Characterization of pore and grain size distributions in porous geological samples – An image processing workflow
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
An image processing workflow is presented for the characterization of pore and grain size distributions in porous geological samples from X-ray microcomputed tomography (μCT) and scanning electron microscopy (SEM) images. The pore and grain size distributions of five sandstone samples including Berea, Buff Berea, Nugget, Castlegate, and Bentheimer, and one carbonate sample, Indiana limestone, are extracted using the proposed workflow. Two-dimensional size distributions acquired from SEM images were found to be biased toward smaller sizes misrepresenting the actual 3D distributions. Stereological techniques unfolded the measured 2D size distributions from SEM images to 3D distributions comparable with μCT results. While larger pores and grains can easily be detected from μCT and SEM images, the quantification of small-scale heterogeneities is severely influenced by their limits of resolution. We show that microstructural details resolved by SEM can significantly impact the pore and grain size distributions in sandstone and carbonate rock samples. For example, SEM-resolved microporosities in Indiana limestone result in bimodal distributions of pore and grain sizes, whereas μCT observations exhibit unimodal distributions. The acquired images and processed results are openly available and may be used by researchers investigating image processing, magnetic resonance relaxation or fluid flow simulations in natural rocks. The proposed methodology can be implemented to process μCT and SEM images of natural rocks as well as other types of porous materials.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle