[发明专利]基于SEM图像的胶结充填体力学响应特性预测方法

权利要求书

1.一种基于SEM图像的胶结充填体力学响应特性预测方法，其特征在于，该方法包括以下步骤：

步骤一、从胶结充填体试样(19)上取一部分制成SEM扫描电镜样品；

步骤二、采用SEM扫描电镜对SEM扫描电镜样品进行扫描，形成SEM电镜扫描图像并存储到计算机(17)中；

步骤三、所述计算机(17)调用高斯滤波处理模块对SEM电镜扫描图像进行高斯滤波处理，得到高斯滤波处理后的SEM电镜扫描图像；

步骤四、所述计算机(17)调用FCM模糊聚类处理模块对进行高斯滤波处理后的SEM电镜扫描图像进行孔隙图像提取，得到与聚类中心数目相等的多个胶结充填体聚类图像；

步骤五、所述计算机(17)将灰度值最小一类的胶结充填体聚类图像确定为胶结充填体微观孔隙图，并对胶结充填体微观孔隙图进行二值化处理，得到胶结充填体微观孔隙二值图；

步骤六、所述计算机(17)将步骤三中得到的高斯滤波处理后的SEM电镜扫描图像与步骤五中得到的胶结充填体微观孔隙二值图进行合并，得到测试样本图像；

步骤七、所述计算机(17)对测试样本图像进行正规化处理，形成像素为960×960的正规化测试样本图像；

步骤八、所述计算机(17)将步骤七中得到的正规化测试样本图像输入预先构建的Tensorflow深度学习力学响应预测网络中，得到单轴力学响应预测结果。

2.按照权利要求1所述的基于SEM图像的胶结充填体力学响应特性预测方法，其特征在于：步骤一中所述SEM扫描电镜样品的长度、宽度和高度均为10mm。

3.按照权利要求1所述的基于SEM图像的胶结充填体力学响应特性预测方法，其特征在于：步骤三中所述计算机(17)调用高斯滤波处理模块对SEM电镜扫描图像进行高斯滤波处理采用的公式为L(x,y)＝I(x,y)*G(x,y)，其中，I(x,y)表示SEM电镜扫描图像，G(x,y)为高斯滤波函数，L(x,y)为高斯滤波处理后的SEM电镜扫描图像，x为图像的横坐标，y为图像的纵坐标。

4.按照权利要求1所述的基于SEM图像的胶结充填体力学响应特性预测方法，其特征在于：步骤四中所述计算机(17)调用FCM模糊聚类处理模块对进行高斯滤波处理后的SEM电镜扫描图像进行孔隙图像提取，得到与聚类中心数目相等的多个胶结充填体聚类图像的具体过程为：

步骤401、定义采用基于样本加权的FCM模糊聚类算法，目标函数为满足极值的约束条件为其中，U为模糊矩阵且U＝[u₁₁,u₂₂,…,u_cn]，u_ik为矩阵U的元素且u_ik表示第k个样本点属于第i类的隶属度，n为样本点总数，c为聚类中心数目；V＝{v₁,v₂,...v_c}是c个类的聚类中心，w_k为样本点x_k的权值，d_ik为样本点x_k到中心点v_i的欧式距离，v_i为V的元素，x_k为样本集X的第k个样本点且X＝{x₁,x₂,...x_n}，m为隶属度u_ik的权重指数且m＞1；

步骤402、设置聚类中心数目c的值、隶属度u_ik的权重指数m的值和最小迭代误差ε的值；

步骤403、用公式更新样本点x_k的权值w_k；u_τj为矩阵U的元素且u_τj表示第j个样本点属于第τ类的隶属度，1≤τ≤c，1≤j≤n；v_τ为V的元素；u_ij为矩阵U的元素且u_ij表示第j个样本点属于第i类的隶属度；

步骤404、用公式更新u_ik；其中，d_rk为样本点x_k到中心点v_r的欧式距离，1≤r≤c；

步骤405、用公式更新v_i；

步骤406、判断是否满足||J(t+1)-J(t)||＜ε′，当满足||J(t+1)-J(t)||＜ε′时，聚类停止，提取得到与聚类中心数目相等的多个胶结充填体聚类图像；否则，返回步骤403；其中，t为时间。