CN115618700B - 基于矿物识别技术的含片理面岩石建模方法和*** - Google Patents
基于矿物识别技术的含片理面岩石建模方法和*** Download PDFInfo
- Publication number
- CN115618700B CN115618700B CN202211176214.5A CN202211176214A CN115618700B CN 115618700 B CN115618700 B CN 115618700B CN 202211176214 A CN202211176214 A CN 202211176214A CN 115618700 B CN115618700 B CN 115618700B
- Authority
- CN
- China
- Prior art keywords
- rock
- mineral
- region
- vector diagram
- boundary vector
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/25—Design optimisation, verification or simulation using particle-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
- G06V20/698—Matching; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- 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
- G06T2207/10024—Color image
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Generation (AREA)
Abstract
本发明提供一种基于矿物识别技术的含片理面岩石建模方法和***,方法包括:制作岩样薄片;观察岩样薄片,获取能够清晰观察到片理面的岩样薄片的偏光显微镜图像;对偏光显微镜图像进行处理,以获得各类矿物的区域面积图像;对各类矿物的区域面积图像进行矢量化处理,以获得完整的岩石区域边界矢量图;将岩石区域边界矢量图导入到颗粒流软件,将导入的岩石区域边界矢量图所对应的Geometry与岩石数值模型相重合;通过对岩石内部矿物颗粒进行分组,对不同组份的矿物颗粒设置不同的几何、物理力学和接触参数;通过在颗粒流软件中对不同矿物微观参数取值的变化,获得含片理面岩石数值模型。采用本发明的方法,能够准确地模拟自然界中岩石真实的片理面形态。
Description
技术领域
本发明涉及岩体力学技术领域,尤其涉及一种基于矿物识别技术的含片理面岩石建模方法和***。
背景技术
片岩是在岩体工程中常见的一类岩石类型,长期受到区域变质作用的影响。因含有特定的片理结构,其力学特性表现出明显的各向异性,对工程安全影响显著。因此,研究岩石的片理面,揭示其物理力学规律,是岩体力学一个重要研究内容。
颗粒流软件是近年来在岩体工程领域广泛使用的一种基于离散元方法的数值模拟软件,可以对岩石材料进行数值模拟。如何设置合适的片理面用于模拟岩石的片状构造,是数值模拟所得的数据是否准确的基础。
在实现本发明过程中,发明人发现现有技术中至少存在如下问题:
目前在颗粒流软件中设置岩石片理面的建模方法主要有以下几种:
(1)通过组建各种形状的刚性簇,通过随机分布的方式,将各类刚性簇随机添加到所建立的模型中,利用刚性簇的定向排列来模拟岩石的片理面。该方法中,由于人为组件刚性簇的形状和大小是特定的、种类和排列方式是有限制的,因此无法准确模拟天然状态下的岩石片理面的真实形貌特征。
(2)使用不同倾角的条形节理对岩石模型进行切割,利用节理处接触参数的变化,例如法向黏结强度和切向黏结强度的改变,使岩石中裂隙的扩展偏向节理方向。但这种方法通过节理的各向异性引起岩石的各向异性,忽略了岩石中的矿物晶粒,无法刻画由于矿物晶粒定向发育而导致岩石片理的现象。
(3)根据岩石的主要矿物组成对整个模型中的颗粒进行划分,通过采用最大矿物占比的方式对颗粒进行定向排列的方式生成片理面,然后对其他占比的矿物采用随机分布的方式填充模型,达到模拟含片理面岩石的特性。该方法仅关注到了矿物占比最多的颗粒定向排列,忽略了其他种类的矿物的排列方式。
上述三种建模方法虽然各有特点但均无法准确模拟室内试验中含片理面岩石的真实情况。在关于含片理面岩石的离散元数值模拟实验中,如何在颗粒流软件中建立能够准确反映矿物真实定向排列情况的岩石模型,是决定离散元方法计算结果准确性的关键。
因此需要一种基于矿物识别技术的含片理面岩石建模方法和***,以至少部分地解决上述技术问题。
发明内容
鉴于此,本发明实施例提供了一种基于矿物识别技术的含片理面岩石建模方法和***,以至少解决现有技术中的问题之一。
本发明的一个方面提供了一种基于矿物识别技术的含片理面岩石建模方法,该方法包括以下步骤:
通过采集含片状构造的岩样,并制作岩样薄片;
通过偏光显微镜观察所述岩样薄片,并获取能够清晰观察到片理面的岩样薄片的偏光显微镜图像;
对所述偏光显微镜图像进行处理,以获得岩样中各类矿物的区域面积图像;
对所述各类矿物的区域面积图像进行矢量化处理,以获得完整的岩石区域边界矢量图;
通过颗粒流软件建立岩石数值模型,确定模型的几何尺寸参数;
通过将所述岩石区域边界矢量图导入到所述颗粒流软件,将导入的岩石区域边界矢量图所对应的Geometry与岩石数值模型相重合;
通过对岩石内部矿物颗粒进行分组,对不同组份的矿物颗粒设置不同的几何、物理力学和接触参数,并保存不同的几何、物理力学和接触参数;
通过在颗粒流软件中对不同的几何、物理力学和接触参数取值的变化,最终获得含片理面岩石数值模型。
在本发明的一些实施例中,通过采集含片状构造的岩样,并制作岩样薄片,包括:
将所述岩样按照南北、东西、水平三个正交方向分别制作成岩样薄片。和/或
所述岩样薄片的厚度不超过30um。这样以便岩样薄片在偏光显微镜下有良好的观察效果。
在本发明的一些实施例中,对所述偏光显微镜图像进行处理,以获得岩样中各类矿物的区域面积图像,包括:
对所述偏光显微镜图像进行RGB取色处理,获得RGB取色处理后的各类矿物的矿物组份图像;
对所述各类矿物的矿物组份图像进行灰度处理,获得各类矿物的区域面积图像。
在本发明的一些实施例中,所述方法还包括至少下述之一:
对所述各类矿物的区域面积图像进行容差率处理。其中,对各类矿物的区域面积图像进行容差率(Tolerance)处理,目的是将矿物区域边界的交界处更为清晰准确。
对所述各类矿物的区域面积图像进行上色处理。进行上色处理的目的是方便后续图像的矢量化处理。
在本发明的一些实施例中,对所述各类矿物的区域面积图像进行矢量化处理,以获得完整的岩石区域边界矢量图,包括:
基于所述各类矿物的区域面积图像,获取矿物区域面积图像边界上的坐标点;
将所述边界上的坐标点构成数据组,构建矢量关系,并在矢量空间中给以整体化;根据所得的矢量数据,导出各类矿物的区域边界矢量图;
将所述各类矿物的区域边界矢量图整合叠加,生成完整的岩石区域边界矢量图。
在本发明的一些实施例中,所述方法还包括:通过将所述所得的矢量数据依照相近顺序,采用跳格法丢弃重复、相似的矢量数据。这样处理的效果,是可以将矿物的区域边界矢量图进行平滑化处理,避免过量数据导致矿物的边界出现过渡生硬。
在本发明的一些实施例中,通过颗粒流软件建立岩石数值模型,确定模型的几何尺寸参数,包括:
根据岩石矿物的密度、颗粒大小,设定颗粒流软件中的基本组成单元—颗粒的密度和半径区间范围;
设置岩样的边界范围,并在该范围内随机填充颗粒,并使得颗粒间充分接触。
在本发明的一些实施例中,通过将所述岩石区域边界矢量图导入到所述颗粒流软件,将导入的岩石区域边界矢量图所对应的Geometry与岩石数值模型相重合,具体内容包括:
将所述岩石区域边界矢量图导入到所述颗粒流软件中,转化为Geometry,并确定Geometry与岩石数值模型的位置关系;
将导入到所述颗粒流软件中的所述岩石区域边界矢量图所对应的Geometry进行定位,接着对Geometry进行放缩、平移和旋转,以便导入的所述岩石区域边界矢量图所对应的Geometry与岩石数值模型相重合。
在本发明的一些实施例中,通过对岩石内部矿物颗粒进行分组,对不同组份的矿物颗粒设置不同的几何、物理力学和接触参数,并保存不同的几何、物理力学和接触参数,包括:
根据岩石数值模型和导入的所述岩石区域边界矢量图所对应的Geometry所划分的区域,使用分组的方式将岩石内部矿物颗粒划分为不同组份;
根据其所代表的矿物几何形态特征,对不同组份的矿物颗粒设置不同的几何物理参数;
根据其所代表的矿物物理力学特征,对不同组份的矿物颗粒设置不同的接触参数;
在设置完接触参数后,删除用于划分不同矿物的Geometry,并保存岩石数值模型的各项几何、物理力学及接触参数。
本发明的另一方面提供了一种基于矿物识别技术的含片理面岩石建模***,该***包括:
偏光显微镜,用于观察岩样薄片,并获取能够清晰观察到片理面的岩样薄片的偏光显微镜图像;
存储器,用于存储可执行程序;
处理器,用于执行所述存储器中存储的所述可执行程序,使得所述处理器执行以下动作,包括:
对所述偏光显微镜图像进行处理,以获得岩样中各类矿物的区域面积图像;
对所述各类矿物的区域面积图像进行矢量化处理,以获得完整的岩石区域边界矢量图;
通过颗粒流软件建立岩石数值模型,确定模型的几何尺寸参数;
通过将所述岩石区域边界矢量图导入到所述颗粒流软件,将导入的岩石区域边界矢量图所对应的Geometry与岩石数值模型相重合;
通过对岩石内部矿物颗粒进行分组,对不同组份的矿物颗粒设置不同的几何、物理力学和接触参数,并保存不同的几何、物理力学和接触参数;
通过在颗粒流软件中对不同的几何、物理力学和接触参数取值的变化,最终获得含片理面岩石数值模型。
根据本发明实施例的基于矿物识别技术的含片理面岩石建模方法和***,在对岩石片状构造对岩石力学机制的影响的研究过程中,相较于传统的在离散元软件中所采用的岩石片理面生成方法,选用本方法可以基于岩体本身的矿物排列形态出发,更为精准地设置特定类型的岩石的片理面,可以准确地模拟自然界中岩石真实的片理面形态,这对于研究含片理面岩石的微观力学机制有进一步促进作用。此外相较于传统基于统计学的方法随机生成片理面而言,采用基于矿物识别的技术在颗粒流软件中生成岩石的片理面,使用该建模方法最终获得的含片理面岩石数值模型所反应的一系列物理力学性质,可以更明确地代表某一特定类型的岩石。因此该方法有较高的普适性和准确性,可以提高颗粒流计算结果的可靠性和准确性。
本发明的附加优点、目的,以及特征将在下面的描述中将部分地加以阐述,且将对于本领域普通技术人员在研究下文后部分地变得明显,或者可以根据本发明的实践而获知。本发明的目的和其它优点可以通过在说明书以及附图中具体指出的结构实现到并获得。
本领域技术人员将会理解的是,能够用本发明实现的目的和优点不限于以上具体所述,并且根据以下详细说明将更清楚地理解本发明能够实现的上述和其他目的。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,并不构成对本发明的限定。附图中的部件不是成比例绘制的,而只是为了示出本发明的原理。为了便于示出和描述本发明的一些部分,附图中对应部分可能被放大,即,相对于依据本发明实际制造的示例性装置中的其它部件可能变得更大。在附图中:
图1为本发明一实施例中基于矿物识别技术的含片理面岩石建模方法的流程图;
图2为本发明一实施例中基于矿物识别技术的含片理面岩石建模方法的部分流程图;
图3为本发明另一实施例中基于矿物识别技术的含片理面岩石建模方法的部分流程图;
图4为本发明一实施例中在偏光显微镜下的黑云母石英片岩薄片图像;
图5为本发明一实施例中经过RGB取色和灰度处理后黑云母石英片岩主要矿物的区域面积图像,图中左侧为黑云母矿物的区域面积图像、右侧为石英矿物的区域面积图像;
图6为本发明一实施例中经过上色处理后的矿物区域面积图像;
图7为本发明一实施例中矿物区域边界矢量图,图中左侧为黑云母矿物的区域边界矢量图、右侧为石英矿物的区域边界矢量图;
图8为本发明一实施例中矿物区域边界矢量图叠加后生成的黑云母石英片岩的区域边界矢量图;
图9为本发明一实施例中在颗粒流软件中所建立的岩石数值模型;
图10为本发明一实施例中黑云母石英片岩区域边界矢量图与岩石数值模型整合叠加后的图像;
图11为本发明一实施例中命令分组后,设置好各项矿物的几何、物理力学及接触参数,生成的黑云母石英片岩数值模型;
