CN110135275A - 一种集料颗粒识别方法 - Google Patents

Abstract

本发明公开了一种集料颗粒识别方法，包括：在适当位置（冷料堆、出料口、传送带等位置）为集料拍摄高清图像；利用matlab程序将图像信息的数值化处理；在多种滤波技术中根据图像采集效果选择合适的滤波技术为图像进行预处理；图像预分割与二值化；利用开、闭运算对图像进行形态学处理；利用基于距离变化的分水岭算法对图像进行初步分割；利用凹点等形态特征对颗粒精细校准与二次分割。该方法对集料颗粒取样位置不做出限定，仅需图像质量满足要求即可。结果显示该方法可以有效对集料颗粒进行有效分割，获取颗粒信息，为沥青混合料后续施工中集料检测与级配控制提供技术支持。

Description

一种集料颗粒识别方法

技术领域

本发明涉及一种对沥青混合料拌合前集料颗粒识别方法,属于沥青路面施工控制技术领域。

背景技术

沥青路面因其自身的优良特点，已成为当前我国路面结构的主要形式，各种不同类型的沥青混合料被广泛使用。集料沥青混合料的重要组成部分，其所占比例占到整个混合料质量的90%以上，因此集料性能在很多方面都决定了沥青混合料的使用性能。沥青混合料中不同集料的组成与配比，对混合料的高温稳定性、低温开裂性等路用性能影响重大，故对沥青混合料的级配组成选择与施工控制也是对混合料性能保障的重要因素。

保证集料颗粒的合格，级配的稳定是保障混合料路用性能的基础。传统的粗集料级配检测手段主要采用人工直接或接测量的方法，不仅费时费力、检测周期长、检测精度受人为操作水平因素影响，更重要的是采取低样本量的抽样检测，其结果并不能真实反映矿质混合料中集料特征参数。此外，当前的检测手段多为单目检测，即一种检测方法只能检测一个集料特征参数，使得检测效率低下。

对于级配的检测大多采用传统的沥青混合料级配检测方法，包括抽提法、燃烧法以及测定各档矿质集料级配的筛分法等。这些方法的共同缺点是操作步骤复杂、检测时间较长、污染大、测试精度较低以及时效性差，测试结果的准确性在一定程度上受操作人员的操作水平与熟练度影响。而且评价的滞后性使得对检测出存在偏差或错误的不合格路段无法进行补救，造成资源浪费，无法做到在施工环节对粗集料级配进行实时干预和控制。

随着现代科技的飞速发展，数字图像处理技术不断进步，并且广泛应用于各行各业。采集设备与采集技术的发展，使得图像的精度和分辨率不断提高；计算机以及图像处理设备的性能大幅提升，为数字图像处理技术提供了良好的硬件支持；各种图像处理软件及算法的发展，使得数字图像处理更加快速随着现代科技的飞速发展，数字图像处理技术不断进步，并且广泛应用于各行各业。采集设备与采集技术的发展，使得图像的精度和分辨率不断提高；计算机以及图像处理设备的性能大幅提升，为数字图像处理技术提供了良好的硬件支持；各种图像处理软件及算法的发展，使得数字图像处理更加快速高效、精确。

集料颗粒识别为其形态特征的检测与监控做前期准备，为级配数字化监控提供基础条件，进而达到对混合料的施工控制与性能保障的作用。但是现有沥青混合料施工中对集料颗粒质量与级配监控仍处于较低水平，难以精细化控制。

发明内容

本发明的目的是为了解决上述问题，提供了一种集料颗粒识别方法，实现在沥青混合料拌合前对集料颗粒的图像识别，为混合料的形态检测与级配监控提供基础条件。

为了达到上述目的，本发明采用的方法是：一种集料颗粒识别方法，主要用于沥青混合料施工质量控制过程中，对拌合前集料颗粒进行识别，其特征在于，包括以下步骤：

步骤一、根据曝光时间与图像像素要求选择合适的相机，在合理的位置进行图像采集；

步骤二、将采集的彩色图像信息数值化，转换为灰度图像；

步骤三、通过滤波技术对图像进行降噪处理；

步骤四、将图像进行预分割，将前景与背景区分开，转换为二值图像；

步骤五、对图像进行形态学处理，主要对图像边缘、颗粒图像内部空隙等进行处理；

步骤六、采用分水岭等算法对颗粒图像进行分割，获取初步分割图像；

步骤七、基于凹点等形态特征的匹配算法对粘连区域进行二次分割，同时对分水岭过度分割的颗粒进行校正，避免过度分割。

作为本发明的一种优选，所述步骤一中合理位置的选择，应选在灰尘少、对摄像干扰低、架设方便处。在后续施工控制中推荐架设在冷料仓出料口处、传送带等位置，但不局限于该位置。

作为本发明的一种优选，所述步骤三中，对图像进行降噪处理的手段包括多种，如中值滤波、均值滤波、维纳滤波等，此处不对其做出限定，实际操作时可根据实际图像采用多种方式并对结果进行对比，取出效果较好的一种作为滤波技术。

作为本发明的一种优选，所述步骤四中，对图像进行预分割和转换成二值图像时，建议采用大津Otsu算法，但不局限于此，还可采用迭代法、最小误差法等。亦可根据实际图片的质量、亮度等，人为调动阈值，根据处理后二值图的结果进行评判直至选出合适阈值。

作为本发明的一种优选，所述步骤五中，对图像进行开闭运算时，参数值的选取需根据实际图像进行人为调整，过大会使小颗粒被当作噪音处理掉导致信息不全，过小会使得处理效果不理想。

