【技术实现步骤摘要】
本专利技术涉及滑带土物理性质识别，特别是涉及一种基于sem图像的滑带土物理性质识别系统和方法。
技术介绍
1、我国地质条件复杂、地形地貌多样、地质改造作用强烈，滑带作为滑坡的关键地质要素，其结构与强度特征对滑坡的稳定性起着决定性的作用。滑坡稳定性常取决于滑带的应力状态和强度变化。而滑带强度的变化又取决于土的类型、微观结构特征、物质成分和赋存环境等。滑带土不同于周围岩土体的性质主要表现在应力与变形历史不同、物质成分不同以及结构特征不同。颗粒级配和颗粒矿物成分对分析滑带土抗剪强度是非常重要的指标。
2、目前常用扫描电子显微镜（sem）分析滑带土的微结构，包括微孔隙、矿物定向排列、擦痕、树枝状结构、网状结构及微生物等；采用 x 射线衍射仪（xdr）结合 x 射线荧光光谱（xrf）分析了滑带土中矿物的种类和含量；sem 图像获取细观孔隙形态比、孔隙和颗粒的分形维数、颗粒圆形度、颗粒离散指数；采用核磁共振（nmr）技术测试分析土体内部孔隙结构。目前获取滑带土颗粒级配和颗粒矿物成分的工作多在室内实验室设备进行，测定周期较长，且上机操作较为复杂。
技术实现思路
1、针对上述技术问题，本专利技术采用的技术方案为：
2、根据本申请的第一方面，提供了一种基于sem图像的滑带土物理性质识别方法，所述方法包括以下步骤：
3、s100，获取待识别滑带土对应的初始sem图像；
4、s200，对所述初始sem图像进行二值化处理，以得到待识别滑带土对应的二值化图像；
5、s300，获取二值化图像中的每一子区域，以得到子区域列表a=（a1，a2，…，ai，…，an），i=1，2，…，n；其中，ai为获取到的二值化图像中的第i个子区域，n为二值化图像中子区域的数量；
6、s400，获取a中每一子区域对应的像素数量，以得到a对应的像素数量列表b=（b1，b2，…，bi，…，bn）；其中，bi为ai对应的像素数量；
7、s500，使用预设的聚类算法，对a中的像素数量进行聚类，以得到簇列表c=（c1，c2，…，cj，…，cm），j=1，2，…，m；其中，cj为对a中的像素数量进行聚类得到的第j个簇，m为对a中的像素数量进行聚类得到的簇的数量；
8、s600，根据c，确定每一簇对应的实际土颗粒粒径。
9、进一步的，步骤s600包括以下步骤：
10、s610，获取cj中每一像素数量对应的子区域的最小圆，以得到cj对应的最小圆列表dj=（dj，1，dj，2，…，dj，p，…，dj，f（j）），p=1，2，…，f（j）；其中，dj，p为cj中第p个像素数量对应的子区域的最小圆，f（j）为cj中像素数量的数量；
11、s620，获取dj中每一最小圆的直径，以得到dj对应的直径列表ej=（ej，1，ej，2，…，ej，p，…，ej，f（j））；其中，ej，p为dj，p的直径；
12、s630，获取ej中直径的波动率η=（1/f（j））×∑f（j）p=1(ej，p-(（1/f（j））×∑f（j）p=1ej，p))2；
13、s640，若η≤η’，则确定cj对应的实际土颗粒粒径wj=(（1/f（j））×∑f（j）p=1ej，p×α；其中，η’为预设的直径波动率阈值；α为预设的像素直径与实际土颗粒粒径之间的转换系数。
14、进一步的，在步骤s640之后，所述方法还包括以下步骤：
15、s650，若η＞η’，则获取ej中每一直径与ej对应的平均直径的直径差，以得到ej对应的直径差列表δej=（δej，1，δej，2，…，δej，p，…，δej，f（j））；其中，δej，p为ej，p与ej对应的平均直径的直径差；
16、s651，遍历δej，若δej，p＜δe’，则将ej，p确定为目标直径，以得到目标直径列表f=（f1，f2，…，fq，…，fu），q=1，2，…，u；其中，fq为确定出的第q个目标直径，u为确定出的目标直径的数量；δe’为预设的直径差阈值；