图12为本发明一实施例中基于矿物识别技术的含片理面岩石建模***的示意性框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施方式和附图,对本发明做进一步详细说明。在此,本发明的示意性实施方式及其说明用于解释本发明,但并不作为对本发明的限定。
在此,还需要说明的是,为了避免因不必要的细节而模糊了本发明,在附图中仅仅示出了与根据本发明的方案密切相关的结构和/或处理步骤,而省略了与本发明关系不大的其他细节。
应该强调,术语“包括/包含”在本文使用时指特征、要素、步骤或组件的存在,但并不排除一个或更多个其它特征、要素、步骤或组件的存在或附加。
在此,还需要说明的是,如果没有特殊说明,术语“连接”在本文不仅可以指直接连接,也可以表示存在中间物的间接连接。
在下文中,将参考附图描述本发明的实施例。在附图中,相同的附图标记代表相同或类似的部件,或者相同或类似的步骤。
首先,将参考图1描述根据本申请实施例的基于矿物识别技术的含片理面岩石建模方法100。如图1所示,基于矿物识别技术的含片理面岩石建模方法100可以包括如下步骤:
在步骤S110,通过采集含片状构造的岩样,并制作岩样薄片。
在步骤S120,通过偏光显微镜观察岩样薄片,并获取能够清晰观察到片理面的岩样薄片的偏光显微镜图像。
在步骤S130,对偏光显微镜图像进行处理,以获得岩样中各类矿物的区域面积图像。
在步骤S140,对各类矿物的区域面积图像进行矢量化处理,以获得完整的岩石区域边界矢量图。
在步骤S150,通过颗粒流软件建立岩石数值模型,确定模型的几何尺寸参数。
在步骤S160,通过将岩石区域边界矢量图导入到颗粒流软件,将导入的岩石区域边界矢量图所对应的Geometry与岩石数值模型相重合。
在步骤S170,通过对岩石内部矿物颗粒进行分组,对不同组份的矿物颗粒设置不同的几何、物理力学和接触参数,并保存不同的几何、物理力学和接触参数。
在步骤S180,通过在颗粒流软件中对不同的几何、物理力学和接触参数取值的变化,最终获得含片理面岩石数值模型。
在本申请的实施例中,基于矿物识别技术,首先通过采集含片状构造的岩样,并制作岩样薄片。接着通过偏光显微镜观察岩样薄片,并获取能够清晰观察到片理面的岩样薄片的偏光显微镜图像。对偏光显微镜图像进行处理,以获得岩样中各类矿物的区域面积图像。然后对各类矿物的区域面积图像进行矢量化处理,以获得完整的岩石区域边界矢量图。再然后通过颗粒流软件建立岩石数值模型,确定模型的几何尺寸参数,并通过将岩石区域边界矢量图导入到颗粒流软件,将导入的岩石区域边界矢量图所对应的Geometry与岩石数值模型相重合。接着通过对岩石内部矿物颗粒进行分组,对不同组份的矿物颗粒设置不同的几何、物理力学和接触参数,并保存。最后通过在颗粒流软件中对不同的几何、物理力学和接触参数取值的变化,最终获得含片理面岩石数值模型。
通过上述过程的描述可知,根据本申请实施例的基于矿物识别技术的含片理面岩石建模方法100,相较于传统的在离散元软件中所采用的岩石片理面生成方法,选用本方法可以基于岩体本身的矿物排列形态出发,更为精准地设置特定类型的岩石的片理面,可以准确地模拟自然界中岩石真实的片理面形态。此外相较于传统基于统计学的方法随机生成片理面而言,采用基于矿物识别的技术在颗粒流软件中生成岩石的片理面,使用该建模方法最终获得的含片理面岩石数值模型所反应的一系列物理力学性质,可以更明确地代表某一特定类型的岩石。因此该方法有较高的普适性和准确性。
下面将具体描述根据本申请实施例的基于矿物识别技术的含片理面岩石建模方法100的上述各步骤的内容。
含片理面岩石,简称片岩。片岩属于变质岩—三类岩石的一种:岩浆岩、沉积岩、变质岩。变质岩是指地壳中已经存在的岩石由于受到地球内力的作用,其物理化学性质发生改变,从而使得岩石的成分和结构构造发生改变。常见的变质作用有很多种,片岩中的片状构造就是在区域变质作用下,由于该区域的热流异常伴有压力作用、有时有流体相加入等复杂作用因素所形成的一种由鳞片状、柱状和部分粒状矿物定向排布所形成的。片岩是具有典型的片状构造的变质岩一种,是区域变质的产物。其特征是片理构造,由片状,板状,纤维状矿物相互平行排列,粒度较粗,肉眼可辨别。常见矿物有片状矿物云母,粒状矿物以石英、长石为主。常含有红柱石、蓝晶石、石榴石、堇青石、十字石、绿帘石类及蓝闪石等特征变质矿物。强度较低,极易风化,抗冻性差。为便于本申请实施例进行描述,接下来本申请实施例的基于矿物识别技术的含片理面岩石建模方法100以黑云母石英片岩为例进行阐述,但不代表本申请实施例的基于矿物识别技术的含片理面岩石建模方法100仅适用于黑云母石英片岩,其对其他片岩也适用。
在本申请的实施例中,步骤S110中通过采集含片状构造的岩样,并制作岩样薄片。以黑云母石英片岩为例,可以在强构造活动区域(即指片岩的形成区域)例如我国的和田地区采集黑云母石英片岩样品,该岩石样品在肉眼观察下应有较为明显的片状构造。将采集后的岩样制成圆柱形试样,并根据片理面的发育走向制作显微镜薄片。
为了岩样薄片后续在偏光显微镜下有良好的观察效果,可以将岩样按照南北、东西、水平三个正交方向分别制作成岩样薄片,其中南北、东西、水平三个正交方向仅是为了获取良好的观察效果而设置的示例方向,并不表示对其进行限制,也可以根据实际情况进行适应性调整。另外,优选地岩样薄片的厚度不超过30um,比如可以将岩样薄片的厚度限定在20um。
在本申请的实施例中,步骤S120中通过偏光显微镜观察岩样薄片,并获取能够清晰观察到片理面的岩样薄片的偏光显微镜图像。例如可以通过徕卡DM4P智能偏光显微镜获得视域覆盖面积覆盖岩样薄片完整图像,以便更好的观察岩样薄片中的微观结构。观察并选取具有明显由鳞片状、柱状和部分粒状矿物定向排列成的片理面的岩样薄片的偏光显微镜图像。如图4所示,以黑云母石英片岩为例,其为偏光显微镜下的黑云母石英片岩薄片图像。
在本申请的实施例中,步骤S130中对偏光显微镜图像进行处理,以获得岩样中各类矿物的区域面积图像。参考图1、图2,步骤S130可以包括以下步骤:
在步骤S131,对偏光显微镜图像进行RGB取色处理,获得RGB取色处理后的各类矿物的矿物组份图像。
在步骤S132,对各类矿物的矿物组份图像进行灰度处理,获得各类矿物的区域面积图像。
在步骤S133,对各类矿物的区域面积图像进行容差率处理。
在步骤S134,对各类矿物的区域面积图像进行上色处理。
