CN106530318A - 一种热拌沥青混凝土花白料识别检测算法 - Google Patents

Abstract

本发明公开了一种热拌沥青混凝土花白料识别检测算法，具体包括，首先采集沥青混合料图像，对图像进行一系列预处理，然后计算图像灰度值均值和图像灰度标准差，通过对混凝土灰度图像进行形态学处理，计算出花白料颗粒总面积大小及花白料颗粒总面积占整幅图面积的比例参数，根据图像灰度值均值和图像灰度标准差结合花白料颗粒总面积大小及花白料颗粒总面积占整幅图面积的比例参数来判断沥青混合料搅拌是否均匀；若沥青混合料搅拌不均匀，改变搅拌策略，继续搅拌，再进行重复判断，直到满足要求；本发明计算简单、运行时间短，无需人工参与。只需输入采集到沥青混凝土图像数据，即可完成对沥青搅拌均匀性的检测，该检测算法效率高、检测精确。

Description

一种热拌沥青混凝土花白料识别检测算法

技术领域

本发明涉及筑路机械与施工机械化领域，具体涉及一种热拌沥青混凝土花白料识别检测算法。

背景技术

在目前的市政道路建设中，路面类型主要以沥青混凝土为主，因此对于沥青混凝土的质量控制尤为重要。所以沥青混凝土出厂时有几个问题要注意观察，防止问题料摊铺到路面。其中沥青混凝土花白料是指沥青和石料在搅拌时，搅拌不均匀产生一部分包裹沥青特别多，一部分还没有包裹到的情况。沥青混凝土摊铺后如果包裹沥青较多，出现沥青游离，温度高时出现发软。花白料则表现为沥青没有完全包裹住骨料，如果出现花白料，摊铺到路面后更容易散料，立刻影响性能和效果，必须马上处理。

沥青混凝土搅拌设备是用来将沥青、粒料(又称骨料)、粉料等筑路材料按一定的比例在一定的温度下搅拌均匀的机械设备,在搅拌过程中可能出现花白料。《公路沥青路面施工技术规范》明确要求沥青混凝土搅拌设备必须配备打印机，并实时打印相关数据，这对沥青混凝土质量控制起到了重要的作用。但到目前为止，除打印机外，国产及进口的沥青混凝土搅拌设备都没有实时在线数据处理分析和检测系统，这就使得沥青混凝土搅拌设备拌合质量的实时监控十分困难，某些情况下甚至严重影响了沥青路面的路用性能。目前，针对沥青混凝土花白料的识别大多是通过人工进行，人工识别花白料易造成人眼疲劳、效率较低而且识别准确率也低，同时在道路施工时，人工识别花白料时候容易受到行车的影响，对人身安全也存在一定的风险。

发明内容

为了解决现有技术中人工识别花白料容易造成人眼疲劳、工作效率较低而且识别准确率低，同时在道路施工时，人工识别花白料时候容易受到行车的影响，对人身安全也存在一定的风险的问题，本发明提供以下技术方案予以解决：

一种热拌沥青混凝土花白料识别检测方法，具体包括以下步骤：

步骤1：输入采集的沥青混凝土图像，并对图像进行预处理，得到滤波后的 沥青混凝土图像；

步骤2：对滤波后的沥青混凝土图像，使用Labview中的IMAQ Historgram VI得到数组形式表示的灰度直方图的值的分布，从灰度直方图中提取0-255之间的灰度值及对应的频数，计算得到图像灰度值均值和图像灰度值标准差,通过灰度值均值和灰度值标准差来反映沥青混凝土图像的灰度级；

步骤3：基于图像灰度直方图，对图像进行阈值分割，得到沥青混凝土的二值图像；

步骤4：对沥青混凝土二值图像进行相关形态学处理，提取出图像中花白料颗粒的凸包及凸包的内部轮廓；

步骤5：使用原沥青混凝土图像与经过形态学处理后的沥青混凝土二值图像做灰度图像除运算，在原图中标记出花白料颗粒；

步骤6：基于形态学处理后的沥青混凝土二值图像，提取出所有花白料并计算花白料颗粒总面积大小及花白料颗粒总面积占整幅图面积的比例参数，花白料颗粒总面积大小及花白料颗粒总面积占整幅图面积的比例参数反映了沥青混凝土的搅拌均匀性情况；

