基于生成对抗网络的重叠颗粒分割与级配预测技术

本发明属于计算力学领域，具体涉及一种基于生成对抗网络的重叠颗粒分割与级配预测技术。利用离散元模拟软件，生成颗粒集合模型；通过批量保存颗粒集合图像，构建训练数据集；通过Pix2Pix捕捉重叠颗粒图像与其散开状态图像之间的映射关系，并基于该映射关系生成对应的散开颗粒图像；采用深度学习分割模型SAM对图像进行颗粒分割，精准提取颗粒的轮廓边界；借助OpenCV技术，从分割结果中提取颗粒的几何特征参数，并绘制颗粒的级配曲线；最后，通过将预测的级配曲线与已知的理论级配曲线进行对比分析，评估预测精度并计算误差。本发明方法能够高效、准确地实现颗粒分割与级配预测，特别是在处理重叠颗粒时展现了优异的性能。