具体地,仍以黑云母石英片岩为例。步骤S131中对偏光显微镜图像进行RGB取色处理,获得RGB取色处理后的各类矿物的矿物组份图像。由于黑云母和石英矿物在偏光显微镜下所呈现的颜色色域具有较大差别(实际片岩中各类的矿物在偏光显微镜下所呈现的颜色色域一般都有较大差别),其反映出的RGB值范围也有一定差距,因此可以根据各类矿物所处的RGB区间范围,对岩石各类矿物分别进行取色处理,从而划分其区域面积内的不同的矿物组份,获得RGB取色处理后的各类矿物的矿物组份图像。根据黑云母矿物和石英矿物所处的RGB区间范围,对黑云母石英片岩的两种主要矿物分别进行取色处理,划分其区域面积内的不同矿物组份,获得RGB取色处理后的黑云母和石英矿物的矿物组份图像。步骤S132中对各类矿物的矿物组份图像进行灰度处理,获得各类矿物的区域面积图像。规定由纯白色到纯黑色之间的灰色范围分为0-225级,白色为225,黑色为0级。将所选取的矿物灰度值设为255(白色),其余矿物的灰度值取为0(黑色),可获得该类型矿物的区域面积图像。按照该方法依次获取黑云母矿物的区域面积图像和石英矿物的区域面积图像。如图5所示,其为经过RGB取色和灰度处理后的黑云母石英片岩主要矿物的区域面积图像,图中左侧为黑云母矿物的区域面积图像、右侧为石英矿物的区域面积图像。步骤S133中对各类矿物的区域面积图像进行容差率处理,通过这种处理后将黑云母和石英矿物区域边界的交界处更为精准。步骤S134中对各类矿物的区域面积图像进行上色处理,可以分别对黑云母矿物和石英矿物图像进行上色处理时,采取随机色彩填充的方式将同种矿物区域内填充颜色,方便区域面积图像进行步骤S140中的矢量化处理。参考图6,其为经过上色处理后黑云母石英片岩主要矿物的矿物区域面积图像。
在图示实施例中,虽然步骤S130中包括步骤S133和步骤S134,其并不表示步骤S130中一定包含步骤S133和步骤S134,其仅为一个较优选实施方式示例。步骤S130中可以不包括步骤S133和步骤S134中任何一个,也可以仅包括步骤S133和步骤S134中任何一个。另外,在图示实施例中,步骤S133的顺序在步骤S134之前,其也仅仅是一个示例,并不代表步骤S133的顺序必然在步骤S134之前,也可以步骤S133的顺序安排在步骤S134之后。
在本申请的实施例中,步骤S140中对各类矿物的区域面积图像进行矢量化处理,以获得完整的岩石区域边界矢量图。参考图1、图3,步骤S140可以包括以下步骤:
在步骤S141,基于各类矿物的区域面积图像,获取矿物区域面积图像边界上的坐标点。
在步骤S142,将边界上的坐标点构成数据组,构建矢量关系,并在矢量空间中给以整体化;根据所得的矢量数据,导出各类矿物的区域边界矢量图。
在步骤S143,通过将所得的矢量数据依照相近顺序,采用跳格法丢弃重复、相似的矢量数据。
在步骤S144,将各类矿物的区域边界矢量图整合叠加,生成完整的岩石区域边界矢量图。
具体地,仍以黑云母石英片岩为例。步骤S141中基于各类矿物的区域面积图像,获取矿物区域面积图像边界上的坐标点。可以通过使用Opencv软件快速获得黑云母和石英矿物区域面积图像边界上的坐标点。步骤S142中将边界上的大量坐标点构成各个数据组,构建矢量关系,并在矢量空间中给以整体化;根据所得的矢量数据,导出黑云母和石英矿物的区域边界矢量图。参考图7,其为黑云母和石英矿物的区域边界矢量图,图中左侧为黑云母矿物的区域边界矢量图、右侧为石英矿物的区域边界矢量图。步骤S143中通过将所得的矢量数据依照相近顺序(例如按照排列顺序,或者排列逆序),采用跳格法丢弃重复、相似的矢量数据。其中跳格法可以采用“保存一组,删去一组”的方式,或者“保存两组,删去一组”的方式,或者“保存三组,删去一组”的方式,对重复、相似的矢量数据进行简化处理(即丢弃处理),以便将矿物的区域边界矢量图进行平滑化处理,避免过量数据导致矿物的边界出现过渡生硬。步骤S144中将各类矿物的区域边界矢量图整合叠加,生成完整的岩石区域边界矢量图。以黑云母石英片岩为例,即将黑云母矿物的区域边界矢量图和石英矿物的区域边界矢量图进行叠加整合,得到黑云母石英片岩的区域边界矢量图。如图8所示,其为黑云母和石英矿物区域边界矢量图叠加后生成的黑云母石英片岩的区域边界矢量图。
此外,在图示实施例中,虽然步骤S140中包括步骤S143,其并不表示步骤S140中一定包含步骤S143,其仅为一个较优选实施方式示例。步骤S140中可以不包括步骤S143。
在本申请的实施例中,步骤S150中通过颗粒流软件建立岩石数值模型,确定模型的几何尺寸参数。步骤S150中具体包括:根据岩石矿物的密度、颗粒大小,设定颗粒流软件中的基本组成单元—颗粒的密度和半径区间范围;设置岩样的边界范围,并在该范围内随机填充颗粒,并使得颗粒间充分接触。
仍以黑云母石英片岩为例进行说明。首先在颗粒流软件中建立黑云母石英片岩的岩石数值模型,其一基本组成单元——颗粒的半径在0.02cm-0.04cm,岩石数值模型的整体尺寸为10cm×15cm,然后在该范围内随机填充颗粒,并使得颗粒间充分接触,为步骤S170中要进行的分组并设置接触参数做基础。如图9所示,其为颗粒流软件中所建立的岩石数值模型。其中,颗粒流软件可以采用ITASCA公司所发明的PFC、UDEC或3DEC等。本申请实施例所涉及的颗粒流软件以PFC软件为例进行说明,但是也同样适用于其他颗粒流软件。
在本申请的实施例中,步骤S160中通过将岩石区域边界矢量图导入到颗粒流软件,将导入的岩石区域边界矢量图所对应的Geometry与岩石数值模型相重合,其内容可以包括:将岩石区域边界矢量图导入到所述颗粒流软件中,转化为Geometry,并确定Geometry与岩石数值模型的位置关系;将导入到颗粒流软件中的所述岩石区域边界矢量图所对应的Geometry进行定位,接着对Geometry进行放缩、平移和旋转,以便导入的岩石区域边界矢量图所对应的Geometry与岩石数值模型相吻合匹配。
以黑云母石英片岩为例。将黑云母石英片岩的的区域边界矢量图导入到颗粒流软件中,转化为Geometry,并确定Geometry与岩石数值模型的位置关系。将导入的黑云母石英片岩的区域边界矢量图所对应的Geometry进行放缩、平移和旋转,以便与已在颗粒流软件中生成的岩石数值模型相重合。如图10所示,其为黑云母石英片岩区域边界矢量图与岩石数值模型整合叠加后的图像。其中将导入的黑云母石英片岩的区域边界矢量图所对应的Geometry进行放缩、平移和旋转,其中进行放缩、平移和旋转的处理均是为了Geometry与已在颗粒流软件中生成的岩石数值模型相重合而进行的操作,故放缩、平移和旋转并非均是必须的操作,根据实际情况可能只需放缩、平移和旋转中的某一步骤或某两种步骤。
