本發(fā)明涉及砂土顆粒形狀表征分析領(lǐng)域，具體涉及一種基于動(dòng)態(tài)圖邊緣卷積網(wǎng)絡(luò)的非完整顆粒形狀表征方法。

背景技術(shù)：

1、顆粒的棱角和球度對(duì)土壤的宏觀機(jī)械特性有很大影響。棱角分明的顆粒具有尖銳的凸起和棱角，它們相互交錯(cuò)，形成許多接觸點(diǎn)，從而加強(qiáng)了顆粒土的承重結(jié)構(gòu)。另一方面，球形顆粒在壓縮時(shí)更容易排列整齊并緊密堆積，從而減少土壤顆粒之間的空隙。實(shí)驗(yàn)和數(shù)值研究都表明，顆粒角度和圓度對(duì)土壤的剪切強(qiáng)度、可壓縮性、空隙結(jié)構(gòu)和變形行為有很大影響。

2、在當(dāng)代巖土工程中，研究人員采用了一系列先進(jìn)的三維成像方法來(lái)捕捉復(fù)雜的三維顆粒幾何形狀。這些技術(shù)可以分為兩類：(1)具有穿透性的x射線計(jì)算機(jī)斷層掃描(x-rayct)技術(shù)和(2)無(wú)穿透性的激光掃描、立體攝影和結(jié)構(gòu)光系統(tǒng)技術(shù)。前者能夠無(wú)視顆粒間的遮擋，捕捉完整三維顆粒表面幾何形狀。但是x-ray?ct設(shè)備成本昂貴，且處理x-ray?ct圖像在計(jì)算上要求很高且耗時(shí)。后者由于無(wú)法穿透砂土顆粒，只能捕捉暴露在攝影機(jī)視圖或半粒子幾何體中的上半粒子表面稱為2.5維(2.5d)顆粒。然而，與x射線ct相比，這些系統(tǒng)簡(jiǎn)單、低成本，并且可以在普通土壤中輕松構(gòu)建測(cè)試實(shí)驗(yàn)室。因此，無(wú)穿透性的掃描技術(shù)因其低成本且易于實(shí)現(xiàn)，在掃描3維(3d)粒子表面幾何形狀上更具優(yōu)勢(shì)。因此表征非完整顆粒的棱角和球度對(duì)研究土壤的力學(xué)性能十分必要。

3、傳統(tǒng)的表征方法使用3d計(jì)算幾何(cg)方法分別計(jì)算2.5d和對(duì)應(yīng)3d顆粒的圓度和球度，并試圖通過(guò)數(shù)值統(tǒng)計(jì)的方法找出兩者的差異規(guī)律。但是，當(dāng)統(tǒng)計(jì)的顆粒數(shù)據(jù)過(guò)多時(shí)，2.5d和對(duì)應(yīng)3d顆粒的圓度和球度并無(wú)顯著規(guī)律。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)現(xiàn)有技術(shù)不足，本發(fā)明提供一種基于動(dòng)態(tài)圖邊緣卷積網(wǎng)絡(luò)的非完整顆粒形狀表征方法，對(duì)非完整砂土顆粒點(diǎn)云的表征具有快速和高魯棒性的優(yōu)點(diǎn)。

2、為實(shí)現(xiàn)以上目的，本發(fā)明的技術(shù)方案通過(guò)以下技術(shù)方案予以實(shí)現(xiàn)：

3、一種基于動(dòng)態(tài)圖邊緣卷積網(wǎng)絡(luò)的非完整顆粒形狀表征方法，所述形狀表征方法包括以下步驟：

4、s1、使用3維計(jì)算幾何方法計(jì)算x射線計(jì)算機(jī)斷層掃描的完整顆粒網(wǎng)格的球度和圓度值，然后獲得3維顆粒標(biāo)簽，最后將完整顆粒標(biāo)簽賦予對(duì)應(yīng)的雙目視覺(jué)技術(shù)重建的非完整砂土顆粒點(diǎn)云；

