买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明公开了一种基于CT图像将颗粒有机质分为新鲜POM和旧POM的方法，包括：对样品CT扫描并进行图像预处理；基于机器学习识别、分割颗粒有机质；计算颗粒有机质的形态特征参数；挑选数据训练集；使用随机森林模型将颗粒有机质分为新鲜残体和旧POM；计算新鲜残体和旧POM的空间分布特征。本发明将CT技术与随机森林模型相结合，通过CT扫描图像、颗粒有机质识别与分割，再人工挑选训练集样本，通过训练集样本对随机森林模型进行训练，训练后的模型将预测样本中颗粒有机质分类成新鲜POM和旧POM，并分别得到其空间分布信息，新鲜POM和旧POM可以分别表示颗粒有机质的不同来源，能够为土壤学颗粒有机质的深入研究奠定基础。

主权项：1.一种基于CT图像将颗粒有机质分为新鲜POM和旧POM的方法，其特征在于，包括以下步骤：步骤S1：对样品进行CT扫描并进行图像预处理；步骤S2：基于机器学习识别、分割颗粒有机质；步骤S3：计算颗粒有机质的形态特征参数，包括：体积、团块性、紧密性、球形度和板状性；步骤S4：挑选数据训练集，具体包括：步骤S41：从步骤S2筛选出来的颗粒有机质中进行人工挑选，挑选出部分新鲜POM和旧POM，并计算出这些新鲜POM和旧POM的形态特征，用作数据训练集，数据训练集按照7:3的比例分为模型的训练集和测试集；其余未挑选的颗粒有机质用作预测样本；步骤S42：将数据训练集和预测样本的形态特征存储在同一个excel文件中；步骤S5：使用随机森林模型将颗粒有机质分为新鲜POM和旧POM；具体包括：步骤S51：使用Python语言构建随机森林模型，模型首先提取训练集数据进行训练，学习出模型的参数，然后利用测试集数据评估模型的性能，并调整模型的参数以优化性能；最后对步骤S41中的预测样本进行预测，预测结果记载在步骤S42的excel文件中新增一列；步骤S52：打开步骤S51的excel文件，将分类结果为新鲜POM的颗粒有机质全部标记为1，将分类结果为旧POM的全部标记为0，该列的标题改为Classification，并保存为csv文件；步骤S53：在Fiji软件中打开步骤S52中的csv文件，打开MorphoLibj插件中的AssignMeasuretoLabel功能，在TableName选项中选择打开的csv文件，Column选择Classification，MinValue和MaxValue分别设置为0和0.5，然后点击OK以筛分出旧POM，并将其命名为旧POM；步骤S54：打开Process-ImageCalculator，Image1选择总POM，Operation选择Subtract，Image2选择旧POM，点击OK后得到新鲜POM，并重命名为新鲜POM；步骤S55：打开Process-Binary-Makebinary，将新鲜POM和旧POM图像分别二值化并保存；步骤S6：计算新鲜POM和旧POM的空间分布特征。

全文数据：

权利要求：

百度查询： 中国科学院南京土壤研究所 一种基于CT图像将颗粒有机质分为新鲜POM和旧POM的方法