基于機器視覺的瀝青混合料花白料識別方法

張永衛(wèi)++施發(fā)墾++李龍++童毅賓

文章編號：1000033X（2016）12012305

收稿日期：20160614

摘要：為了提高瀝青混合料的質量，防止不均勻混合料攤鋪影響道路質量，提出基于機器視覺的瀝青混合料花白料識別方法，并隨機采集100幀瀝青混合料圖像進行檢測識別。檢測結果表明：采用該識別方法的瀝青混合料攪拌均勻性檢測的準確率為97.8%，花白料特征檢測準確率為984%，總體檢測準確率為98.1%，平均檢測速率為每幀0.09 s，可為解決瀝青混合料不均勻問題提供一定的借鑒參考。

關鍵詞：瀝青混合料；花白料；機器視覺；檢測識別

中圖分類號：U414.03文獻標志碼：B

Recognition of Exposed Aggregate of Asphalt Mixture Based on Machine Vision

ZHANG Yongwei， SHI Faken， LI Long， TONG Yibin

（CCCC Xian Road Construction Machinery Co.， Ltd.， Xian 710018， Shaanxi， China）

Abstract： In order to improve the quality of asphalt mixture and avoid the use of uneven mixture on the pavement， recognition of exposed aggregate of asphalt mixture based on machine vision was proposed. 100 frames of asphalt mixture images were randomly collected for recognition. The results show that the accuracy of evenness detection is 97.8%， and accuracy of detection on exposed aggregate is 98.4%. The overall accuracy is 98.1%， with average detection rate being 009 seconds per frame. The recognition provides reference for finding solutions to the unevenness of asphalt mixture.

Key words： asphalt mixture； exposed aggregate； machine vision； detection and recognition

0引言

瀝青混凝土攪拌設備是將瀝青、粒料（又稱骨料）、粉料等筑路材料按一定比例在一定的溫度下均勻攪拌的機械設備，在攪拌過程中可能會出現(xiàn)花白料[1]?；ò琢暇褪窃跀嚢铻r青和石料時，因攪拌不均勻產生一部分包裹瀝青特別多，一部分還沒有包裹到的問題。如果將花白料攤鋪到路面，容易出現(xiàn)散料，影響路面性能和效果，必須馬上進行處理[24]。目前，對瀝青混合料花白料的識別大多是通過人工進行，效率較低且準確率差；而基于機器視覺的花白料識別不僅可以避免主觀臆斷，且檢測速度快、準確度高、成本低、受外界影響小[5]。

為了預防瀝青混合料花白料的產生，本文開發(fā)基于機器視覺的瀝青混合料花白料的識別系統(tǒng)，針對熱拌瀝青混合料在攪拌過程中出現(xiàn)的不均勻問題，快速、實時識別，為瀝青混合料的攪拌質量控制提供直觀、可靠的監(jiān)控手段。

1瀝青混合料圖像采集設備

通過對瀝青混合料生產現(xiàn)場拌和樓設備的調研，確定了相機、光源的架設位置，并設計了能夠采集到混合料攪拌情況圖像的采集裝置，如圖1所示。

圖1瀝青混合料圖形采集設備

（1）相機。使用德國Basler acA130060gm相機，分辨率為1 282×1 026，視場大小為300 mm×300 mm ，幀率為60 fps，相機精度0.3 mm。

（2）相機鏡頭。使用日本RICOH的FLCC75282M鏡頭，鏡頭焦距為75 mm。

（3）光源。瀝青混合料攪拌倉處于封閉環(huán)境，必須要使用光照均勻、穩(wěn)定的光源以輔助相機采集圖像。由于生產現(xiàn)場圖像采集設備的安裝空間小，故采用前向照明的方式，即光源直射方式。使用深圳健勝照明有限公司的大功率LED投光燈作為補充光源，功率為50 W。

2瀝青混合料圖像處理方法

瀝青混合料圖像處理首先對采集到的圖像進行預處理， 計算瀝青混合料圖像灰度值均值和標準差，再進行相關形態(tài)學處理，最后提取花白料的輪廓信息。依據(jù)圖像灰度值均值和標準差，判斷瀝青混凝土攪拌是否均勻；若攪拌不均勻，依據(jù)花白料的面積和面積占比分析，提出有效的攪拌策略。瀝青混凝土花白料識別檢測方法流程如圖2所示。