5、s2、采用圖神經(jīng)網(wǎng)絡(luò)構(gòu)建非完整砂土顆粒點(diǎn)云的拓?fù)浣Y(jié)構(gòu)，在每個(gè)輸入的非完整砂土顆粒點(diǎn)云中心點(diǎn)上單獨(dú)傳播，忽略節(jié)點(diǎn)的輸入順序?qū)W(wǎng)絡(luò)模型表征的影響，并提取中心點(diǎn)和鄰域點(diǎn)的邊來(lái)學(xué)習(xí)兩個(gè)節(jié)點(diǎn)間的特征依賴信息；

6、s3、空間變換網(wǎng)絡(luò)通過(guò)分析非完整砂土顆粒點(diǎn)云的姿態(tài)，生成一個(gè)3×3的轉(zhuǎn)換矩陣對(duì)輸入的點(diǎn)云執(zhí)行旋轉(zhuǎn)和縮放等幾何變換，空間變換網(wǎng)絡(luò)對(duì)齊或調(diào)整點(diǎn)云消除相機(jī)位置對(duì)同一砂土顆粒點(diǎn)云坐標(biāo)的影響；

7、s4、采用邊緣卷積操作抽取局部特征，輸出整合中心點(diǎn)局部區(qū)域的特征，增強(qiáng)網(wǎng)絡(luò)模型對(duì)非完整砂土顆粒的局部圓度和球度的特征；

8、s5、在每次提取特征圖后，使用動(dòng)態(tài)圖更新特征中心點(diǎn)的k個(gè)最近鄰點(diǎn)，按照到中心點(diǎn)的距離進(jìn)行更新，使信息在整個(gè)點(diǎn)云中非局部擴(kuò)散，增強(qiáng)對(duì)非完整砂土顆粒整體特征的抽取；

9、s6、根據(jù)最后一層動(dòng)態(tài)更新的卷積特征，輸出分類結(jié)果。

10、優(yōu)選的，所述步驟s1中非完整砂土顆粒點(diǎn)云分成12個(gè)類別，分別為：高圓度-高球形(wr-hs)、高圓度-低球形度(wr-ls)、中圓度-高球形度(r-hs)、中圓度-低球形度(r-ls)、次圓度-高球形度(sr-hs)、次圓度-低球形度(sr-ls)、次棱角度-高球形度(sa-hs)、次棱角度-低球形度(sa-ls)、中棱角度-高球形度(a-hs)、中棱角度-低球形度(a-ls)、高棱角度-高球形度(va-hs)和高棱角度-低球形度(va-ls)。

11、優(yōu)選的，所述步驟s2中構(gòu)建非完整砂土顆粒點(diǎn)云拓?fù)浣Y(jié)構(gòu)的具體方式包括以下步驟：

12、s2-1、在局部有向圖中，點(diǎn)云中每個(gè)點(diǎn)pi都被當(dāng)作一次中心節(jié)點(diǎn)，并且計(jì)算中心節(jié)點(diǎn)pi與其k個(gè)最近鄰點(diǎn)pj的距離

13、

14、v＝{pi∣i＝1,2,…,n}；

15、s2-2、pi和pj組成了非完整砂土顆粒的局部拓?fù)浣Y(jié)構(gòu)，ei表示與點(diǎn)連接的所有邊，eij表示點(diǎn)pi和pj相連的邊：

16、

17、優(yōu)選的，所述步驟s3中空間變換網(wǎng)絡(luò)對(duì)齊或調(diào)整點(diǎn)云消除相機(jī)位置對(duì)同一砂土顆粒點(diǎn)云坐標(biāo)的影響的具體方式包括以下步驟：

