基于机器视觉的粗集料细观形态定量表征设备的研发及应用

张 琛， 韩一飞， 范 欣

（1.西安航空学院能源与建筑学院，西安 710077；2.陕西长大德通工程技术有限公司，西安 710038）

路用粗集料的形态特征包括轮廓形状、棱角性和表面纹理，其与沥青混合料空间骨架的形成以及沥青与集料之间的相互作用密切相关，显著地影响着沥青混合料的路用性能［1］.粗集料的形状、棱角、表面纹理决定着集料之间的相互嵌挤、摩擦作用，为沥青混合料形成良好的力学性能与较大的结构强度做出一定的贡献，是沥青路面克服永久变形的重要因素［2］.诸多学者对粗集料形态特征的获取与表征进行了深入研究.耿超［3］通过数字图像处理技术对不同档位的集料颗粒形态特征参数进行图像描述，遴选出了高效可行的有利于定量分析形态特征的参数.Ghuzlan等［4］提出了一种基于计算机视觉蜂窝电话的方法，并将该方法用于测定粗骨料颗粒的平整度指数、伸长率指数和圆度指数.刘钢等［5］针对颗粒形状、棱角、纹理3个尺度的形态特征，探讨了基于颗粒几何尺寸的量化表征参数，分析了不同粒组碎石颗粒形态特征表征参数的分布规律.牛冬瑜等［6］基于DIC方法与四点弯曲疲劳试验，对不同粗集料接触状态的混合料细观损伤尺度效应进行了研究.Dehnad和Khodaii［7］提出了一种基于路用集料纹理特征的路面抗滑性能预测模型.Zhu等［8］基于图像处理技术和拟合椭圆法开发了一种可以测量路用集料棱角、扁平比和球度的线性轮廓扫描仪.

总的来说，目前对粗集料形态特征的研究主要集中在室内可视化识别技术（AIMS、XCT等），所提出的集料形态表征指标缺乏针对性，所采用的测试设备因缺乏经济性与便携性而不能有效地为沥青混合料现场施工控制提供服务.基于此，本文以广东某高速公路为依托工程，采用自主研发的粗集料形态特征快速识别系统，对现场工程所使用粗集料的针片状含量、轴向系数、棱角值、凸度等单体指标进行快速识别，基于灰关联响应曲面设计法，把粗集料单体指标与沥青混合料的动稳定度、动态模量、最大剪切应力和内摩擦角建立关联，提出了适用于研究区域的粗集料性能评价指标，并推荐了合理的粗集料加工设备运行参数，从粗集料形态特征的角度深入揭示了沥青混合料的路用性能，可以有效控制沥青路面的施工质量.

1 原材料

1.1 集料

本文所采用的玄武岩粗集料来源于施工现场，对所用集料的技术指标进行测试，结果如表1所示.

表1 粗集料的技术指标测试结果Tab.1 Test results of technical indexes for coarse aggregate

1.2 沥青

沥青采用成品SBS改性沥青，其中SBS改性剂的用量为沥青混合料总质量的3%，相关技术指标如表2所示.根据现场道路面层的铺筑情况，沥青混合料选用SMA-13级配，其最佳油石比为6.0%，纤维用量为沥青混合料总质量的0.3%.

表2 SBS改性沥青的技术指标Tab.2 Technical indexes of SBS modified asphalt

2 研究方法

2.1 RD-1型粗集料形态特征识别系统

基于以往学者的研究成果，本文采用棱角值、针片状含量、轴向系数以及凸度来表征粗集料的形态特征［10］.各指标具体算法如下：

1）棱角值.棱角值可表征颗粒的棱角特性，其值越大，表明颗粒棱角性越好，其计算公式见公式（1）.

式中：Ap为棱角值；PC为粗集料颗粒的外切多边形周长，mm；PE为粗集料颗粒的等效椭圆周长，mm.

2）针片状含量.通过图像识别技术，确定粗集粒颗粒的最大长度L，最大宽度w，最大长度面最大厚度t（t

式中：Vi为针片状粗集料颗粒体积，mm3；w为粗集料颗粒的最大宽度，mm；t为粗集料颗粒最大长度面的最大厚度，mm.然后根据公式（3）计算出针片状含量.

式中：Qe为针片状粗集料颗粒的含量，%；Vi为针片状粗集料颗粒体积，mm3；V为所有粗集料颗粒的总体积，mm3.

3）轴向系数.轴向系数可表征颗粒的针片状大小，轴向系数越大，颗粒的针状性越大.它反映了粗集料颗粒宏观整体的状态和特征，计算式如公式（4）所示.

式中：A为轴向系数；D为粗集料颗粒等效椭圆的最大长度，mm；W为粗集料颗粒等效椭圆的次轴宽度，mm.

4）凸度.凸度指标设计的初衷是考虑到粗集料快速识别系统可以直接测量出某个颗粒的实际面积SA，也可以将其外切多边形面积Sc计算出来，凸度即这两个参数比值的平方根，如公式（5）所示.

