建筑垃圾再生料影像特征及含水率识别方法

武博强

(中煤科工集团西安研究院有限公司， 西安 710077)

当前，城市地区土地供需矛盾变得日益突出，特别是山东、安徽等东部省份，存在大量采煤沉陷，制约着城市的发展[1-2]。在东部城市棚户改造区采煤沉陷场地治理项目面临低成本物料短缺、场地建筑垃圾处理成本高昂、污染环境严重等问题，将其再生并进行充填利用是高效环保之路[3-5]，但由于建筑垃圾通常露天堆放于场地中，实测含水率2%～16%，作为注浆原料之一，其含水率若以平均计算，将造成浆液固体质量百分率发生变化，导致浆液流变性能发生剧烈变化，造成堵管事故，因此需要对其含水率进行实时精确测量[6-9]。

固体物料检测含水率一般以试验为主，方法有电阻率法、烘干法、中子法、酒精燃烧法、微波炉法、明火灼烧法、遥感测定法等。前几种方法属于小尺度的点测量，遥感测定法测定精度较低，误差较大，因此工程上不常用。当前，中外学者在含水率快速测定方面进行了大量研究，文献[10-13]采用微波湿度法、酒精燃烧法、虚拟相对密度法等对砂质土、石含水率进行快速检测；蔡坤等[14]通过基于土壤含水率传感器对土壤质量含水率进行预测；张荣标等[15]运用计算机数字图像处理技术，得到土壤含水率的百分比与土壤表层图像的灰度值呈近似线性的函数关系；Wenting等[16]采用灰度共生矩和灰度直方图的图像处理技术检测玉米离体叶片含水率，得出利用作物叶片的红绿蓝(red， green， blue，RGB)色彩模式图像可以检测其含水率；Ding等[17]基于MATLAB软件通过提取图像特征进行相关分析，对小麦叶片含水量进行预测，效果较好。以往研究表明，运用数字影像等方法在其他领域检测其含水率是可行的。对于建筑垃圾再生骨料含水率的测定，目前中外多是通过试验确定其含水率，尚缺乏简便易行且准确高效的实时检测手段。

因此，在对建筑垃圾再生料宏细观形态及色彩特征进行定性分析基础上，现通过MATLAB提取物料数字影像特征值与含水率进行相关性分析，并采用步进法对特征参数与含水率进行线性回归分析，拟合出建筑垃圾再生料含水率计算模型，并试验及现场验证，得到通过建筑垃圾再生料数字影像特征实时识别其含水率的方法，为以建筑垃圾再生料为原料的自动化制浆系统建设及充填过程控制提供理论支撑。

1 再生料特性及数字影像采集

1.1 再生料特性

1.1.1 矿物成分

建筑垃圾一般由砖、混凝土、土组成，另有少量石灰砂浆、玻璃、废金属、木材等杂质[18-19]。其中砖的主要成分为黏土矿物，化学成分以SiO2、Al2O3及Fe2O3为主；混凝土的主要成分为水泥、砂、石子及钢筋，化学成分为CaO、SiO2、Fe2O3、Al2O3。

对某场地建筑垃圾破碎筛分后的再生料成分进行X荧光光谱分析得到，其主要化学成分如表1所示。

1.1.2 粒径级配

再生料粒径分布较为平均，最大粒径为1.5 mm，大于1 mm的颗粒占比约10%，<0.075 mm的再生微粉占比约26%，0.075～1 mm的粒径约占65%，通过激光粒度仪测定其级配曲线如图1所示。

1.1.3 细观形态

通过扫描电镜(scanning electron microscope，SEM)[20]对再生料细观形态进行分析，颗粒形态主要为次棱角状，粒径由大到小基本上为均匀分布，其中细粒部分主要为土、石灰、红砖及混凝土的水泥经破碎后形成的微粉，较粗颗粒为砂浆中的石英、石子等硬质材料，如图2所示。

图1 再生料级配曲线Fig.1 Grading curve of reclaimed aggregate

EHT为加速电压；WD为工作距离；Mag为放大倍数图2 再生料SEM影像Fig.2 Electron microscope scanning image of reclaimed aggregate

1.2 数字影像采集

(1)数字影像采集设备。HUAWEI Mate 20 X智能手机，系统版本EMUI 10.0.0.195(C00E74R1P8)。

(2)数字影像采集参数设置。固定白平衡、固定光圈f/1.8、固定曝光时间1/250 s、固定焦距6 mm、固定感光度ISO640、影像采集距离固定为10 cm。

(3)环境要素控制。再生料堆放至70 g A4多功能复印纸(光面)上，用刮刀轻刮平至1 cm厚度；光源为荧光灯管，功率18 W，色温6 500 K，通光量1 200 lm，由照片上方至下方进行照射，距离约50 cm，角度约60°[图3(a)]。