步骤7：根据灰度级和均匀性判断经过搅拌的沥青混凝土是否合格，合格则进入下一步机械操作，否则改变搅拌策略，继续搅拌。

步骤1具体包括以下步骤：

11：对采集的沥青混凝土图像进行高斯滤波，

12：对高斯滤波后的沥青混凝土图像进行卷积—高亮细节滤波。

步骤2中灰度直方图反映了沥青混凝土图像中0～255中之间每个灰度值及具体像素数量灰度值均值计算公式为：

灰度值标准差计算公式为：

其中，X为0～255之间的为灰度值，A为图像中像素点总数，Y₀表示像素值为0对应的像素数量，Y_X表示像素值为X对应的像素数量。

步骤3中对图像灰度直方图进行阈值分割的阈值设置为125～255。

步骤4具体包括以下步骤：

41：用Labview中的IMAQ RemoveParticle VI，对沥青混凝土二值图像做腐蚀处理；

42：用Labview中的IMAQ Morphology VI，对步骤41处理后的二值图像做膨胀处理；

43：用Labview中的IMAQ Convex Hull VI，选择8连通的凸包算法，得到步骤42处理后二值图像的颗粒的凸包；

44：使用Labview中的IMAQ Morphology VI，得到步骤43处理后的二值图像中颗粒凸包的内部轮廓；

步骤7具体包括以下步骤：

71：灰度级是否合格的判断，将步骤2中提取的图像灰度均值和图像灰度标准差和预先采集的代表图像灰度级的图像灰度均值和图像灰度标准差参数模板作对比，检测沥青混凝土的整体灰度级，若灰度级不合格则改变搅拌策略继续搅拌；若灰度级合格则执行步骤72。

72：均匀性判断，将步骤5中提取的花白料颗粒面积占比和预先采集的代表图像均匀性的图像花白料颗粒面积及面积占比参数模板作对比，检测沥青混凝土的搅拌均匀性，若搅拌不均匀则改变搅拌策略继续搅拌，若搅拌均匀则可以进入工业上的下一步机械处理。

步骤7中所述的改变搅拌策略包括：增加沥青、减少沥青骨料、增加沥青骨料。

步骤11中，使用的高斯滤波算子为：

1	2	1
			2	4	2
1	2	1

所述步骤12中使用的卷积核为：

步骤41用Labview中的IMAQ RemoveParticle VI，对沥青混凝土二值图像做腐蚀处理，具体包括选用选择3×3的掩模、像素帧正方形、邻域8连通的算子对沥青混凝土二值图像腐蚀3次；所述的步骤42用Labview中的IMAQ Morphology VI，具体包括，对沥青混凝土二值图像做膨胀处理，选用选择3×3的掩模、像素帧正方形、邻域8连通的算子对步骤41处理后的沥青混凝土二值图像膨胀一次。

步骤44使用Labview中的IMAQ Morphology VI，得到步骤43处理后的二值图像中颗粒凸包的内部轮廓具体包括选择5×5的掩模、像素帧圆形、邻域8连通的Gradient in操作得到步骤43处理后的二值图像中颗粒凸包的内部轮廓。

本发明和现有技术相比，具有以下技术效果：

1、本发明提出的方法计算简单、运行时间短，消除了设备技术的影响与设备类型的限制，适用范围广，适合在实时的系统中采用。

2、本发明提出的热拌沥青混凝土花白料识别检测方法，通过智能图像采集和图像处理，再结合和系统中预先采集的数据参考模板作对比处理，整个过程无需人工参与，从而克服了人工检测方法具有的劳动强度大、安全性低、行车受干扰、工作效率低和检测精确度较低的缺点

