基于机器视觉的沥青混合料花白料识别方法

张永卫++施发垦++李龙++童毅宾

文章编号：1000033X（2016）12012305

收稿日期：20160614

摘要：为了提高沥青混合料的质量，防止不均匀混合料摊铺影响道路质量，提出基于机器视觉的沥青混合料花白料识别方法，并随机采集100帧沥青混合料图像进行检测识别。检测结果表明：采用该识别方法的沥青混合料搅拌均匀性检测的准确率为97.8%，花白料特征检测准确率为984%，总体检测准确率为98.1%，平均检测速率为每帧0.09 s，可为解决沥青混合料不均匀问题提供一定的借鉴参考。

关键词：沥青混合料；花白料；机器视觉；检测识别

中图分类号：U414.03文献标志码：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

沥青混凝土搅拌设备是将沥青、粒料（又称骨料）、粉料等筑路材料按一定比例在一定的温度下均匀搅拌的机械设备，在搅拌过程中可能会出现花白料[1]。花白料就是在搅拌沥青和石料时，因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问题。如果将花白料摊铺到路面，容易出现散料，影响路面性能和效果，必须马上进行处理[24]。目前，对沥青混合料花白料的识别大多是通过人工进行，效率较低且准确率差；而基于机器视觉的花白料识别不仅可以避免主观臆断，且检测速度快、准确度高、成本低、受外界影响小[5]。

为了预防沥青混合料花白料的产生，本文开发基于机器视觉的沥青混合料花白料的识别系统，针对热拌沥青混合料在搅拌过程中出现的不均匀问题，快速、实时识别，为沥青混合料的搅拌质量控制提供直观、可靠的监控手段。

1沥青混合料图像采集设备

通过对沥青混合料生产现场拌和楼设备的调研，确定了相机、光源的架设位置，并设计了能够采集到混合料搅拌情况图像的采集装置，如图1所示。

图1沥青混合料图形采集设备

（1）相机。使用德国Basler acA130060gm相机，分辨率为1 282×1 026，视场大小为300 mm×300 mm ，帧率为60 fps，相机精度0.3 mm。

（2）相机镜头。使用日本RICOH的FLCC75282M镜头，镜头焦距为75 mm。

（3）光源。沥青混合料搅拌仓处于封闭环境，必须要使用光照均匀、稳定的光源以辅助相机采集图像。由于生产现场图像采集设备的安装空间小，故采用前向照明的方式，即光源直射方式。使用深圳健胜照明有限公司的大功率LED投光灯作为补充光源，功率为50 W。

2沥青混合料图像处理方法

沥青混合料图像处理首先对采集到的图像进行预处理， 计算沥青混合料图像灰度值均值和标准差，再进行相关形态学处理，最后提取花白料的轮廓信息。依据图像灰度值均值和标准差，判断沥青混凝土搅拌是否均匀；若搅拌不均匀，依据花白料的面积和面积占比分析，提出有效的搅拌策略。沥青混凝土花白料识别检测方法流程如图2所示。

图2沥青混凝土花白料检测方法流程

2.1沥青混合料图像滤波

相机采集到的沥青混合料图像有噪声，而且边缘不够平滑，因此需要使用滤波方法抑制噪声，提高图像质量[6]，方便后续图像处理及相关计算分析。混合料原图如图3所示。

（1）高斯滤波。沥青混合料图像在采集和传输过程中会受到噪声的干扰，使图像质量下降。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。高斯滤波效果如图4所示。

（2）卷积高亮细节滤波。在高斯滤波减弱沥青混凝土图像噪声的过程中，会造成图像整体模糊化，因此使用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。卷积高亮细节滤波效果如图5所示。

2.2沥青混合料搅拌均匀性参数提取

在沥青混凝土花白料检测时，依据图像灰度值均值分析判析沥青混合料的整体混合情况，依据图像灰度值标准差分析判析沥青混合料的混合均匀情况。

经过滤波后的沥青混凝土图像，得到数组形式表示的灰度直方图，直方图反映了0～255之间每个灰度值及具体像素数量。记X为0～255之间的灰度值，YX为对应像素数量， Y0表示灰度值为0对应的像素个数，A为图像中像素点总数，则灰度值均值X[KG*3]- 为

X[KG*3]- =∑255X=0（XYX）A-Y0

灰度值标准差δ为

δ=∑255X=0[（X-X[KG*3]-）2YX]A-Y0

2.3沥青混合料图像阈值分割

基于灰度直方图的阈值分割算法[7]，可以根据图像特点准确地提取出沥青混合料图像中的花白料。对图像灰度直方图进行阈值分割，设置阈值为125～255，得到沥青混凝土的二值图像，如图6所示。

2.4沥青混合料图像形态学处理

阈值分割后的二值图像中颗粒多且杂乱，在对沥青混凝土花白料识别时，需要针对较大颗粒进行分析。因此，可对沥青混凝土二值图像进行相关形态学处理[810]，提取出图像中的较大颗粒及其边缘轮廓。

