《Journal of Cleaner Production》：From micro-pixels to macro-performance: An explainable machine learning framework for xanthan gum-stabilized expansive soils via AI-assisted trainable weka segmentation
编辑推荐：
本研究提出“微像素到宏观性能”框架，通过AI辅助的Trainable Weka Segmentation分析黄原胶稳定膨胀土的凝胶-孔隙相特征，建立分形维度等微观指标与抗压强度、CBR等宏观性能的定量关系。优化1.5% XG处理可降低84.2%碳排放并提升性能，为可持续地工实践提供精准工具。
穆罕默德·哈姆扎（Muhammad Hamza）| 陈文博（Wen-Bo Chen）| 谭景成（Jing-Cheng Teng）| 赖汉江（Han-Jiang Lai）| 阿克塔尔·雷赫曼（Akhtar Rehman）| 穆罕默德·伊斯拉尔·汗（Muhammad Israr Khan）
中国深圳大学土木与交通工程学院
摘要
从高碳含量的土壤稳定剂（如水泥、石灰）向可持续生物聚合物的转变受到知识差距的阻碍：缺乏对微观尺度凝胶结构与孔隙网络几何形态共同演变及其对长期宏观性能影响的量化理解。为填补这一空白，本研究建立了一个“从微观像素到宏观性能”（Micro-Pixels to Macro-Performance）框架，用于研究黄原胶（Xanthan Gum, XG）稳定的膨胀土。该框架结合了人工智能辅助的可训练Weka分割（Trainable Weka Segmentation, TWS）技术和可解释的机器学习方法。高分辨率扫描电子显微镜（SEM）图像通过TWS技术被分割成凝胶相和孔隙相，提取了包括分形维数（Fractal Dimension, FD）、骨架连通性、纹理熵、表面粗糙度和形态等特征，以量化不同XG剂量（0.5–5%）和老化时间（7–365天）下凝胶-孔隙之间的相互作用。研究结果表明，凝胶相的分形维数（FD）是一个与放大倍数无关的材料稳定性指标（5–200kx），并与无约束抗压强度、浸泡后的加州承载比（Soaked California Bearing Ratio）、膨胀百分比和压缩指数（Compression Index）表现出显著的相关性。随机森林（Random Forest）和SHAP分析表明，凝胶相的FD和连接点（Junctions）是影响强度的主要因素，其作用超过了孔隙填充的被动效应。研究定义了一个可量化的“微观结构成熟阈值”，即在1.5%的XG剂量和28–60天的老化条件下，网络达到结构渗透状态（FD > 1.75，连接点 > 1700）。该指标在独立的膨胀土数据集上得到了验证，为可持续土工工程提供了一个可推广的工具。优化后的1.5% XG处理方法可使土壤中的固有碳含量减少84.2%，并显著提高强度与碳比（Strength-to-Carbon Index，范围为30.4–101.4）。通过保持较低的固有能量（220.5 MJ/吨），该框架建立了能源效率与碳排放之间的稳健关联，为更清洁、循环的岩土工程实践提供了精确的设计路径。
引言
膨胀土主要来源于硅酸盐矿物风化形成的粘土（如蒙脱石），对基础设施存在显著的膨胀收缩风险（Ali等人，2020年；Worden和Morad，1999年）。传统的土壤稳定剂（如水泥、石灰）具有较高的碳足迹，并且在问题土壤中的长期耐久性有限（Thyagaraj和Soujanya，2017年）。由于普通波特兰水泥（Ordinary Portland Cement, OPC）占全球二氧化碳排放量的8%，因此向可再生生物聚合物的转变对于实现联合国可持续发展目标9和13至关重要。黄原胶（XG）作为一种可持续且热稳定的替代品，能够提高土壤的强度和抗侵蚀能力，适用于地质敏感环境（Bouazza等人，2009年；Latifi等人，2016年；Shi等人，2024年）。其伪塑性特性和化学稳定性使其在传统稳定方法效果不佳的区域仍能发挥有效作用。
尽管已有大量研究记录了XG处理膨胀土的宏观力学性能提升（Abbas Jaffar等人，2025年；Kwon等人，2023年；Zhang等人，2024年），但在建立量化微观-宏观关联方面仍存在科学空白。目前的研究人员越来越多地使用扫描电子显微镜（SEM）来探测内部微观结构，但这些分析主要基于定性观察，提供的视觉图像缺乏预测工程所需的数值特征。这种定性的“黑箱”现象阻碍了工程师理解微观尺度凝胶网络的演变如何直接影响宏观稳定性，往往导致设计过于保守且资源消耗较大，从而削弱了生物聚合物的可持续性应用。