圖2瀝青混凝土花白料檢測方法流程

2.1瀝青混合料圖像濾波

相機采集到的瀝青混合料圖像有噪聲，而且邊緣不夠平滑，因此需要使用濾波方法抑制噪聲，提高圖像質量[6]，方便后續(xù)圖像處理及相關計算分析。混合料原圖如圖3所示。

（1）高斯濾波。瀝青混合料圖像在采集和傳輸過程中會受到噪聲的干擾，使圖像質量下降。使用內核為3×3的高斯濾波器減弱噪聲，增強圖像對比度，提高圖像質量。高斯濾波效果如圖4所示。

（2）卷積高亮細節(jié)濾波。在高斯濾波減弱瀝青混凝土圖像噪聲的過程中，會造成圖像整體模糊化，因此使用3×3卷積核的卷積高亮細節(jié)濾波器，可以突出圖像邊緣等細節(jié)。卷積高亮細節(jié)濾波效果如圖5所示。

2.2瀝青混合料攪拌均勻性參數(shù)提取

在瀝青混凝土花白料檢測時，依據(jù)圖像灰度值均值分析判析瀝青混合料的整體混合情況，依據(jù)圖像灰度值標準差分析判析瀝青混合料的混合均勻情況。

經(jīng)過濾波后的瀝青混凝土圖像，得到數(shù)組形式表示的灰度直方圖，直方圖反映了0～255之間每個灰度值及具體像素數(shù)量。記X為0～255之間的灰度值，YX為對應像素數(shù)量， Y0表示灰度值為0對應的像素個數(shù)，A為圖像中像素點總數(shù)，則灰度值均值X[KG*3]- 為

X[KG*3]- =∑255X=0（XYX）A-Y0

灰度值標準差δ為

δ=∑255X=0[（X-X[KG*3]-）2YX]A-Y0

2.3瀝青混合料圖像閾值分割

基于灰度直方圖的閾值分割算法[7]，可以根據(jù)圖像特點準確地提取出瀝青混合料圖像中的花白料。對圖像灰度直方圖進行閾值分割，設置閾值為125～255，得到瀝青混凝土的二值圖像，如圖6所示。

2.4瀝青混合料圖像形態(tài)學處理

閾值分割后的二值圖像中顆粒多且雜亂，在對瀝青混凝土花白料識別時，需要針對較大顆粒進行分析。因此，可對瀝青混凝土二值圖像進行相關形態(tài)學處理[810]，提取出圖像中的較大顆粒及其邊緣輪廓。

（1）刪除小目標。為了提取瀝青混凝土圖像中的大顆粒，需要先刪除圖像中的小顆粒，使用3×3的掩模、像素幀正方形、鄰域8連通的算子對圖像腐蝕3次。提取效果如圖7所示。

（2）膨脹。為了增強瀝青混凝土圖像中的大顆粒圖像，使用3×3的掩模、像素幀正方形、鄰域8連通的算子對圖像膨脹1次。膨脹效果如圖8所示。

圖8膨脹

（3）凸包。為了測量瀝青混凝土圖像中花白料顆粒的參數(shù)，利用凸包函數(shù)計算每個粒子的凸出包絡，可有效地關閉粒子，方便后續(xù)的粒子參數(shù)計算。使用8連通的凸包函數(shù)，得到顆粒的凸包效果如圖9所示。

（4）輪廓提取。為了提取瀝青混凝土圖像中花白料的輪廓，使用5×5的掩模、像素幀圓形、鄰域8連通的梯度內函數(shù)提取顆粒凸包后的內部輪廓，輪廓提取效果如圖10所示。

2.5瀝青混凝土花白料特征參數(shù)提取

瀝青混合料中有較大顆?；ò琢蠒r，針對形態(tài)學處理后的瀝青混合料二值圖像，依據(jù)花白料顆粒面積大小及其占整幅圖的面積比例，判斷瀝青混合料攪拌不均勻的程度，為后續(xù)解決問題提供依據(jù)。假設第i個花白料顆粒的面積為si，圖像的總面積為s，則面積占比pi為

pi=sis（3）

2.6瀝青混合料圖像花白料標記

瀝青混凝土二值圖像經(jīng)過形態(tài)學處理，提取圖像中的較大顆粒，這些較大顆粒就是花白料顆粒。使用灰度圖像運算方法，在原圖中標記出花白料顆粒，如圖11所示。