在本申请的实施例中,步骤S170中通过对岩石内部矿物颗粒进行分组,对不同组份的矿物颗粒设置不同的几何、物理力学和接触参数,并保存。步骤S170中具体内容可以包括:根据岩石数值模型和导入的所述岩石区域边界矢量图所对应的Geometry所划分的区域,使用分组的方式将岩石内部矿物颗粒划分为不同组份;根据其所代表的矿物几何形态特征,对不同组份的矿物颗粒设置不同的几何物理参数;根据其所代表的矿物物理力学特征,对不同组份的矿物颗粒设置不同的接触参数;在设置完接触参数后,删除用于划分不同矿物的Geometry,并保存岩石数值模型的各项几何、物理力学及接触参数。
具体地,根据岩石数值模型和导入的黑云母石英片岩的区域边界矢量图生成的Geometry所划分的区域,使用分组的方式将岩石内部颗粒划分为黑云母矿物的组份以及石英矿物组份。分别根据黑云母矿物和石英矿物几何形态特征,对不同组份的矿物颗粒设置不同的几何物理参数。分别根据黑云母矿物和石英矿物物理力学特征,对不同组份的矿物颗粒设置不同的接触参数。在设置完上述各项微观参数后,删除用于划分不同矿物的Geometry,保存岩石数值模型的各项几何、物理力学及接触参数。参考图11,其为经过分组并设置好矿物的几何、物理力学及接触参数后生成的黑云母石英片岩数值模型。
在本申请的实施例中,步骤S180中通过在颗粒流软件中对不同矿物微观参数取值的变化,达到生成岩石片理面的效果,最终获得含片理面岩石数值模型。
基于上面的描述,根据本申请实施例的基于矿物识别技术的含片理面岩石建模方法100,相较于传统的在离散元软件中所采用的岩石片理面生成方法,本方法可以基于岩体本身的矿物排列形态出发,更为精准地设置特定类型的岩石的片理面,可以准确地模拟自然界中岩石真实的片理面形态。此外,相较于传统基于统计学的方法随机生成片理面而言,采用基于矿物识别的技术在颗粒流软件中生成岩石的片理面,使用该建模方法最终获得的含片理面岩石数值模型所反应的一系列物理力学性质,可以更明确地代表某一特定类型的岩石。因此该方法有较高的普适性和准确性。
以上示例性地示出了根据本申请实施例的基于矿物识别技术的含片理面岩石建模方法100。下面结合图12描述本申请另一方面提供的基于矿物识别技术的含片理面岩石建模***200。
参照图12来描述用于实现本发明实施例的基于矿物识别技术的含片理面岩石建模方法的示例建模***200。***200包括至少一个偏光显微镜210和至少一个示例电子设备220。偏光显微镜210与电子设备220之间可以是仅存在偏光显微镜210向电子设备220传输所获取的能够清晰观察到片理面的岩样薄片的偏光显微镜图像的连接关系,也可以是电子设备220控制偏光显微镜210的启动和关闭,控制偏光显微镜210获取能够清晰观察到片理面的岩样薄片的偏光显微镜图像的时间及频率,以及控制偏光显微镜210按设定时间向电子设备220传输能够清晰观察到片理面的岩样薄片的偏光显微镜图像等。
如图12所示,偏光显微镜210,用于观察岩样薄片,并获取能够清晰观察到片理面的岩样薄片的偏光显微镜图像。
电子设备220可以包括一个或多个处理器221、一个或多个存储器222、输入装置223以及输出装置224,这些组件通过总线***225和/或其它形式的连接机构(未示出)互连。应当注意,图12所示的电子设备220的组件和结构只是示例性的,而非限制性的,根据需要,所述电子设备也可以具有其他组件和结构。
所述处理器221可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其它形式的处理单元,并且可以控制所述电子设备220中的其它组件以执行期望的功能。
所述存储器222可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器221可以运行所述程序指令,以实现本文所述的本发明实施例中(由处理器实现)的客户端功能以及/或者其它期望的功能。在所述计算机可读存储介质中还可以存储各种应用程序和各种数据,例如所述应用程序使用和/或产生的各种数据等。
所述输入装置223可以是用户用来输入指令的装置,并且可以包括键盘、鼠标、麦克风和触摸屏等中的一个或多个。此外,所述输入装置223也可以是任何接收信息的接口。
所述输出装置224可以向外部(例如用户)输出各种信息(例如图像或声音),并且可以包括显示器、扬声器等中的一个或多个。此外,所述输出装置224也可以是任何其他具备输出功能的设备。
示例性地,用于实现根据本发明实施例的基于矿物识别技术的含片理面岩石建模方法100的示例电子设备220可以应用于终端设备(比如手机)、平板电脑、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer,UMPC)、手持计算机、上网本、个人数字助理(personal digital assistant,PDA)、可穿戴设备(如智能手表、智能眼镜或者智能头盔等)、增强现实(augmented reality,AR)\虚拟现实(virtualreality,VR)设备、智能家居设备、车载电脑等电子设备中,本申请实施例对此不做任何限制。
参考图12,根据本申请实施例的基于矿物识别技术的含片理面岩石建模***200中的电子设备220包括处理器221和存储器222,存储器222存储有由处理器221运行的可执行程序,所述可执行程序在被处理器221运行时,使得处理器221执行前文所述的根据本申请实施例的基于矿物识别技术的含片理面岩石建模方法100。本领域技术人员可以结合前文所述的内容理解根据本申请实施例的基于矿物识别技术的含片理面岩石建模***的具体操作,为了简洁,此处不再赘述具体的细节,仅描述处理器221的一些主要操作。
在本申请的一个实施例中,所述可执行程序在被处理器221运行时,使得处理器221执行如下步骤:对偏光显微镜图像进行处理,以获得岩样中各类矿物的区域面积图像;对各类矿物的区域面积图像进行矢量化处理,以获得完整的岩石区域边界矢量图;通过颗粒流软件建立岩石数值模型,确定模型的几何尺寸参数;通过将岩石区域边界矢量图导入到颗粒流软件,将导入的岩石区域边界矢量图所对应的Geometry与岩石数值模型相重合;通过对岩石内部矿物颗粒进行分组,对不同组份的矿物颗粒设置不同的几何、物理力学和接触参数,并保存;通过在颗粒流软件中对不同的几何、物理力学和接触参数取值的变化,最终获得含片理面岩石数值模型。