附图说明

图1是本发明中沥青混凝土图像采集设备；

图2是沥青混凝土花白料识别检测方法流程图；

图3是使用图像采集设备采集的沥青混凝土灰度图；

图4原始灰度图的高斯滤波后的效果图；

图5高斯滤波图进行卷积—高亮细节滤波效果图；

图6卷积-高粱细节滤波图进行阈值分割效果图；

图7阈值分割图进行删除小目标效果图；

图8删除小目标图进行膨胀效果图；

图9膨胀图进行凸包效果图；

图10凸包图进行梯度内提取内部轮廓效果图；

图11元沥青混凝土中花白料标记效果图；

图12为沥青混凝土中花白料识别时间曲线图；

图13为沥青混凝土整体灰度参数表；

图14为花白料面积及面积占比参数表。

具体实施方式

本发明提供一种热拌沥青混凝土花白料识别检测算法，如算法流程图2，具体包括以下步骤：

步骤1：输入采集的沥青混凝土图像，并对图像进行预处理，得到滤波后的沥青混凝土图像；具体包括：

11：对采集的沥青混凝土图像进行高斯滤波，其中使用的高斯滤波算子为：

1	2	1
			2	4	2
1	2	1

12：对采集的沥青混凝土图像进行卷积—高亮细节滤波，其中使用的卷积核为：

-1	-1	-1
			-1	10	-1
-1	-1	-1

使用内核为3×3的高斯滤波器减弱噪声，增强图像对比度，提高图像质量，使用3×3卷积核的卷积—高亮细节滤波器，可以突出图像边缘等细节。

步骤2：对滤波后的沥青混凝土图像，使用Labview中的IMAQ Historgram VI得到数组形式表示的灰度直方图的值的分布，从灰度直方图中提取相关参数，计算得到图像灰度值均值和图像灰度值标准差,通过灰度值均值和灰度值标准差来反映沥青混凝土图像的灰度级；

其中：步骤2中灰度直方图反映了沥青混凝土图像中0～255之间每个灰度值及具体像素数量灰度值均值计算公式为：

灰度值标准差计算公式为：

其中，X为0～255之间的为灰度值，Y为对应像素数量，A为图像中像素点总数，Y₀表示像素值为0对应的像素数量，Y_X表示像素值为X对应的像素数量。

步骤3：基于图像灰度直方图，对图像进行阈值分割，得到沥青混凝土的二值图像；

其中，对图像灰度直方图进行阈值分割的阈值设置为125～255，这样图像像素灰度值大于等于125并且小于等于255的被认为是图像中的粒子，而不再阈值范围内的像素值被置为0，从而有效的提出图像中的花白料颗粒。

步骤4：对沥青混凝土二值图像进行相关形态学处理，提取出图像中花白料颗粒的凸包及凸包的内部轮廓；其中具体包括：

41：用3×3的掩模、像素帧正方形、邻域8连通的算子对沥青混凝土二值图像

腐蚀3次；通过对图像腐蚀3次，删除了图像中的小目标，提取沥青混凝土图

像中的大颗粒。

42：用3×3的掩模、像素帧正方形、邻域8连通的算子对步骤41处理后的二值

图像膨胀1次；对二值图像膨胀处理，可以增强沥青混凝土图像中的大颗粒。

43：用凸包函数计算每个颗粒的凸出包络，得到步骤42处理后二值图像的颗

粒的凸包；为了测量沥青混凝土图像中花白料颗粒的一些参数，利用凸包函

数计算每个粒子的凸出包络，可以有效地关闭粒子，方便后续的粒子参数计算。

44：使用5×5的掩模、像素帧圆形、邻域8连通的梯度内函数得到步骤43处理后的二值图像中颗粒凸包的内部轮廓；

步骤5：使用原沥青混凝土图像与经过形态学处理后的沥青混凝土二值图像做灰度图像除运算，在原图中标记出花白料颗粒；

步骤6：基于形态学处理后的沥青混凝土二值图像，提取出所有花白料并计算花白料颗粒总面积大小及花白料颗粒总面积占整幅图面积的比例参数，花白料颗粒总面积大小及花白料颗粒总面积占整幅图面积的比例参数反映了沥青混凝土的搅拌均匀性情况；

