说，所述采集到的数据是指采集到的原始微观结构图像和原始元素面扫描图像；对于三维元素含量预测来说，所述采集到的数据是指三维微观结构体和三维扫描体；所述三维微观结构体是指，将采集到的二维水泥微观结构图像按照层序，在通道上依次叠加，得到一个包含水泥内部微观结构的三维微观结构体；按照二维水泥微观结构图像相同的叠加层序，将对应的元素面扫描图叠加，得到水泥三维扫描体。5.如权利要求1所述的一种水泥及其基材料元素含量非直接测度方法，其特征是，构建神经网络，并用数据集对网络进行训练，包括：构建神经网络，所述神经网络，包括依次连接的特征提取模块和概率建模模块；神经网络构建完成后，采用数据集，选择对数似然损失函数，利用反向传播来对神经网络进行训练；所述特征提取模块，是指对所输入的水泥数据进行特征提取的神经网络，所述特征提取模块，是全连接网络，二维卷积神经网络或三维卷积神经网络任选其一，对于二维卷积神经网络或三维卷积神经网络来说，最后将得到的特征图展开，变成一维向量；
所述概率建模模块，是指一个包含多个并列全连接分支的输出层，每个全连接分支仅有一个全连接层。6.如权利要求5所述的一种水泥及其基材料元素含量非直接测度方法，其特征是，所述多个并列全连接分支的输出层，具体构建步骤包括：选定核函数；所述核函数，包括但不限于高斯函数、拉普拉斯函数等，不同核函数包括不同数量的参数，每个核函数的参数数量记为N，全连接分支的个数设为N+1；其中，核函数的选择原则是基于在所求解问题中，目标问题所遵循的概率分布的形式；设置核函数的个数为M个，每个全连接分支的神经元个数也为M个；第一个全连接分支的输出结果是M个核函数的权重(α1，α2，
…
，α
M
)，第二个全连接分支的输出结果是所有M个核函数的参数(parameter

【专利技术属性】
技术研发人员：王琳，袁健峰，韩瑞琪，吴旭，杨波，
申请(专利权)人：济南大学，
类型：发明
国别省市：