在本申请的一个实施例中,所述可执行程序在被处理器221运行时,使得处理器221还执行如下步骤:对所述偏光显微镜图像进行RGB取色处理,获得RGB取色处理后的各类矿物的矿物组份图像;对各类矿物的矿物组份图像进行灰度处理,获得各类矿物的区域面积图像。
在本申请的一个实施例中,所述可执行程序在被处理器221运行时,使得处理器221还执行如下步骤:对各类矿物的区域面积图像进行容差率处理;对各类矿物的区域面积图像进行上色处理。
在本申请的一个实施例中,所述可执行程序在被处理器221运行时,使得处理器221还执行如下步骤:基于各类矿物的区域面积图像,获取矿物区域面积图像边界上的坐标点;将边界上的坐标点构成数据组,构建矢量关系,并在矢量空间中给以整体化;根据所得的矢量数据,导出各类矿物的区域边界矢量图;将各类矿物的区域边界矢量图整合叠加,生成完整的岩石区域边界矢量图。
在本申请的一个实施例中,所述可执行程序在被处理器221运行时,使得处理器221还执行如下步骤:通过将所得的矢量数据依照相近顺序,采用跳格法丢弃重复、相似的矢量数据。
在本申请的一个实施例中,所述可执行程序在被处理器221运行时,使得处理器221还执行如下步骤:根据岩石矿物的密度、颗粒大小,设定颗粒流软件中的基本组成单元—颗粒的密度和半径区间范围;设置岩样的边界范围,并在该范围内随机填充颗粒,并使得颗粒间充分接触。
在本申请的一个实施例中,所述可执行程序在被处理器221运行时,使得处理器221还执行如下步骤:将岩石区域边界矢量图导入到颗粒流软件中,转化为Geometry,并确定Geometry与岩石数值模型的位置关系;将导入到颗粒流软件中的岩石区域边界矢量图所对应的Geometry进行定位,接着对Geometry进行放缩、平移和旋转,以便导入的岩石区域边界矢量图所对应的Geometry与岩石数值模型相吻合匹配。
在本申请的一个实施例中,所述可执行程序在被处理器221运行时,使得处理器221还执行如下步骤:根据岩石数值模型和导入的岩石区域边界矢量图所对应的Geometry所划分的区域,使用分组的方式将岩石内部矿物颗粒划分为不同组份;根据其所代表的矿物几何形态特征,对不同组份的矿物颗粒设置不同的几何物理参数;根据其所代表的矿物物理力学特征,对不同组份的矿物颗粒设置不同的接触参数;在设置完接触参数后,删除用于划分不同矿物的Geometry,并保存岩石数值模型的各项几何、物理力学及接触参数。
此外,根据本申请实施例,还提供了一种存储介质,在所述存储介质上存储了计算机程序,在所述计算机程序被处理器运行时用于执行本申请实施例的基于矿物识别技术的含片理面岩石建模方法的相应步骤。所述存储介质例如可以包括智能电话的存储卡、平板电脑的存储部件、个人计算机的硬盘、只读存储器(ROM)、可擦除可编程只读存储器(EPROM)、便携式紧致盘只读存储器(CD-ROM)、USB存储器、或者上述存储介质的任意组合。所述计算机可读存储介质可以是一个或多个计算机可读存储介质的任意组合。
基于上面的描述,根据本申请实施例的基于矿物识别技术的含片理面岩石建模方法和***,相较于传统的在离散元软件中所采用的岩石片理面生成方法,本方法可以基于岩体本身的矿物排列形态出发,更为精准地设置特定类型的岩石的片理面,可以准确地模拟自然界中岩石真实的片理面形态。此外,相较于传统基于统计学的方法随机生成片理面而言,采用基于矿物识别的技术在颗粒流软件中生成岩石的片理面,使用该建模方法最终获得的含片理面岩石数值模型所反应的一系列物理力学性质,可以更明确地代表某一特定类型的岩石,因此该方法有较高的普适性和准确性。
尽管这里已经参考附图描述了示例实施例,应理解上述示例实施例仅仅是示例性的,并且不意图将本申请的范围限制于此。本领域普通技术人员可以在其中进行各种改变和修改,而不偏离本申请的范围和精神。所有这些改变和修改意在被包括在所附权利要求所要求的本申请的范围之内。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。例如,以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,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,例如多个单元或组件可以结合或者可以集成到另一个设备,或一些特征可以忽略,或不执行。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本申请的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本申请并帮助理解各个发明方面中的一个或多个,在对本申请的示例性实施例的描述中,本申请的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该本申请的方法解释成反映如下意图:即所要求保护的本申请要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如相应的权利要求书所反映的那样,其发明点在于可以用少于某个公开的单个实施例的所有特征的特征来解决相应的技术问题。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本申请的单独实施例。
本领域的技术人员可以理解,除了特征之间相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本申请的范围之内并且形成不同的实施例。例如,在权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本申请的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本申请实施例的一些模块的一些或者全部功能。本申请还可以实现为用于执行这里所描述的方法的一部分或者全部的装置程序(例如,计算机程序和计算机程序产品)。这样的实现本申请的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本申请进行说明而不是对本申请进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本申请可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