如表1所示，尽管过去的研究使用了可训练Weka分割（TWS）和分形维数（FD）分析等方法（Arganda-Carreras等人，2017年；Basham等人，2024年；Kirkby，1983年），但大多数现有研究未能通过严格的、可解释的建模将这些微观指标与宏观力学趋势联系起来。对主观视觉解释的依赖不仅引入了人为偏见，还阻碍了标准化、与放大倍数无关的质量控制指标的建立。在没有数学上严谨的桥梁连接像素级数据与宏观性能的情况下，岩土工程界仍无法从“事后”微观分析转向实时预测诊断。
为解决这些挑战，本研究提出了“从微观像素到宏观性能”框架——一种统一的数据驱动方法，将被动SEM观察结果转化为定量工程工具。通过结合人工智能辅助的TWS技术和可解释的机器学习流程，研究成功分离了凝胶-孔隙网络的各相贡献，确定了可量化的微观结构成熟阈值。从简单的相识别到复杂的拓扑特征分析的转变，使得能够检测到结构渗透状态（FD > 1.75，连接点 > 1700），此时凝胶基质具备了决定宏观强度和体积稳定性的连通性。
该框架提取了多尺度特征，并验证了凝胶相的分形维数（FD）作为与放大倍数无关的指标（5–200kx），确保了诊断工具在不同成像设备上的可靠性。通过随机森林（RF）和SHAP解释性分析，研究揭示了物理驱动因素的层次结构，将特定特征（如FD（Gel）和连接点密度）与体积膨胀的限制条件联系起来。在独立的膨胀土数据集上的验证表明，优化后的1.5% XG处理方法与传统水泥稳定方法相比，可使土壤中的固有碳含量减少84.2%。最终，这项研究将微观结构分析转化为预测性诊断框架，建立了能源效率与碳排放之间的稳健关联，为绿色材料在土木工程中的标准化应用提供了精确的设计路径。
材料
本研究使用了来自巴基斯坦Dera Ghazi Khan市的高塑性膨胀土（CH; A-7-6），其粘土含量为68%，塑性指数（Plasticity Index, PI）为31.7%，液限（Liquid Limit, LL）为54.1%。稳定处理采用了XG生物聚合物，这是一种可持续且无毒的替代品。选择XG是因为它能够形成高粘度凝胶（1615 mPa?s），有效聚集粘土颗粒（Rosalam和England，2006年），从而提高热稳定性和抗酶性。
宏观力学性能基线
表3显示，1.5%剂量下的UCS（Unconfined Compressive Strength）达到峰值（760.5 kPa），与之前的优化趋势一致（Hamza等人，2023年）。更高剂量（2–5%）的添加仅带来微小的性能提升（<3%），表明进一步添加生物聚合物的效果逐渐减弱。浸泡后的加州承载比（CBRsoak）也呈现出类似的趋势。这表明1.5%的剂量是平衡机械性能与材料经济性的关键阈值。
定量生命周期效率：能源-碳-循环性关联
为了严格评估所提出框架的环境可行性，进行了定量生命周期效率评估，将优化后的1.5% XG处理方法与Lu等人（2020年）确定的5% OPC基线进行了对比，后者被认为是实现膨胀土相似力学性能的最低剂量。结果表明，机械性能的提升与材料质量之间存在显著解耦；而5% OPC处理需要50公斤的...
实际应用、领域边界和未来展望
“从微观像素到宏观性能”框架通过定义膨胀土在1.5%剂量和28–60天老化条件下的“微观结构成熟阈值”，提供了一种严格的施工前诊断工具。这一阈值符合标准的28天质量控制协议（ASTM D1633-17，2018年），确保在标准施工周期内达到最佳结构稳定性。早期凝胶的形成可以立即恢复场地通行能力，便于后续施工的进行。
结论
- 微观结构分析定量证实，土壤强度的提升主要受活性凝胶网络的分形复杂度驱动，而非被动孔隙填充作用。凝胶相指标对强度和刚度的预测贡献超过了60%，使稳定化优化策略从关注材料质量转向关注聚合物网络质量。
- 研究确定了关键的微观结构成熟阈值...
CRediT作者贡献声明
穆罕默德·哈姆扎（Muhammad Hamza）：撰写 – 审稿与编辑、原始草稿撰写、验证、软件开发、方法论设计、调查实施、数据分析、概念构思。
陈文博（Wen-Bo Chen）：撰写 – 审稿与编辑、监督工作、资金筹集、概念构思。
谭景成（Jing-Cheng Teng）：撰写 – 审稿与编辑、监督工作、资金筹集、数据管理。
赖汉江（Han-Jiang Lai）：撰写 – 审稿与编辑、监督工作、调查实施。
阿克塔尔·雷赫曼（Akhtar Rehman）：撰写 – 审稿与编辑、验证工作、软件应用。
写作过程中生成式AI和AI辅助技术的声明
在准备本研究过程中，作者仅使用谷歌的Gemini-3模型来提高语言流畅性和可读性。未使用任何AI工具生成数据、解释结果或得出科学结论。作者对内容进行了审查和编辑，并对最终手稿负全责。
资金声明
作者感谢深圳大学提供的财务支持（资助编号：86902-00000240）。本研究还得到了香港特别行政区政府环境保护部门的环境保护基金（项目编号：2023-64）以及广东省科学技术部的广东省基础与应用基础研究基金（资助编号：2025A1515011924）的财政支持。
利益冲突声明
作者声明没有已知的利益冲突或个人关系可能影响本文的研究结果。
致谢
我们感谢深圳大学土木与交通工程学院提供的实验室和计算资源，同时也感谢岩土工程实验室工作人员的技术支持。