18、s3-1、使用卷積操作有效地捕捉非完整砂土顆粒點(diǎn)云變換的局部特征，通過(guò)共享權(quán)重的方式減少參數(shù)量；

19、s3-2、批歸一化規(guī)范深度網(wǎng)絡(luò)中每一層的輸入分布，緩解梯度消失問(wèn)題并加速訓(xùn)練過(guò)程；

20、s3-3、采用修正線性單元的變體leaky?relu，引入非線性，促使模型學(xué)習(xí)非完整砂土顆粒點(diǎn)云更高級(jí)的抽象特征：

21、

22、s3-4、多層感知機(jī)的線性層被用于輸出實(shí)數(shù)域的9維變換特征，并reshape成一個(gè)3×3的轉(zhuǎn)換矩陣。

23、優(yōu)選的，所述步驟s4中邊緣卷積操作抽取局部特征的具體操作包括以下步驟：

24、s4-1、利用mlp提取隱藏特征向量h(xi,xj-xi)；xi和xj為卷積操作的輸入，分別代表中心點(diǎn)和k近鄰點(diǎn)xj；xj-xi為邊eij，也可以看作xj以中心點(diǎn)為原點(diǎn)的局部坐標(biāo)：

25、

26、

27、其中xic和xjc是中心點(diǎn)xi及其相鄰點(diǎn)xj在通道c中的值；輸入點(diǎn)xi和輸出隱藏特征向量h(xi,xj-xi)的通道數(shù)分別為c和c'；通道c'中隱藏特征向量的值表示為mlp的可訓(xùn)練參數(shù)為wc'c、wc'(c+c)；

28、s4-2、應(yīng)用對(duì)稱聚合運(yùn)算max，和邊特征卷積函數(shù)hw()來(lái)定義邊緣卷積運(yùn)算；其中，邊緣卷積在第i個(gè)頂點(diǎn)的輸出x'i由下式給出；因?yàn)閙ax是對(duì)稱函數(shù)，無(wú)論xj的排列如何，層x'i的輸出總是最大值：

29、

30、優(yōu)選的，所述步驟s5中使用動(dòng)態(tài)圖更新特征中心點(diǎn)的k個(gè)最近鄰點(diǎn)的操作包括以下步驟：

31、s5-1經(jīng)過(guò)每一邊緣卷積層，在第l層的點(diǎn)被更新為最接近的kl個(gè)點(diǎn)；

32、s5-2經(jīng)過(guò)每一邊緣卷積層，在第l層的邊被更新為最終形成網(wǎng)絡(luò)會(huì)產(chǎn)生一個(gè)新的圖g(l)＝(v(l),e(l))。

33、優(yōu)選的，所述步驟s6中根據(jù)動(dòng)態(tài)更新的卷積特征，輸出分類結(jié)果的操作具體包括以下步驟：

34、s6-1將卷積特征最大池化為1024維特征向量f1024：

35、f1024＝maxpool(g(l))

36、其中g(shù)(l)是最后一層的圖特征；

37、s6-2使用softmax()將1024維特征向量f1024，降維到c維，其中c是分類的類別數(shù)，每一維數(shù)值代表對(duì)應(yīng)類別的概率，最大的一維數(shù)是預(yù)測(cè)的類別：

38、fc＝softmax(f1024)。

39、本發(fā)明提供一種基于動(dòng)態(tài)圖邊緣卷積網(wǎng)絡(luò)的非完整顆粒形狀表征方法，與現(xiàn)有技術(shù)相比優(yōu)點(diǎn)在于：

40、本發(fā)明使用動(dòng)態(tài)圖邊緣卷積神經(jīng)網(wǎng)絡(luò)模型基于非完整巖土顆粒點(diǎn)云表征對(duì)應(yīng)完整顆粒的圓度和球度。該模型在保持2.5d土壤顆粒點(diǎn)云排列不變性的同時(shí)構(gòu)建多尺度局部特征圖，從而使不同排列的相同鄰域產(chǎn)生一致特征圖。通過(guò)動(dòng)態(tài)圖更新，獲得更大尺度的局部特征以識(shí)別大區(qū)域中的圓度、球度和噪音。邊緣卷積通過(guò)分析點(diǎn)與其鄰域點(diǎn)間的連接關(guān)系來(lái)生成特征，而不是僅僅依賴于單個(gè)點(diǎn)的特征。卷積池化操作用較少的參數(shù)開(kāi)銷得到角度和球度特征，提升基于非完整巖土顆粒點(diǎn)云表征對(duì)應(yīng)完整顆粒的圓度和球度的速度和準(zhǔn)確度。