以上所述,仅为本申请的具体实施方式或对具体实施方式的说明,本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种基于矿物识别技术的含片理面岩石建模方法,其特征在于,所述方法包括以下步骤:
通过采集含片状构造的岩样,并制作岩样薄片;
通过偏光显微镜观察所述岩样薄片,并获取能够清晰观察到片理面的岩样薄片的偏光显微镜图像;
对所述偏光显微镜图像进行处理,以获得岩样中各类矿物的区域面积图像;
对所述各类矿物的区域面积图像进行矢量化处理,以获得完整的岩石区域边界矢量图;
通过颗粒流软件建立岩石数值模型,确定模型的几何尺寸参数;
通过将所述岩石区域边界矢量图导入到所述颗粒流软件,将导入的岩石区域边界矢量图所对应的Geometry与岩石数值模型相重合;
通过对岩石内部矿物颗粒进行分组,对不同组份的矿物颗粒设置不同的几何、物理力学和接触参数,并保存不同的几何、物理力学和接触参数;
通过在颗粒流软件中对不同的几何、物理力学和接触参数取值的变化,最终获得含片理面岩石数值模型。
2.根据权利要求1所述的基于矿物识别技术的含片理面岩石建模方法,其特征在于,通过采集含片状构造的岩样,并制作岩样薄片,包括:
将所述岩样按照南北、东西、水平三个正交方向分别制作成岩样薄片;和/或
所述岩样薄片的厚度不超过30um。
3.根据权利要求1所述的基于矿物识别技术的含片理面岩石建模方法,其特征在于,对所述偏光显微镜图像进行处理,以获得岩样中各类矿物的区域面积图像,包括:
对所述偏光显微镜图像进行RGB取色处理,获得RGB取色处理后的各类矿物的矿物组份图像;
对所述各类矿物的矿物组份图像进行灰度处理,获得各类矿物的区域面积图像。
4.根据权利要求1或3所述的基于矿物识别技术的含片理面岩石建模方法,其特征在于,所述方法还包括至少下述之一:
对所述各类矿物的区域面积图像进行容差率处理;
对所述各类矿物的区域面积图像进行上色处理。
5.根据权利要求1所述的基于矿物识别技术的含片理面岩石建模方法,其特征在于,对所述各类矿物的区域面积图像进行矢量化处理,以获得完整的岩石区域边界矢量图,包括:
基于所述各类矿物的区域面积图像,获取矿物区域面积图像边界上的坐标点;
将所述边界上的坐标点构成数据组,构建矢量关系,并在矢量空间中给以整体化;根据所得的矢量数据,导出各类矿物的区域边界矢量图;
将所述各类矿物的区域边界矢量图整合叠加,生成完整的岩石区域边界矢量图。
6.根据权利要求5所述的基于矿物识别技术的含片理面岩石建模方法,其特征在于,所述方法还包括:
通过将所述所得的矢量数据依照相近顺序,采用跳格法丢弃重复、相似的矢量数据。
7.根据权利要求1所述的基于矿物识别技术的含片理面岩石建模方法,其特征在于,通过颗粒流软件建立岩石数值模型,确定模型的几何尺寸参数,包括:
根据岩石矿物的密度、颗粒大小,设定颗粒流软件中的基本组成单元—颗粒的密度和半径区间范围;
设置岩样的边界范围,并在该范围内随机填充颗粒,并使得颗粒间充分接触。
8.根据权利要求1所述的基于矿物识别技术的含片理面岩石建模方法,其特征在于,通过将所述岩石区域边界矢量图导入到所述颗粒流软件,将导入的岩石区域边界矢量图所对应的Geometry与岩石数值模型相重合,包括:
将所述岩石区域边界矢量图导入到所述颗粒流软件中,转化为Geometry,并确定Geometry与岩石数值模型的位置关系;
将导入到所述颗粒流软件中的所述岩石区域边界矢量图所对应的Geometry进行定位,接着对Geometry进行放缩、平移和旋转,以便导入的所述岩石区域边界矢量图所对应的Geometry与岩石数值模型相重合。
9.根据权利要求8所述的基于矿物识别技术的含片理面岩石建模方法,其特征在于,通过对岩石内部矿物颗粒进行分组,对不同组份的矿物颗粒设置不同的几何、物理力学和接触参数,并保存不同的几何、物理力学和接触参数,包括:
根据岩石数值模型和导入的所述岩石区域边界矢量图所对应的Geometry所划分的区域,使用分组的方式将岩石内部矿物颗粒划分为不同组份;
根据其所代表的矿物几何形态特征,对不同组份的矿物颗粒设置不同的几何物理参数;
根据其所代表的矿物物理力学特征,对不同组份的矿物颗粒设置不同的接触参数;
在设置完接触参数后,删除用于划分不同矿物的Geometry,并保存岩石数值模型的各项几何、物理力学及接触参数。
10.一种基于矿物识别技术的含片理面岩石建模***,其特征在于,所述***包括:
偏光显微镜,用于观察岩样薄片,并获取能够清晰观察到片理面的岩样薄片的偏光显微镜图像;
存储器,用于存储可执行程序;
处理器,用于执行所述存储器中存储的所述可执行程序,使得所述处理器执行以下动作,包括:
对所述偏光显微镜图像进行处理,以获得岩样中各类矿物的区域面积图像;
对所述各类矿物的区域面积图像进行矢量化处理,以获得完整的岩石区域边界矢量图;
通过颗粒流软件建立岩石数值模型,确定模型的几何尺寸参数;
通过将所述岩石区域边界矢量图导入到所述颗粒流软件,将导入的岩石区域边界矢量图所对应的Geometry与岩石数值模型相重合;
通过对岩石内部矿物颗粒进行分组,对不同组份的矿物颗粒设置不同的几何、物理力学和接触参数,并保存不同的几何、物理力学和接触参数;
通过在颗粒流软件中对不同的几何、物理力学和接触参数取值的变化,最终获得含片理面岩石数值模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211176214.5A CN115618700B (zh) | 2022-09-26 | 2022-09-26 | 基于矿物识别技术的含片理面岩石建模方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211176214.5A CN115618700B (zh) | 2022-09-26 | 2022-09-26 | 基于矿物识别技术的含片理面岩石建模方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115618700A CN115618700A (zh) | 2023-01-17 |