(4)分析影像范围选取。再生料影像比例经钢尺进行校准，使用MATLAB软件统一截取局部影像中部4 cm×4 cm区域[图3(b)，红色方框内，1 096×1 096像素]进行对比分析。

(5)再生料含水率配置。生产过程中，再生料含水率差异较大，经测定不同状态下含水率如表2所示。

对再生料进行烘干，然后加入纯净水，配置含水率0～16%(间隔2%)的9组物料[图4(a)～图4(f)]，进行数字影像采集[21]；配置含水率3%、7%、13%的4组物料[图4(g)～图4(i)]，作为检测样本，对含水率监测模型精度进行检验。

图3 干燥试样(0%含水率)数字影像采集过程Fig.3 Digital image acquisition process of dry sample (0% moisture content)

表2 不同状态下再生料含水率Table 2 Water content of reclaimed aggregate under different conditions

2 再生料数字影像特征分析

2.1 数字影像特征定性分析

再生料随着含水率增加颗粒形态及表面颜色均发生明显变化。

2.1.1 形态特征

再生料干燥时，颗粒间缺少固体-水膜-空气共同产生的基质吸力和毛细管作用[22]，粗细颗粒混合均匀且松散，难以辨别粗颗粒形态及物质组成[图4(a)]；随着含水率增加，粗颗粒表面吸引微小颗粒聚簇成小团[图4(d)]；当含水率增大到一定程度，细粉颗粒黏聚于粗颗粒之间，将其粘结成团[图4(f)]，逐渐可清晰辨别粗颗粒物质成分。

图4 不同含水率再生料数字影像Fig.4 Digital image of reclaimed aggregate with different moisture content

2.1.2 色彩特征

再生料原材料主要有砖、混凝土和黏土等，整体呈棕红色，含水率低时数字影像亮度较高，颜色偏浅呈褐黄色，表面较为平坦，阴影细少且颜色浅[图4(a)]；随着含水率增大影像亮度降低，颜色逐渐加深呈棕红色，由于细微颗粒与粗颗粒结成小团，表面阴影逐渐增多且颜色变深[图4(c)]；之后逐渐呈深棕色，团块间隙明显，中间呈黑色条带状[图4(f)]。

2.2 数字影像特征定量分析

2.2.1 数字影像特征值计算

目前常用的颜色模型有RGB模型、CMY(cyan、magenta、yellow)模型、CMYK(cyan、magenta、yellow、black)模型、HSI(hue、saturation、intensity)模型等，其中RGB适合于彩色监视器、HSI适合于描述人眼看到的图像[23]，如图5所示。

为研究再生料数字影像特征，选取R、G、B、H、S、I、Gray(灰度)、C(对比度)、E(熵)作为特征参数，含义及计算公式如表3所示。

图5 RGB与HSI模型示意图Fig.5 Schematic diagram of RGB and HSI models

通过MATLAB载入0～16%含水率再生料数字影像，切取分析区域，以表3内公式对图像特征参数进行计算，求得其特征值如表4所示。

由于各参数值量级差异较大，为便于统一与含水率进行比较，对其进行归一化，计算公式为

(1)

表3 再生料数字影像特征参数及含义Table 3 Digital image characteristic parameters and meaning of recycled aggregate

表4 数字影像特征值计算结果Table 4 Digital image eigenvalue calculation results

式(1)中：X′ij为第i项参数第j个特征值归一化值；Xij为第i项参数第j个特征值；Ximin、Ximax为第i项参数的最小值与最大值。

归一化后，分析样本再生料数字影像特征参数均处于[0，1]，与含水率之间的关系如图6所示。

2.2.2 数字影像特征分析

(1)RGB。RGB值反映了数字影像的颜色组成，其中R最大，G次之，B最小，与整体颜色呈现棕红色，略微泛黄相符；RGB强度值整体变化趋势为单调递减，与随着含水率增加，数字影像颜色逐渐加深趋势一致，其中8%含水率之前下降趋势明显，曲线斜率较陡，8%之后下降趋势有所减缓。

(2)HSI、Gray。HSI反映了数字影像的色调、饱和度和亮度，其中色调H在0.28～0.33，处于红色(0)与黄色(π/3)区间，稍偏红色；含水率低于12%时，S随含水率增大而增加，之后稍有降低，反映了料颗粒受水浸润后，表面的细粉颗粒逐渐聚簇成团，显示出颗粒本身的颜色，整体色彩饱和度增大；I与Gray接近，且都与RGB线性相关，因此整体趋势与RGB规律基本一致。