作为本发明的一种优选，所述步骤七中，对图像进行二次分割和避免分水岭算法的多度分割时，凹曲程度的临界值选取时可事先拟定(如取0.6)，根据若干处理结果对其进行检验并对参数进行修正。

有益效果：

本发明公开了一种集料颗粒识别方法，实现在沥青混合料拌合前对集料颗粒的图像识别，从而为混合料的形态检测与级配监控提供基础条件，达到后续施工中连续、实时控制的目的。

附图说明

图1为高清相机采集的集料原图；

图2为数值化后转换为的灰度图像；

图3为经过中值滤波去噪后图像；

图4为经过Ostu转换后的二值图像；

图5为经过形态学处理后图像；

图6为经过分水岭算法初步分割后图像；

图7为经过二次分割后示意图。

具体实施方式

以下结合具体实施例对本发明提供的技术方案进行详细说明，应理解下述具体实施方式仅用于说明本发明而不用于限制本发明的范围。

实施例1：

本实施例利用高清相机采集的集料照片，利用matlab程序对集料进行颗粒识别，具体实施步骤为：

1、图像采集。本次采集对象为规格9.5mm-13.2mm档集料。为表示该方法的适用性和普遍性，选择拍摄地点为对分割要求高的后场料堆，拍摄的集料颗粒处于堆积状态。采集的原图片如图1所示。

2、将彩色图像数值化，转化为灰度图像。利用matlab中的rgb2gray函数将彩色图像转化为灰度图像。处理后的图片如图2所示。

3、选择合适的滤波技术对图像进行降噪处理。本实施例中利用matlab程序，分别采用了中值滤波技术、均值滤波技术、维纳滤波技术、锐化滤波技术四种方案对灰度图进行滤波去噪处理并对比其处理结果。结果显示中值滤波技术对图像的噪声处理效果最好，最后采用中值滤波技术对图像进行去噪处理，处理后的图片如图3所示。

4、将图像进行预分割，将前景与背景区分开，转换为二值图像。本实施例中采用大津Otsu算法对颗粒与背景进行区分，具体操作为利用matlab中graythresh与im2bw函数，以graythresh中获取的参数作为im2bw中的阈值对图像进行前景与背景的分割，处理后结果如图4所示。

5、进行形态学操作，如图像边缘、颗粒图像内部空隙等进行处理。利用开闭运算对图像进行处理，此次采用开运算，即先进行腐蚀或进行膨胀处理。在开运算中阈值参数se的选择，通过人为调试对比处理结果的方案，最终选择其阈值参数为4。处理后的结果如图5所示。

6、采用分水岭等算法对颗粒图像进行分割，获取初步分割图像。此次采用基于距离变换的分水岭算法对图像进行初步分割，具体操作采用bwdist函数对图像进行分割处理，处理后结果如图6所示。

7、采用基于凹点匹配的算法对粘连区域进行二次分割，同时对分水岭过度分割的颗粒进行校正，避免过度分割。利用matlab进行编程，采用遍历法对所有的角点找出，利用角点之间的凹曲程度来确定是为为凹点。根据凹点对图像进行二次分割和上一步的过度分割进行校正，距离后图像如图7所示。

8、通过处理结果显示，该方法可以较好的将集料颗粒识别出，同时可以提取相应的参数信息，如集料颗粒的周长、面积等，为后续集料质量检测与级配的监控提供了技术支持。

本发明方案所公开的技术手段不仅限于上述实施方式所公开的技术手段,还包括由以上技术特征任意组合所组成的技术方案。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。

Claims (6)

1.一种集料颗粒识别方法，主要用于沥青混合料施工质量控制过程中，对拌合前集料颗粒进行识别，其特征在于，包括以下步骤：

步骤一、根据曝光时间与图像像素要求选择合适的相机，在合理的位置进行图像采集；

步骤二、将采集的彩色图像信息数值化，转换为灰度图像；

步骤三、通过滤波技术对图像进行降噪处理；

步骤四、将图像进行预分割，将前景与背景区分开，转换为二值图像；

步骤五、对图像进行形态学处理，对图像边缘、颗粒图像内部空隙进行处理；

步骤六、采用分水岭算法对颗粒图像进行分割，获取初步分割图像；

步骤七、基于凹点等形态特征的匹配算法对粘连区域进行二次分割，同时对分水岭过度分割的颗粒进行校正，避免过度分割。

2.根据权利要求1所述的集料颗粒识别方法，其特征在于，所述步骤一中合理位置为在灰尘少、对摄像干扰低、架设方便处,在后续施工控制中架设在冷料仓出料口处或者传送带处。

3.根据权利要求1所述的集料颗粒识别方法，其特征在于，所述步骤三中，对图像进行降噪处理的手段包括中值滤波、均值滤波、维纳滤波中的一种或者多种。

4.根据权利要求1所述的集料颗粒识别方法，其特征在于，所述步骤四中，对图像进行预分割和转换成二值图像时，采用大津Otsu算法或迭代法或最小误差法中的一种或多种。

5.根据权利要求1所述的集料颗粒识别方法，其特征在于，所述步骤五中，对图像进行开闭运算时，参数值的选取需根据实际图像进行人为调整，过大会使小颗粒被当作噪音处理掉导致信息不全，过小会使得处理效果不理想。

6.根据权利要求1所述的集料颗粒识别方法，其特征在于，所述步骤七中，对图像进行二次分割和避免分水岭算法的多度分割时，凹曲程度的临界值选取时事先拟定，并根据处理结果对其进行检验并对参数进行修正。