17、s652，根据f，确定cj对应的实际土颗粒粒径wj=(（1/u）×∑uq=1fq×α。
18、进一步的，在步骤s500之后以及步骤s600之前，所述方法还包括以下步骤：
19、s510，对每一簇对应的每一子区域设置相同的颜色；其中，任意两个簇设置颜色不同。
20、进一步的，在步骤s600之后，所述方法还包括以下步骤：
21、s700，获取每一簇对应的像素数量；
22、s710，根据每一簇对应的像素数量以及二值化图像对应的总像素数量，确定每一簇对应的像素数量占总像素数量的百分数，以确定待识别滑带土的粒径分布范围。
23、进一步的，ai通过预设的特征提取模型得到。
24、进一步的，所述预设的聚类算法包括dbscana聚类算法。
25、根据本申请的另一方面，还提供了一种基于sem图像的滑带土物理性质识别系统，所述系统包括：存储介质和处理；其中，所述存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由处理器加载并执行以实现如第一方面所述的基于sem图像的滑带土物理性质识别方法。
26、本专利技术至少具有以下有益效果：
27、本专利技术的基于sem图像的滑带土物理性质识别方法，获取待识别滑带土对应的初始sem图像；对所述初始sem图像进行二值化处理，以得到待识别滑带土对应的二值化图像；获取二值化图像中的每一子区域，以得到子区域列表a；获取a中每一子区域对应的像素数量，以得到a对应的像素数量列表b；使用预设的聚类算法，对a中的像素数量进行聚类，以得到簇列表c；根据c，确定每一簇对应的实际土颗粒粒径；通过本专利技术中的方法，能够较为准确的确定出实际土颗粒粒径；且本专利技术中的方法无须在室内实验室设备进行，测定周期较短，操作简单。
本文档来自技高网...【技术保护点】
1.一种基于SEM图像的滑带土物理性质识别方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的基于SEM图像的滑带土物理性质识别方法，其特征在于，步骤S600包括以下步骤：
3.根据权利要求2所述的基于SEM图像的滑带土物理性质识别方法，其特征在于，在步骤S640之后，所述方法还包括以下步骤：
4.根据权利要求1所述的基于SEM图像的滑带土物理性质识别方法，其特征在于，在步骤S500之后以及步骤S600之前，所述方法还包括以下步骤：
5.根据权利要求1所述的基于SEM图像的滑带土物理性质识别方法，其特征在于，在步骤S600之后，所述方法还包括以下步骤：
6.根据权利要求1所述的基于SEM图像的滑带土物理性质识别方法，其特征在于，Ai通过预设的特征提取模型得到。
7.根据权利要求2所述的基于SEM图像的滑带土物理性质识别方法，其特征在于，所述预设的聚类算法包括DBSCANA聚类算法。
8.一种基于SEM图像的滑带土物理性质识别系统，其特征在于，所述系统包括：存储介质和处理；其中，所述存
...【技术特征摘要】
1.一种基于sem图像的滑带土物理性质识别方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的基于sem图像的滑带土物理性质识别方法，其特征在于，步骤s600包括以下步骤：
3.根据权利要求2所述的基于sem图像的滑带土物理性质识别方法，其特征在于，在步骤s640之后，所述方法还包括以下步骤：
4.根据权利要求1所述的基于sem图像的滑带土物理性质识别方法，其特征在于，在步骤s500之后以及步骤s600之前，所述方法还包括以下步骤：
5.根据权利要求1所述的基于sem图像的滑带土物理性质识别方法，其特征在于，在步骤s...
【专利技术属性】
技术研发人员：王晓兵，李杰，和锡凤，赵奇，王俊卿，冯鑫杰，左新卫，冉涛，尹松，李鹏，程东，
申请(专利权)人：中核勘察设计研究有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。