PL232619B1 - Sposób określania morfologii koksów i karbonizatów - Google Patents

Sposób określania morfologii koksów i karbonizatów

Info

Publication number
PL232619B1
PL232619B1 PL406798A PL40679814A PL232619B1 PL 232619 B1 PL232619 B1 PL 232619B1 PL 406798 A PL406798 A PL 406798A PL 40679814 A PL40679814 A PL 40679814A PL 232619 B1 PL232619 B1 PL 232619B1
Authority
PL
Poland
Prior art keywords
calculated
images
image
magnification
cokes
Prior art date
Application number
PL406798A
Other languages
English (en)
Other versions
PL406798A1 (pl
Inventor
Małgorzata Wojtaszek
Andrzej Mianowski
Aleksander SOBOLEWSKI
Aleksander Sobolewski
Marek ŚCIĄŻKO
Marek Ściążko
Original Assignee
Inst Chemicznej Przerobki Wegla
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Inst Chemicznej Przerobki Wegla filed Critical Inst Chemicznej Przerobki Wegla
Priority to PL406798A priority Critical patent/PL232619B1/pl
Priority to EP14188079.9A priority patent/EP2894505B1/en
Publication of PL406798A1 publication Critical patent/PL406798A1/pl
Publication of PL232619B1 publication Critical patent/PL232619B1/pl

Links

Classifications

    • G—PHYSICS
    • G02—OPTICS
    • G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
    • G02B21/00—Microscopes
    • G02B21/0004—Microscopes specially adapted for specific applications
    • G02B21/0092—Polarisation microscopes
    • G—PHYSICS
    • G02—OPTICS
    • G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
    • G02B21/00—Microscopes
    • G02B21/36—Microscopes arranged for photographic purposes or projection purposes or digital imaging or video purposes including associated control and data processing arrangements
    • G02B21/365—Control or image processing arrangements for digital or video microscopes
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/41—Analysis of texture based on statistical description of texture
    • G06T7/48—Analysis of texture based on statistical description of texture using fractals
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06V20/695—Preprocessing, e.g. image segmentation
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V99/00—Subject matter not provided for in other groups of this subclass
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Biomedical Technology (AREA)
  • Optics & Photonics (AREA)
  • Analytical Chemistry (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Coke Industry (AREA)

Abstract

Sposób określania morfologii koksów i karbonizatów, polega na analizie mikroskopowych zgładów koksu z jednego ujęcia mikroskopowego przy powiększeniu korzystnie 100-krotnym w świetle odbitym, zwykłym i białym. Początkowo tworzy się obraz binarny, czarno-biały przez zwiększenie kontrastu pomiędzy fazą litą substancji skoksowanej a przekrojem porów, a następnie tworzy się obrazy o wzmocnionym efekcie anizotropowym w świetle spolaryzowanym z płytką opóźniającą lub kontrastem interferencyjno-różniczkowym, zwiększając powiększenie wielokrotnie, korzystnie 5-krotnie. Z kolei w oparciu o obrazy o wzmocnionym efekcie anizotropowym, określa się wektory gradientu barwy szarej w obrębie wyizolowanych tekstur i oblicza poszczególne wskaźniki włóknistości, a następnie wylicza wskaźnik uśredniony w formie jednej niemianowanej wartości na podstawie prawa addytywności liniowej, przy uwzględnieniu wagi w postaci udziałów objętościowych, wyznaczonych na drodze wcześniejszej analizy ilościowej tekstur, wymiary fraktalne wyznacza się zarówno w oparciu o obrazy binarne i obrazy ze wzmocnionym efektem anizotropowym.

Description

Przedmiotem wynalazku jest sposób określania przez zbadanie i ocenę morfologii koksów wielkopiecowych i odlewniczych oraz karbonizatów.
Koks wielkopiecowy czy odlewniczy, zaliczany jest do koksów wysokogatunkowych i jego właściwości są określane szeregiem właściwości w zakresie cech fizycznych w tym mechanicznych jak i chemicznych z uwzględnieniem zawartej w nim substancji mineralnej, określanej jako popiół. Zazwyczaj istnieje szczegółowy opis zestawów parametrycznych właściwości, który jest rygorystycznie przestrzegany w kontraktach handlowych. Z drugiej strony, konieczność komponowania mieszanek węglowych przeznaczonych do koksowania w nowoczesnych systemach obsadzania komór koksowniczych zasypowych i ubijanych z wielu komponentów węglowych, często o nieznanych właściwościach, rozwinęło badania analityczne nad jego morfologią często w powiązaniu z podstawowymi właściwościami wyjściowej mieszanki węglowej o zmiennej gęstości w obu systemach z ewentualnymi dodatkami.
Pod pojęciami struktury i tekstury koksu należy przyjąć modelowy podział, że jest to przestrzenny obraz 3D sprowadzony do tekstury porowatej i optycznej. Teksturę porowatą określa się na podstawie obrazu 2D, czyli obserwowanej w przekroju porowatości i alokacji masy w objętości poprzez wymiar fraktalny. Tego typu ujęcie sugeruje, że jest to opis struktury koksu, sprowadzonej do obrazu 2D. Wymiar fraktalny obliczony dla obrazu dwuwymiarowego mieści się w granicach wartości 1-2. Bardziej jednorodne, korzystne rozmieszczenie masy skutkuje wymiarem fraktalnym zbliżającym się do wartości 2. Chaotyczny rozkład masy na zgładzie próbki koksu tzn. lokalnie pojawiające się duże pory, kanały czy szczeliny powodują spadek wartości wymiaru fraktalnego.
Bardziej skomplikowane jest wyznaczanie elementów stanowiących obraz tekstury anizotropowej i izotropowej. Według normy ASTM D5061-07 pt. „Microscopical determination of the textural components of metallurgical coke” wyróżnia się 11 typów tekstur w obrębie zestalonej fazy jednorodnej, tzn. bez uwzględnienia fazy składającej się z inertnych składników organicznych i nieorganicznych, począwszy od izotropowych, a następnie po zauważalnej, początkowej anizotropii po anizotropię wstęgową dużą, określaną niekiedy jako włóknistą.
Z opisu patentowego PL 174066 znany jest sposób wyznaczania wskaźnika włóknistości koksów elektrodowych, polegający na analizie obrazów zgładów mikroskopowych, przeprowadzanej za pomocą komputera, charakteryzujący się tym, że kolejne obrazy cyfrowe fragmentu zgładu dzieli się na kilka podobrazów, następnie dla każdego podobrazu mierzy się przy użyciu komputera kierunek krawędzi w punkcie, a czynność tę wykonuje się dla wszystkich punktów podobrazu i sporządza kołowy histogram kierunków krawędzi podobrazu, po czym oblicza się jego stopień spłaszczenia, a następnie ponawia się wszystkie czynności dla większej liczby obrazów i uśrednia końcowy wynik stanowiący wskaźnik włóknistości tekstury.
Procedura jest jednak skomplikowana i trudna do odtworzenia w innych warunkach eksperymentu.
W artykule Mariusza Minkina i Andrzeja Mianowskiego, Możliwości komputerowego rozpoznawania anizotropii tekstury koksu, wygłoszonego na II Konferencji Naukowo-Technicznej „Pomiary parametrów paliw”, Warszawa 2005, przedstawiono nowe możliwości wykorzystania metody komputerowej analizy obrazu do rozpoznawania stopnia anizotropii tekstur występujących w koksach z węgli kamiennych. Zaproponowano jedynie sposób klasyfikacji różnych typów tekstur w oparciu o wartości wskaźnika anizotropii i średnie wartości gradientu stopnia szarości obrazu. Analizie poddano zbiór idealnych tekstur z witrynitów węgli kamiennych, wykorzystując algorytm kołowego histogramu. Model idealnych tekstur nie może być wprost wykorzystany dla realnych próbek koksów i karbonizatów, z powodu ich niejednorodności.
Sposób według wynalazku rozwiązuje problem oceny i badania morfologii koksów i karbonizatów, a charakteryzuje się przez komputerowe rozpoznawanie obrazu jego struktury i tekstury.
Procedurą jest sposób określania morfologii koksów i karbonizatów, polegający na analizie mikroskopowych zgładów koksu z jednego ujęcia mikroskopowego, po sporządzeniu zgładu z wypełnieniem żywicznym lub temu podobnym i wypolerowaniu zgodnie z zaleceniami ICCP (International Committee for Coal and Organic Petrology). Wykonuje się fotografię zgładu w powiększeniu x500, w świetle odbitym, spolaryzowanym, przy pomocy filtra polaryzacyjnego, a następnie analizuje się obraz o wzmocnionym efekcie anizotropowym nadal w świetle spolaryzowanym, uzyskanym działaniem płytki opóźniającej lub kontrastem interferencyjno-różniczkowym. Każdy obraz zostaje podzielony na segmenty 548x548 pikseli prezentujące poszczególne typu tekstur, a następnie segmenty dzieli się na