式中：CR为粗集料颗粒的凸度值；SA为粗集料颗粒的实际面积，mm2；Sc为粗集料颗粒的外切多边形面积，mm2.

2.2 响应曲面法的改进

响应曲面法通过对指定设计空间内的样本点集合进行有限的试验设计，拟合出输出变量（系统响应）的全局逼近来替代真实响应面［11］.在工程优化设计中，应用响应曲面法不仅可以得到响应目标和设计变量之间的变化关系，而且可以得到优化方案，即设计变量的最优组合，使目标函数达到最优.然而，对于粗集料的形态特征而言，不同评价指标所对应的最优解是不同的，因此，需对传统的响应曲面法进行改进.本研究将灰色关联度综合评价方法引入响应曲面法中，将定性分析和定量分析进行有机结合，基于粗集料的基本形态特征（棱角值、针片状含量、轴向系数、凸度）对沥青混合料的高温性能提出新的评价指标，并建立评价指标的响应曲面二次方程［12］.

2.3 室内试验方法

对现场所采用的玄武岩粗集料进行取样，等分为29份，分别用于车辙试验、动态模量试验和贯入剪切试验.采用自动车辙仪测定沥青混合料的动稳定度.车辙试件尺寸为300 mm×300 mm×50 mm，施加的总荷载为780 N，试验轮压为（0.7±0.05）MPa，加载速率42次/min，试验温度为60℃.采用UTM-30路面材料伺服液压动态试验系统测定沥青混合料的动态模量.采用旋转压实仪（SGC）成型直径为100 mm、高150 mm的圆柱体试件，试验中的加载频率为0.5 Hz，测试温度为60℃.采用UTM-30路面材料伺服液压动态试验系统进行沥青混合料的贯入剪切试验.采用马歇尔击实仪成型直径为101.6 mm，高度为63.5 mm的圆柱体试件，试验中的加载速率为1 mm/min，压头的尺寸为28.5 mm，测试温度为60℃，最终获得最大剪切应力和内摩擦角两个参数值.

3 结果与讨论

3.1 粗集料的形态测试

基于python编程语言以及本文2.1小节介绍的算法，自主开发了RD-1型粗集料形态特征识别系统，如图1所示.该系统的原理是首先将原始粗集料图像进行二值化，然后对粗集料图像降噪处理，进而基于open CV计算机视觉模块计算每颗粗集料的周长、粒径及面积等，最终根据获取的粗集料几何参数计算出针片状含量、轴向系数、棱角值和凸度.经测试，该系统可对2.36 mm粒径以上的粗集料进行识别，结果响应时间≤5 s.

图1 RD-1型粗集料形态特征识别系统Fig.1 RD-1 coarse aggregate morphological feature recognition system

采用RD-1型粗集料形态特征识别系统对粗集料形态进行测试，29组粗集料形态特征指标的平均值如表3所示.

表3 粗集料形态特征指标的平均值Tab.3 Average value of morphological characteristics of coarse aggregates

参照本文2.3小节中的试验方法，采用表3中的29组不同形态特征的粗集料制备沥青混合料试件，以备进一步的高温性能试验.在此过程中，每组试件制备三个平行试件，试验结果取平均值.

3.2 集料形态特征对沥青混合料高温性能的影响

依据《公路工程沥青及沥青混合料试验规范》（JTG E20—2011）［13］分别测定沥青混合料的动稳定度、动态模量、最大剪切应力和内摩擦角，结果如图2～4所示.

由图2至图4可知，29组沥青混合料的动稳定度主要分布在8.43～13.54 kN之间，动态模量主要分布在1040～1630 MPa之间，最大剪切应力的范围为0.65～0.96 MPa，内摩擦角的范围为42.7°～46.3°.由此可见，粗集料的形态特征对沥青混合料的高温性能具有一定的影响，其中对动稳定度和动态模量指标的影响更为显著.

图2 沥青混合料动稳定度试验结果Fig.2 Test results of dynamic stability of asphalt mixture

图3 沥青混合料动态模量试验结果Fig.3 Test results of dynamic modulus of asphalt mixture

图4 沥青混合料贯入剪切试验结果Fig.4 Test result of uniaxial penetration shear test of asphalt mixture

3.3 响应曲面法试验结果

基于表3中粗集料形态数据，建立响应曲面试验因素水平表，如表4所示.

表4 响应曲面试验因素水平表Tab.4 Test factor level table of response surface

以沥青混合料的动稳定度、动态模量、最大剪切应力和内摩擦角为控制指标评价沥青混合料的高温稳定性，采用Box-Behnken中心组合设计方法［14］进行4因素3水平试验设计，共计29组试验.结合本文3.2小节的试验结果，采用灰色关联度方法求出各指标平均值，以评价粗集料形态特征指标对沥青混合料高温性能的影响，关联度分析结果见表5.