（1）删除小目标。为了提取沥青混凝土图像中的大颗粒，需要先删除图像中的小颗粒，使用3×3的掩模、像素帧正方形、邻域8连通的算子对图像腐蚀3次。提取效果如图7所示。

（2）膨胀。为了增强沥青混凝土图像中的大颗粒图像，使用3×3的掩模、像素帧正方形、邻域8连通的算子对图像膨胀1次。膨胀效果如图8所示。

图8膨胀

（3）凸包。为了测量沥青混凝土图像中花白料颗粒的参数，利用凸包函数计算每个粒子的凸出包络，可有效地关闭粒子，方便后续的粒子参数计算。使用8连通的凸包函数，得到颗粒的凸包效果如图9所示。

（4）轮廓提取。为了提取沥青混凝土图像中花白料的轮廓，使用5×5的掩模、像素帧圆形、邻域8连通的梯度内函数提取颗粒凸包后的内部轮廓，轮廓提取效果如图10所示。

2.5沥青混凝土花白料特征参数提取

沥青混合料中有较大颗粒花白料时，针对形态学处理后的沥青混合料二值图像，依据花白料颗粒面积大小及其占整幅图的面积比例，判断沥青混合料搅拌不均匀的程度，为后续解决问题提供依据。假设第i个花白料颗粒的面积为si，图像的总面积为s，则面积占比pi为

pi=sis（3）

2.6沥青混合料图像花白料标记

沥青混凝土二值图像经过形态学处理，提取图像中的较大颗粒，这些较大颗粒就是花白料颗粒。使用灰度图像运算方法，在原图中标记出花白料颗粒，如图11所示。

图11花白料标记

3沥青混合料图像的识别检测

在检测识别沥青混合料花白料前，先采集一定数量的沥青混凝土图像，再从这些图像中挑选出搅拌质量最好的一幅图像，作为标准参考模板，并将参考模板中代表搅拌均匀性的2个特征参数保存在数据库中。检测过程中，用户可以设置标准参数的浮动比例，浮动比例越小，检测标准越严格。待识别沥青混凝土图像通过提取的特征参数与数据库中的比较，判断是否合格。记待识别沥青混合料的特征值为Mi，记标准参数的特征值为Ni，浮动比例为εi，则比较方法如下。

Mi≤Ni+Niεi合格

Mi≥Ni+Niεi不合格

检测过程中，2个特征参数按灰度的均值、灰度标准差顺序依次比较，如果某个参数标准不符合，则后面参数不再比较，只有全部参数都符合2个标准参数的沥青混合料搅拌图像才是均匀的。

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见表1。

以表1中的6号图像作为参考标准，设置浮动比例为10%。从2个参数比较结果得出沥青混合料搅拌均匀的有6、7、8、9、10号，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面积及面积占比参数，占比参数见表2。

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。

沥青混合料花白料识别检测要求准确率高、速率快，经试验验证，本研究检测一幅沥青混合料图像大约需要0.09 s。

4准确性检验

为了检验算法的准确性，使用搭建的图像采集

设备采集100幅沥青混凝土图像，其中63幅图像中有花白料，剩下37幅图像是合格的沥青混凝土图像。结果如表3所示。

从表 3中可以得出，沥青混凝土的4个特征参数检测存在误差，原因可能是沥青混凝土表面有少量灰尘，影响了灰度值大小和花白料面积及面积比。

5结语

为提高沥青混合料搅拌过程中的质量，本研究设计了基于机器视觉技术的沥青混合料花白料识别方法。

检测结果表明：本研究检测沥青混凝土搅拌均匀性特征的准确率为978%，花白料面积和面积比检测准确率为984%，整体准确率为981%，沥青混凝土图像的平均检测速率为第幅009 s。因此，本研究方法准确率高、速率快、整体效率好。

参考文献：

[1]赵青龙.搅拌工艺对沥青混合料搅拌均匀性的影响[D].西安：长安大学，2015.

[2]曹勇涛.热沥青混合料在搅拌过程中的不均匀性及其质量控制[D].西安： 长安大学，2008.

[3]施昌权.浅谈沥青拌和站出现异常混合料的原因及其解决方法[J].交通工程，2011（2）：177178.

[4]胡建军.浅谈公路沥青路面施工技术要点[J].东方企业文化·东方智慧，2012（4）：192，178.

[5]韩冰，林明星，丁凤华.机器视觉技术及其应用分析[J].农业装备与车辆工程，2008（10）：2427.

[6]姒绍辉，胡伏原，顾亚军，等.一种基于不规则区域的高斯滤波去噪算法[J].计算机科学，2014，41（11）：313316.

[7]张英烈.人群密度估计研究及其在医院中的应[D].杭州：杭州电子科技大学，2015.

[8]肖大雪.浅析数学形态学在图像处理中的应用[J].科技广场，2013（5）：1019.

[9]李晓飞，马大玮，粘永健，等. 图像腐蚀和膨胀的算法研究[J].影像技术，2005（1）：3739.

[10]范敏，陈曦，王楷，等.基于对比度与最小凸包的显著性区域检测算法[J].仪器仪表学报，2014，35（10）：23282334.

[责任编辑：杜敏浩]