PL 232 619 Β1 punkty gradientowe obrazu o wymiarach 25x25 pikseli, po czym w obrębie otrzymanych punktów gradientowych, mierzy się kierunek i wartość gradientów barwy szarej a wszystkie zmierzone w obrębie badanego punktu gradientowego wektory, przedstawia w postaci histogramu w biegunowym układzie współrzędnych, tak by środek każdego wektora leżał w punkcie centralnym o współrzędnych [0;0], po czym dla elipsy opisanej na histogramie oblicza się półosie a i b, gdzie a > b oraz wylicza wskaźniki włóknistości Wi wg wzoru:
W, = (a-b)/a
Następnie oblicza się średni wskaźnik włóknistości dla próbki w formie jednej niemianowanej wartości na podstawie prawa addytywności liniowej, przy uwzględnieniu wag w postaci udziałów objętościowych.
Figura 1 przedstawia przykład procesu segmentacji fotografii zgładu koksu w powiększeniu x500, w świetle odbitym, spolaryzowanym, przy użyciu płytki opóźniającej (fig. 1-A), polegający na wydzieleniu z obrazu segmentów o wymiarze 548x548 pikseli prezentujących poszczególne typu tekstur (fig. 1-B, C, D).
Przykład stosowania wynalazku.
Krok 1.
Wykonano zgład kawałkowy próbki koksu wielkopiecowego o parametrach technologicznych CRI = 34,9% i CSR = 49,3%, poprzez zatopienie go przy obniżonym ciśnieniu (korzystnie 20 kPa) w żywicy epoksydowej, a następnie szlifowanie i polerowanie metodami automatycznymi z zastosowaniem zawiesin polerskich. Możliwe jest również użycie żywicy akrylowej o małej zdolności penetracji struktury, a następnie szlifowanie i polerowanie metodami automatycznymi z zastosowaniem zawiesin polerskich. Dalszy ciąg postępowania zakłada wykonanie kolejno: analizy ilościowej (manualnej) typów tekstur optycznych, dokumentacji fotograficznej, segmentacji obrazu pod kątem wyizolowania poszczególnych typów tekstur, analizy wskaźnika włóknistości oraz analizy fraktalnej.
Krok 2.
Wykonano ilościową analizę typów tekstur w koksie zgodnie z normą ASTM D5061-07. Dla badanej próbki koksu wyniki przedstawiają się następująco:
Tablica 1. Udziały poszczególnych tekstur w koksie należących do fazy jednorodnej zresolidowanej
Typ tekstury udział [%v/vj
Izotropowa 0
Pierwotna 0
Kolista drobna 2,38
Kolista średnia 17,06
Kolista gruba 14,09
Soczewkowa drobna 15,87
Soczewkowa średnia 17,46
Soczewkowa gruba 1,79
Włóknista drobna 3,97
Włóknista średnia 1,98
Włóknista gruba 0,4
Inerty organiczne drobne 10,12
Inerty organiczne grube 10,71
Inerty nieorganiczne drobne 1,39
PL 232 619 B1
Krok 3.
Wykonano serię zdjęć ze wzmocnionym efektem anizotropowym w świetle odbitym spolaryzowanym, przy użyciu płytki opóźniającej λ w stałych ustalonych warunkach oświetleniowych, przy powiększeniu x500 w immersji olejowej (fig. 1-A). Światło spolaryzowane ujawnia anizotropowy charakter materiału czyli jego cechę chemiczną. Płytka A podkreśla różnicę w charakterze optycznym poszczególnych typów tekstur anizotropowych potęgując efekt anizotropowy. Taki sam efekt wzmocnienia efektu anizotropowego można uzyskać poprzez zastosowanie kontrastu interferencyjno-różniczkowego.
Krok 4.
Wykonano segmentację obrazu wykonanych zdjęć (Krok 3) polegającą na wyizolowaniu z obrazu segmentów o wymiarach 548x548 pikseli, będących próbkami tekstur zgodnych z klasyfikacją opisaną w normie ASTM D5061-07 (fig. 1-B, C, D). Segmenty nie mogą zawierać mieszanki typów tekstur ani motywów będących porami. Konieczne było zachowanie skalowania dla każdego obrazu indywidualnie. Zbiór segmentów wykonanych dla badanej próbki zawierał co najmniej 5 segmentów dla każdego zliczonego typu tekstury (Tablica 1), z wyłączeniem składników inertnych organicznych i nieorganicznych. Nie posługujemy się obrazami skompresowanymi a jedynie formatami bez kompresji lub z kompresją bezstratną (PNG, TIFF, BMP).
Krok 5.
Dla każdego wykonanego segmentu (fig. 1-B, C, D) wykonano pomiar wektora gradientu barwy szarej w oparciu o detekcję krawędzi. Obrazy barwne powinny być automatycznie konwertowane do skali szarości. Każdy segment podzielony został na podobrazy o wymiarze 25x25 lub 64x64 pikseli, nazwane punktami gradientowymi obrazu. W obrębie tych punktów, zmierzono kierunek i wartość gradientów barwy szarej (wektor gradientu). Wszystkie zmierzone w obrębie badanego punktu gradientowego wektory, przedstawiono w postaci histogramu w biegunowym układzie współrzędnych tzn. środek histogramu leży w punkcie centralnym o współrzędnych [0;0], Aby określić kształt (wydłużenie) histogramu zastosowano procedurę aproksymacji konturu histogramu, elipsą, dla której obliczono półosie a i b, gdzie a > b oraz wyliczono wskaźniki włóknistości W i wg wzoru:
Wi = (a-b)/a
Krok 6.
W oparciu o wyniki analizy ilościowej wg ASTM D5061-07 (Tablica 1) i wyniki analizy wektorów gradientu barwy szarej, obliczono całkowity wskaźnik włóknistości tekstury zgodnie ze wzorem:
Wx = ZxiWi uwzględniającym wagi w postaci udziałów objętościowych xi udziałów wskaźników Wi przy czym:
ΣΧ = 1
Dla próbki badanej wynosi:
Wx = 0,37
Podany przykład realizacji nie wyczerpuje możliwości zastosowania wynalazku.
Zastrzeżenia patentowe