表5 粗集料形态特征指标与高温性能指标的关联度Tab.5 Correlation between morphology characteristic indexes and high temperature performance indexes of coarse aggregates

由表5中数据可知，粗集料各形态特征指标对沥青混合料高温性能的影响程度由高到低依次为：棱角值>针片状含量>轴向系数>凸度.其中棱角值对沥青混合料高温性能的影响权重最高，而凸度的影响权重最低，这与郭鹏等［15］的研究结果一致，并与实际的试验结果相符合.一般来讲，粗集料的棱角越丰富，其表面的纹理越粗糙，混合料在压实后越能形成良好的嵌挤作用，从而起到增大沥青混合料的内摩擦角、提高沥青混合料强度的作用，进而可以提高沥青混合料的高温抗变形能力.沥青混合料空隙率、矿料间隙率随着粗集料的针片状颗粒含量的增加而逐渐增加，而毛体积密度和沥青饱和度随之减小，针片状含量的增加会在某种程度上降低沥青混合料的高温稳定性.

3.4 粗集料高温性能评价模型的构建

将粗集料形态特征值与高温性能评价指标进行灰色关联分析，提出评价沥青混合料高温性能的评价指标（Comprehensive Evaluation Index，CEI），并建立基于集料棱角值X1、针片状含量X2、轴向系数X3、凸度X4四大形态特征指标的粗集料高温性能评价模型.将该评价模型嵌入到自主研发的RD-1型粗集料形态特征识别系统中，可以更加便捷地在施工现场对粗集料进行优选或评价.运用Design expert 8.0软件建立粗集料高温性能评价指标CEI关于X1、X2、X3、X4的二次函数，得出拟合方程的R2为0.964，修正R2为0.925，预测R2为0.945.最终建立的粗集料高温性能评价模型如式（6）所示，其中CEI值越大，表明粗集料的高温性能越好.

3.5 粗集料加工工艺参数的优化及验证

基于集成CEI指标算法的RD-1型粗集料形态特征识别系统对某公司生产的S5型颚式集料破碎机参数进行优化，集料破碎机的结构示意图如图5所示.

图5 S5型颚式集料破碎机原理图Fig.5 Schematic diagram of S5 jaw aggregate crusher

选择转速（40、50、60 m/s），喂料量（2、3、4 t/h）和引气量（15%、25%、35%）三因素三水平参数组合，基于L9（34）正交表设计试验，结果如表6所示.

表6 S5型颚式集料破碎机加工参数的正交试验结果Tab.6 Orthogonal test results of machining parameters for S5 jaw aggregate crusher

由表6可知，第6组加工参数组合的CEI值最大，故推荐S5型颚式集料破碎机的最优加工参数为：转速50 m/s、喂料量2 t/h、引气量25%.采用室内试验对所推荐的加工参数进行验证，分别选择动稳定度、动态模量、最大剪切应力和内摩擦角作为验证指标.分别采用表6中的9组加工参数制备试验所需粗集料，沥青混合料制备参数及试验方法参照本文2.3小节中的方法进行，试验结果如图6所示.

由图6可知，采用第6组粗集料加工参数进行试验得到的动稳定度值为17.88 kN，动态模量值为1730 MPa，最大剪切应力值0.99 MPa，内摩擦角为44.6°，均为最优值.由此可推断，第6组粗集料加工参数所对应的沥青混合料具有最好的高温性能，与正交试验结果一致.因此，本文所提出的粗集料高温性能评价指标CEI可用于研究区域内路用粗集料高温性能的评价.

图6 不同集料加工参数所对应的沥青混合料高温性能评价指标验证Fig.6 Verification of high temperature performance evaluation indexes of asphalt mixture corresponding to different aggregate processing parameters

4 结论

1）基于机器视觉和图像处理技术研发了一种操作简便且经济的RD-1型粗集料形态特征识别系统，该系统可对2.36 mm粒径以上粗集料的针片状含量、轴向系数、棱角值和凸度进行识别，结果响应时间≤5 s.

2）基于RD-1型粗集料形态特征识别系统，结合室内试验得出粗集料形态特征指标对沥青混合料高温性能的影响程度从高到低依次为：棱角值>针片状含量>轴向系数>凸度.

3）采用改进的响应曲面法建立了粗集料高温性能评价模型，并提出了粗集料高温性能评价指标CEI，该指标可用于研究区域粗集料高温性能的评价.

4）将所提出的粗集料高温性能评价指标CEI集成到RD-1型粗集料形态特征识别系统算法中，并对颚式集料破碎机参数进行优化，得到最优加工参数组合为转速50 m/s、喂料量2 t/h、引气量25%.经室内试验验证，本文所研发的RD-1型粗集料形态特征识别系统和所提出的粗集料高温性能评价指标CEI可靠性较高.