(3)C、E。C、E反映了数字影像的对比度和熵[24]，其中C反映了影像明暗差异，整体趋势不断降低，但局部波动较大；E反映了像素的随机性，随着料颗粒由初期的均匀分布到后期的黏聚结团，整体由均匀变得更熵值不断减小，在含水率较高的阶段单调递减。

3 再生料含水率检测模型及验证

3.1 再生料含水率检测模型

为确定再生料的含水率对数字影像中各项参数的影响，以再生料数字影像特征值计算结果与含水率ω，采用Pearson相关系数进行相关性分析，结果如表5所示。计算公式为

(2)

式(2)中：r为相关系数，介于(-1，1)，当|r|≅0，表明两个变量没有线性相关关系；当|r|≅1，表明两个变量完全直线相关；“+”表示正相关，“-”表示负相关。

从表5可以看出，在0～16%范围内时，再生料含水率ω与数字影像特征参数R、G、B、S、I、Gray、C、E的相关性显著，均为负相关；与H相关性不显著。

表5 再生料数字影像特征与含水率相关性分析Table 5 Correlation analysis of digital image characteristics and moisture content of reclaimed aggregate

通过SPSS软件[25]以含水率ω为因变量，以再生料数字影像特征参数R、G、B、H、S、I、Gray、C、E为自变量，采用步进法进行线性回归分析，步进法条件为默认值(F的概率≤0.05进入，≥0.1剔除)，计算过程中剔除了G、B、H、S、I、Gray、C、E这8项参数，拟合后计算模型为

ω=31.070-0.198R

(3)

式(3)中：ω≥0。

图6 再生料不同含水率数字影像特征规律Fig.6 Digital image characteristics of reclaimed aggregate with different moisture content

模型的相关系数r=0.994，标准误差估计值为0.616 38，表明回归方程效果好，如图7(a)所示。

以3%、5%、7%及13%含水率时再生料数值影像特征参数中的R，代入式(3)进行检验[图7(b)]，预测含水率与实际含水率误差为-0.2%～0.9%，平均绝对误差0.5%，检验结果表明，试验条件下本模型对再生料含水率计算结果误差小于1%。

图7 模型拟合与计算效果Fig.7 Fitting and prediction effect of the model

3.2 再生料含水率检测模型验证

山东省某采煤沉陷区综合治理项目位于市区北郊，场地为棚户区拆迁后遗留场地，现场堆放建筑垃圾约5×104t，区内分布3个工作面采空区，估算影响面积为112 685 m2，采空区残余空洞体积128 103 m3。

通过建立建筑垃圾再生料注浆系统，将场区内的建筑垃圾破碎至规定粒径后，经输料机与水泥、粉煤灰浆液在搅拌机里进行混合，拌制成高浓度浆液，通过混凝土泵输送至采空区内，系统结构如图8所示。

在充填过程制浆环节中，取得再生料试样36组，分别采用烘干法测定以及通过数字影像提取特征参数计算再生料含水率。图9测试结果表明，在现场条件下通过数字影像计算得到含水率与实际含水率误差为-3.0%～2.6%，平均绝对误差0.6%，其中90%以上测试值误差≤1%，可满足项目实施过程中浆液性能控制的需要。

图8 建筑垃圾再生料注浆系统Fig.8 Construction waste recycled material grouting system

MSE为均方误差图9 含水率误差计算Fig.9 Calculation of moisture content error

4 结论

(1)建筑垃圾再生料成分复杂，含水率变化对其外观特征具有明显影响。含水率低时颜色偏浅呈褐黄色，数字影像亮度较高；随着含水率增大颜色逐渐加深呈棕红色，影像亮度降低，由于细微颗粒与粗颗粒结成小团，表面阴影逐渐增多且颜色变深；之后逐渐呈深棕色，数字影像中物料团块间隙明显，中间有黑色条带状。

(2)建筑垃圾再生料数字影像特征参数中，在0～16%范围内时，再生料含水率ω与数字影像特征参数R、G、B、S、I、Gray、C、E的相关性显著，均为负相关，其中S、C稍低；与H相关性不显著。拟合后含水率计算公式为ω=31.070-0.198R。

(3)试验条件下，基于建筑垃圾再生料数字影像特征的含水率计算模型预测含水率与实际含水率误差为-0.2%～0.9%，平均绝对误差0.5%；现场条件下，含水率与实际含水率误差为-3.0%～2.6%，平均绝对误差0.6%，其中90%以上测试值误差≤1%，可满足项目实施过程中浆液性能控制的需要。