步骤7：根据灰度级和均匀性判断经过搅拌的沥青混凝土是否符合标准，符合标准则进入下一步机械操作，否则改变搅拌策略，继续搅拌，具体包括以下步骤：

71：灰度级是否合格的判断，将步骤2中提取的图像灰度均值和图像灰度标准差和预先采集的代表图像灰度级的图像灰度均值和图像灰度标准差参数模板作对比，检测沥青混凝土的整体灰度级，若灰度级不合格则改变搅拌策略；若灰度级合格则执行步骤72。

72：均匀性判断，将步骤5中提取的花白料颗粒面积占比和预先采集的代表图像均匀性的图像花白料颗粒面积及面积占比参数模板作对比，检测沥青混凝土的搅拌均匀性，若搅拌不均匀则改变搅拌策略继续搅拌，若搅拌均匀则可以进入工业上的下一步机械处理。

其中，骤7中所述的改变搅拌策略包括：增加沥青、减少沥青骨料、增加沥青骨料。

如图,采集10幅图像，经过预处理，提取图像整体灰度参数，图像整体灰度值均值和灰度值标准差数据表如表1。

表1中，6号图像作为参考标准，设置浮动比例为10％。从两个参数比较结果得出沥青混凝土搅拌均匀的有6、7、8、9、10号图像，其余5幅图像是搅拌不均匀的。选择1号图像，提取图像中的花白料特征参数，花白料面积及面积占比参数数据表如表2。

(2)检测结果

检测过程完成后，使用指示灯显示检测结果。设置一个指示灯，如果参数符合标准，则指示灯绿灯亮；如果参数不符合标准，则指示灯红灯亮；如果参数没有被比较，则指示灯黑灯亮。

(3)检测速率

沥青混凝土花白料识别检测要求准确率高、速率快，为改变搅拌策略提供实时的依据。经试验，本研究识别检测沥青混凝土图像的平均速率是0.09s/幅，也就是检测一幅沥青混凝土图像大约需要0.09s。10幅沥青混凝土图像花白料识别检测时间曲线图如图12。

使用本发明的沥青混凝土花白料识别检测算法进行试验，效率高、速率快。

Claims (10)

1.一种热拌沥青混凝土花白料识别检测算法，其特征在于包括以下步骤：

步骤1：输入采集的沥青混凝土图像，并对图像进行预处理，得到滤波后的沥青混凝土图像；

步骤2：对滤波后的沥青混凝土图像，使用Labview中的IMAQ Historgram VI得到数组形式表示的灰度直方图的值的分布，从灰度直方图中提取0-255之间的灰度值及对应的频数，计算得到图像灰度值均值和图像灰度值标准差,通过灰度值均值和灰度值标准差来反映沥青混凝土图像的灰度级；

步骤3：基于图像灰度直方图，对图像进行阈值分割，得到沥青混凝土的二值图像；

步骤4：对沥青混凝土二值图像进行相关形态学处理，提取出图像中花白料颗粒的凸包及凸包的内部轮廓；

步骤5：使用原沥青混凝土图像与经过形态学处理后的沥青混凝土二值图像做灰度图像除运算，在原图中标记出花白料颗粒；

步骤6：基于形态学处理后的沥青混凝土二值图像，提取出所有花白料并计算花白料颗粒总面积大小及花白料颗粒总面积占整幅图面积的比例参数，花白料颗粒总面积大小及花白料颗粒总面积占整幅图面积的比例参数反映了沥青混凝土的搅拌均匀性情况；

步骤7：根据灰度级和均匀性判断经过搅拌的沥青混凝土是否合格，合格则进入下一步机械操作，否则改变搅拌策略，继续搅拌。

2.如权利要求所述的一种热拌沥青混凝土花白料识别检测算法，其特征在于，所述的步骤1具体包括以下步骤：

11：对采集的沥青混凝土图像进行高斯滤波，

12：对高斯滤波后的沥青混凝土图像进行卷积—高亮细节滤波。

3.如权利要求所述的一种热拌沥青混凝土花白料识别检测算法，其特征在于，所述的步骤2中灰度直方图反映了沥青混凝土图像中0～255之间每个灰度值及具体像素数量灰度值均值计算公式为：