圖11花白料標記

3瀝青混合料圖像的識別檢測

在檢測識別瀝青混合料花白料前，先采集一定數(shù)量的瀝青混凝土圖像，再從這些圖像中挑選出攪拌質量最好的一幅圖像，作為標準參考模板，并將參考模板中代表攪拌均勻性的2個特征參數(shù)保存在數(shù)據(jù)庫中。檢測過程中，用戶可以設置標準參數(shù)的浮動比例，浮動比例越小，檢測標準越嚴格。待識別瀝青混凝土圖像通過提取的特征參數(shù)與數(shù)據(jù)庫中的比較，判斷是否合格。記待識別瀝青混合料的特征值為Mi，記標準參數(shù)的特征值為Ni，浮動比例為εi，則比較方法如下。

Mi≤Ni+Niεi合格

Mi≥Ni+Niεi不合格

檢測過程中，2個特征參數(shù)按灰度的均值、灰度標準差順序依次比較，如果某個參數(shù)標準不符合，則后面參數(shù)不再比較，只有全部參數(shù)都符合2個標準參數(shù)的瀝青混合料攪拌圖像才是均勻的。

采集10幅圖像，經(jīng)過預處理，提取圖像整體灰度參數(shù)。圖像整體灰度值均值和灰度值標準差數(shù)據(jù)見表1。

以表1中的6號圖像作為參考標準，設置浮動比例為10%。從2個參數(shù)比較結果得出瀝青混合料攪拌均勻的有6、7、8、9、10號，其余5幅圖像是攪拌不均勻的。選擇1號圖像，提取圖像中的花白料面積及面積占比參數(shù)，占比參數(shù)見表2。

檢測過程完成后，使用指示燈顯示檢測結果，設置一個指示燈，如果參數(shù)符合標準，則指示燈綠燈亮；如果參數(shù)不符合標準，則指示燈紅燈亮；如果參數(shù)沒有被比較，則指示燈黑燈亮。

瀝青混合料花白料識別檢測要求準確率高、速率快，經(jīng)試驗驗證，本研究檢測一幅瀝青混合料圖像大約需要0.09 s。

4準確性檢驗

為了檢驗算法的準確性，使用搭建的圖像采集

設備采集100幅瀝青混凝土圖像，其中63幅圖像中有花白料，剩下37幅圖像是合格的瀝青混凝土圖像。結果如表3所示。

從表 3中可以得出，瀝青混凝土的4個特征參數(shù)檢測存在誤差，原因可能是瀝青混凝土表面有少量灰塵，影響了灰度值大小和花白料面積及面積比。

5結語

為提高瀝青混合料攪拌過程中的質量，本研究設計了基于機器視覺技術的瀝青混合料花白料識別方法。

檢測結果表明：本研究檢測瀝青混凝土攪拌均勻性特征的準確率為978%，花白料面積和面積比檢測準確率為984%，整體準確率為981%，瀝青混凝土圖像的平均檢測速率為第幅009 s。因此，本研究方法準確率高、速率快、整體效率好。

參考文獻：

[1]趙青龍.攪拌工藝對瀝青混合料攪拌均勻性的影響[D].西安：長安大學，2015.

[2]曹勇濤.熱瀝青混合料在攪拌過程中的不均勻性及其質量控制[D].西安： 長安大學，2008.

[3]施昌權.淺談瀝青拌和站出現(xiàn)異常混合料的原因及其解決方法[J].交通工程，2011（2）：177178.

[4]胡建軍.淺談公路瀝青路面施工技術要點[J].東方企業(yè)文化·東方智慧，2012（4）：192，178.

[5]韓冰，林明星，丁鳳華.機器視覺技術及其應用分析[J].農業(yè)裝備與車輛工程，2008（10）：2427.

[6]姒紹輝，胡伏原，顧亞軍，等.一種基于不規(guī)則區(qū)域的高斯濾波去噪算法[J].計算機科學，2014，41（11）：313316.

[7]張英烈.人群密度估計研究及其在醫(yī)院中的應[D].杭州：杭州電子科技大學，2015.

[8]肖大雪.淺析數(shù)學形態(tài)學在圖像處理中的應用[J].科技廣場，2013（5）：1019.

[9]李曉飛，馬大瑋，粘永健，等. 圖像腐蝕和膨脹的算法研究[J].影像技術，2005（1）：3739.

[10]范敏，陳曦，王楷，等.基于對比度與最小凸包的顯著性區(qū)域檢測算法[J].儀器儀表學報，2014，35（10）：23282334.

[責任編輯：杜敏浩]