Claims (2)

1. Sposób określania morfologii koksów i karbonizatów, polegający na analizie mikroskopowych zgładów koksu z jednego ujęcia mikroskopowego, po sporządzeniu zgładu z wypełnieniem żywicznym lub temu podobnym i wypolerowaniu zgodnie ze znanymi metodami, znamienny tym, że wykonuje się fotografię zgładu w powiększeniu, w świetle odbitym, spolaryzowanym, przy pomocy filtra polaryzacyjnego, a następnie analizuje się obraz o wzmocnionym efekcie anizotropowym nadal w świetle spolaryzowanym, uzyskanym działaniem płytki opóźniającej lub kontrastem interferencyjno-różniczkowym, zwiększając powiększenie wielokrotnie w ten sposób że każdy obraz zostaje podzielony na segmenty 548x548 pikseli, a następnie segmenty dzieli się na punkty gradientowe obrazu o wymiarach 25x25 pikseli, po czym w obrębie otrzymanych punktów gradientowych, mierzy się kierunek i wartość gradientów barwy szarej a wszystkie zmierzone w obrębie badanego punktu gradientowego wektory, przedstawia
PL 232 619 Β1 w postaci histogramu w biegunowym układzie współrzędnych, tak by środek każdego wektora leżał w punkcie centralnym o współrzędnych [0;0], po czym dla elipsy opisanej na histogramie oblicza się jej półosie a i b, gdzie a > b oraz wylicza wskaźniki włóknistości Wi wg wzoru:
W, = (a-b)/a a następnie oblicza się średni wskaźnik włóknistości dla próbki w formie jednej niemianowanej wartości na podstawie prawa addytywności liniowej, przy uwzględnieniu wag w postaci udziałów objętościowych.
2. Sposób według zastrz. 1, znamienny tym, że badanie wykonuje się przy powiększeniu 500-krotnym.
Rysunek
PL406798A 2014-01-08 2014-01-08 Sposób określania morfologii koksów i karbonizatów PL232619B1 (pl)

Priority Applications (2)

Application Number Priority Date Filing Date Title
PL406798A PL232619B1 (pl) 2014-01-08 2014-01-08 Sposób określania morfologii koksów i karbonizatów
EP14188079.9A EP2894505B1 (en) 2014-01-08 2014-10-08 The method for determining the morphology of cokes and chars

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PL406798A PL232619B1 (pl) 2014-01-08 2014-01-08 Sposób określania morfologii koksów i karbonizatów

Publications (2)

Publication Number Publication Date
PL406798A1 PL406798A1 (pl) 2015-07-20
PL232619B1 true PL232619B1 (pl) 2019-07-31

Family

ID=51904661

Family Applications (1)