$\stackrel{\‾}{X}=\frac{{\Σ}_{x=0}^{255}(X\×Y_x)}{A-Y_0}$

灰度值标准差计算公式为：

$\mathrm{\δ}=\sqrt{\frac{{\Σ}_{x=0}^{255}({\left(X-\stackrel{\‾}{X}\right)}^2\×Y_x)}{A-Y_0}}$

其中，X为0～255之间的为灰度值，A为图像中像素点总数，Y₀表示像素值为0对应的像素数量，Y_X表示像素值为X对应的像素数量。

4.如权利要求1所述的一种热拌沥青混凝土花白料识别检测算法，其特征在于，所述的步骤3中对图像灰度直方图进行阈值分割的阈值设置为125～255。

5.如权利要求1所述的一种热拌沥青混凝土花白料识别检测算法，其特征在于，所述的步骤4具体包括以下步骤：

41：用Labview中的IMAQ RemoveParticle VI，对沥青混凝土二值图像做腐蚀处理；

42：用Labview中的IMAQ Morphology VI，对步骤41处理后的二值图像做膨胀处理；

43：用Labview中的IMAQ Convex Hull VI，选择8连通的凸包算法，得到步骤42处理后二值图像的颗粒的凸包；

44：使用Labview中的IMAQ Morphology VI，得到步骤43处理后的二值图像中颗粒凸包的内部轮廓。

6.如权利要求1所述的一种热拌沥青混凝土花白料识别检测算法，其特征在于，所述的步骤7具体包括以下步骤：

71：灰度级是否合格的判断，将步骤2中提取的图像灰度均值和图像灰度标准差和预先采集的代表图像灰度级的图像灰度均值和图像灰度标准差参数模板作对比，检测沥青混凝土的整体灰度级，若灰度级不合格则改变搅拌策略继续搅拌；若灰度级合格则执行步骤72。

72：均匀性判断，将步骤5中提取的花白料颗粒面积占比和预先采集的代表图像均匀性的图像花白料颗粒面积及面积占比参数模板作对比，检测沥青混凝土的搅拌均匀性，若搅拌不均匀则改变搅拌策略继续搅拌，若搅拌均匀则可以进入工业上的下一步机械处理。

7.如权利要求1所述的一种热拌沥青混凝土花白料识别检测算法，其特征在于，所述的步骤7中所述的改变搅拌策略包括：增加沥青、减少沥青骨料、增加沥青骨料。

8.如权利要求2所述的一种热拌沥青混凝土花白料识别检测算法，其特征在于，所述步骤11中，使用的高斯滤波算子为：

1 2 1 2 4 2 1 2 1

所述步骤12中使用的卷积核为：

9.如权利要求5所述的所述的一种热拌沥青混凝土花白料识别检测算法，其特征在于，所述的步骤41用Labview中的IMAQ RemoveParticle VI，对沥青混凝土二值图像做腐蚀处理，具体包括选用选择3×3的掩模、像素帧正方形、邻域8连通的算子对沥青混凝土二值图像腐蚀3次；所述的步骤42用Labview中的IMAQ Morphology VI，具体包括，对沥青混凝土二值图像做膨胀处理，选用选择3×3的掩模、像素帧正方形、邻域8连通的算子对步骤41处理后的沥青混凝土二值图像膨胀一次。

10.如权利要求5所述的所述的一种热拌沥青混凝土花白料识别检测算法，其特征在于，所述的步骤44使用Labview中的IMAQ Morphology VI，得到步骤43处理后的二值图像中颗粒凸包的内部轮廓具体包括选择5×5的掩模、像素帧圆形、邻域8连通的Gradient in操作得到步骤43处理后的二值图像中颗粒凸包的内部轮廓。