CN115618700B true CN115618700B (zh) | 2023-04-07 |
Family
ID=84860465
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211176214.5A Active CN115618700B (zh) | 2022-09-26 | 2022-09-26 | 基于矿物识别技术的含片理面岩石建模方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115618700B (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10891462B2 (en) * | 2018-06-29 | 2021-01-12 | Saudi Arabian Oil Company | Identifying geometrical properties of rock structure through digital imaging |
CN110069844B (zh) * | 2019-04-15 | 2020-10-30 | 武汉大学 | 一种考虑岩石结构特征和矿物组成的细观模型生成方法 |
CN111160158B (zh) * | 2019-12-17 | 2022-03-22 | 山东大学 | 偏光显微镜下岩石图像智能识别***及方法 |
CN114049461A (zh) * | 2021-10-29 | 2022-02-15 | 上海理工大学 | 一种随机板岩试样的三维数字化重构及数值模拟方法 |
CN115018986B (zh) * | 2022-06-14 | 2023-04-07 | 长安大学 | 一种强构造活动区岩石微观结构信息解译及三维建模方法 |
-
2022
- 2022-09-26 CN CN202211176214.5A patent/CN115618700B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115618700A (zh) | 2023-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Smith et al. | Methods for the visualization of digital elevation models for landform mapping | |
Launeau et al. | Determination of fabric and strain ellipsoids from measured sectional ellipses—implementation and applications | |
Cho et al. | Determination of a mean orientation in electron backscatter diffraction measurements | |
Yang et al. | 3D voxel-based approach to quantify aggregate angularity and surface texture | |
Williams et al. | Visualization and analysis of eddies in a global ocean simulation | |
CN109029381A (zh) | 一种隧道裂缝的检测方法、***及终端设备 | |
KR102488516B1 (ko) | 피검물의 확장 인증 방법 | |
CN106874580A (zh) | 一种基于点云数据的弯管模型重建方法 | |
Seers et al. | Extraction of three-dimensional fracture trace maps from calibrated image sequences | |
CN110400304A (zh) | 基于深度学习的物体检测方法、装置、设备及存储介质 | |
CN102980535A (zh) | 角度测量方法和装置 | |
CN104809756A (zh) | 基于X-ray CT图像的沥青混合料空隙空间结构重构方法 | |
US8970593B2 (en) | Visualization and representation of data clusters and relations | |
CN104463129A (zh) | 一种指纹注册方法及装置 | |
US7924294B2 (en) | Polygon trimming using a modified azimuthal map projection | |
CN115618700B (zh) | 基于矿物识别技术的含片理面岩石建模方法和*** | |
CN104899578A (zh) | 一种人脸识别的方法及装置 | |
JP2021515247A (ja) | 文物、書画及びオリジナル製品のデジタル化技術 | |
Moran | Image processing and soil micromorphology | |
CN114743395B (zh) | 一种信号灯检测方法、装置、设备及介质 | |
CN104574428A (zh) | 一种sar图像入射角估算方法 | |
Eichler | C-Axis analysis of the NEEM ice core–An approach based on digital image processing | |
CN111242857B (zh) | 具有地质方向特征的等值线生成优化方法 | |
CN113343554A (zh) | 一种拱坝水下毁伤识别方法、终端设备及存储介质 | |
CN106772610A (zh) | 一种叠前道集资料增维属性分析方法 |
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 |