Application Number Title Priority Date Filing Date
PL406798A PL232619B1 (pl) 2014-01-08 2014-01-08 Sposób określania morfologii koksów i karbonizatów

Country Status (2)

Country Link
EP (1) EP2894505B1 (pl)
PL (1) PL232619B1 (pl)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108106977A (zh) * 2018-01-12 2018-06-01 河南工业大学 一种sbs改性剂与基质沥青配伍性以及最佳改性剂掺量优选方法
CN113804678B (zh) * 2020-06-16 2024-05-10 上海梅山钢铁股份有限公司 一种焦炭反应深度的检测方法
WO2022034406A1 (en) * 2020-08-13 2022-02-17 Chevron U.S.A. Inc. Coke morphology by image segmentation
KR102767021B1 (ko) * 2021-10-12 2025-02-12 (주)포스코퓨처엠 음극 활물질용 탄소 원료, 음극 활물질, 이를 포함하는 리튬 이차 전지 및 음극 활물질의 제조 방법

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0610916A3 (en) * 1993-02-09 1994-10-12 Cedars Sinai Medical Center Method and device for generating preferred segmented numerical images.
PL174066B1 (pl) 1994-07-07 1998-06-30 Akad Gorniczo Hutnicza Sposób wyznaczania współczynnika włóknistości koksów elektrodowych
JP2000266613A (ja) * 1999-03-15 2000-09-29 Toshiba Corp 材料破面解析装置および方法
US20020186875A1 (en) * 2001-04-09 2002-12-12 Burmer Glenna C. Computer methods for image pattern recognition in organic material
WO2003095986A1 (en) * 2002-05-14 2003-11-20 Amersham Biosciences Niagara, Inc. System and methods for rapid and automated screening of cells
US20120277996A1 (en) * 2011-02-28 2012-11-01 Hurley Neil F Method to determine representative element areas and volumes in porous media

Also Published As

Publication number Publication date
EP2894505A1 (en) 2015-07-15
EP2894505B1 (en) 2020-05-06
PL406798A1 (pl) 2015-07-20

Similar Documents

Publication Publication Date Title
SA520420917B1 (ar) تحديد الخواص الهندسية لبنية صخرية من خلال التصوير الرقمي
US8909508B2 (en) Petrographic image analysis for determining capillary pressure in porous media
Li et al. Fiber orientation distribution in strain hardening cementitious composites (SHCC): Experimental investigation and consideration of processing effect
CN104700097B (zh) 一种基于矿物标准色数据库的矿物组分识别方法
Lyu et al. Relationship between fine aggregate size and the air void system of six mortars: I. Air void content and diameter distribution
Desbois et al. Multi-scale analysis of porosity in diagenetically altered reservoir sandstone from the Permian Rotliegend (Germany)
Reedy et al. Image analysis in quantitative particle studies of archaeological ceramic thin sections
CN108956424A (zh) 一种页岩中孔隙定量表征的方法
Zalocha et al. Estimation of the structure of air entrained concrete using a flatbed scanner
Huo et al. ITZs characterization in full-component geopolymer recycled concrete based on quantitative BSE-EDS images and nanoindentation techniques
CN112163621A (zh) 一种基于微ct技术的致密砂岩储层孔隙结构分类及表征方法
CN111160064A (zh) 煤岩组分识别方法
EP2894505B1 (en) The method for determining the morphology of cokes and chars
Zhao et al. Petrophysical characterization of tight oil sandstones by microscale X-ray computed tomography
CN114820682A (zh) 一种蚀变火成岩矿物含量划分方法
CN106370565A (zh) 一种过共晶铝硅合金中初生硅相的定量检测方法
Tovey et al. Quantitative micro-porosity and orientation analysis in soils and sediments
Reyes-Ortiz et al. Digital image analysis applied in asphalt mixtures for sieve size curve reconstruction and aggregate distribution homogeneity
Head et al. Characterisation of ‘Hadley’grains by confocal microscopy
Nichols et al. 3D surface image analysis for fracture modeling of cement-based materials
Holzer et al. Quantification of capillary pores and hadley grains in cement paste using FIB-nanotomography
Barreto et al. Influence of tomographic resolution in the measurement of microstructural characteristics and the simulation of permeability of two sedimentary rocks
CN118347909A (zh) 一种提高致密砂岩面孔率测定精度的实验分析方法
Albar et al. Classification of intrusive igneous rocks using digital image processing: a binary approach
Melo de Lima et al. Structural Characterization of Rocks Using the X-ray Microtomography Technique.