摘 要

為了避免惡劣的施工環(huán)境對圖像采集結(jié)果的影響，提出一種煙霧環(huán)境下的瀝青混合料花白料識別方法。該方法首先對暴露在煙霧環(huán)境下的瀝青混合料圖像進行預處理，包括濾波、閾值分割以及一系列形態(tài)學處理。通過這些處理，該方法能夠在有煙霧干擾的條件下標記瀝青混合料中的花白料顆粒，并計算每個顆粒的面積，以及這些花白料顆粒在整個圖像中所占的面積比例，由此判斷瀝青混合料是否攪拌均勻，最終有效識別煙霧環(huán)境下的瀝青混合料花白料。

引言

瀝青路面具備平整度高、抗震性好、噪音小、養(yǎng)護便捷等優(yōu)點[1]，其路用性能卻極容易受諸多因素影響。為了對瀝青路面實施預防性養(yǎng)護，需要對瀝青混合料的材料選擇、生產(chǎn)以及成型過程進行嚴格的質(zhì)量控制[2-3]?；ò琢系拇嬖跁绊憺r青混合料的質(zhì)量，而使用拌合不均的混合料進行攤鋪則會影響道路質(zhì)量，因此必須嚴格管控混合料中花白料的比例。瀝青和石料會由于攪拌不均勻而產(chǎn)生花白料，即一部分石料裹覆瀝青特別多，另一部分石料并沒有被瀝青裹覆[4]。當瀝青混凝土攤鋪完成后，包裹瀝青較多的位置就會出現(xiàn)瀝青游離，在溫度較高的情況下更是會出現(xiàn)路面發(fā)軟的狀況，影響道路質(zhì)量[5-6]。攤鋪到路面后如果出現(xiàn)花白料，這個位置就更容易散料，嚴重影響路面性能。出現(xiàn)這種情況時，必須馬上做出相應的處理[7]。

由于傳統(tǒng)的瀝青路面材料檢測方法存在諸多缺陷，國內(nèi)外不少專家學者將數(shù)字圖像處理技術(shù)引入瀝青路面材料檢測領(lǐng)域，對基于圖像處理的瀝青路面材料檢測技術(shù)進行了研究與探索，并取得了一定的進展[8]。但是在實際的檢測過程中，經(jīng)常會因為現(xiàn)場施工環(huán)境惡劣，導致采集的圖像受到現(xiàn)場煙霧的極大干擾，質(zhì)量無法滿足圖像處理的要求。在有煙霧的情況下，由于煙霧和灰塵的遮蓋，無法采集到清晰的瀝青混合料圖像，因此很難識別瀝青混凝土花白料顆粒，無法對混合料拌合質(zhì)量進行監(jiān)管，最終導致路面質(zhì)量差而無法繼續(xù)施工。本文提出一種能夠快速、實時檢測識別花白料顆粒的方法，為煙霧和灰塵環(huán)境下的瀝青混合料花白料檢測識別提供準確可靠的技術(shù)手段，解決了瀝青混合料不均勻問題，提高了瀝青混合料的質(zhì)量。

施工質(zhì)量存在的變異性是造成路面早期破壞的關(guān)鍵因素之一，因此很多研究者應用圖像處理中的煙霧檢測對瀝青路面的質(zhì)量進行改善。黃夢濤等針對噪聲大且低照度的圖像處理方式，根據(jù)噪聲點自適應來調(diào)整濾波窗口，改善了煙霧圖像視覺效果差的問題，并進行仿真分析，驗證了煙霧算法的去噪效果[9]。張金泉等用5種評價方法分別評價圖像的去煙霧效果，證明頻域濾波法與同態(tài)濾波法相結(jié)合的方法效果最優(yōu)[10]。殷夢霞研究了復雜場景下的煙霧檢測，應用三幀差法實現(xiàn)了多特征融合的煙霧檢測，顯著提高了煙霧檢測正確率[11]。嵇曉強為了實現(xiàn)霧天環(huán)境下的圖像增強效果，使用改進的基于修正Retinex模型，將圖像的局部對比度和全局對比度相結(jié)合，優(yōu)化了算法的復雜度和時間[12]。郭璠等針對圖像去霧效果的2種評價方法進行了實用性和可靠性評估。一種是用環(huán)境渲染來模擬有煙霧環(huán)境下的圖像，另一種是直接通過人眼的主觀感知結(jié)合綜合評價體系來評價圖像的效果[13]。袁光權(quán)研究了瀝青面層原材料質(zhì)量控制對于瀝青混合料路用性能、壓實度、平整度變異性水平的影響，對于提高瀝青路面的施工質(zhì)量管理狀況、施工質(zhì)量、路面耐久性和建設(shè)瀝青路面施工質(zhì)量管理體系具有重要的指導意義[14]。

瀝青混合料花白料識別系統(tǒng)硬件設(shè)計

拌合站的技術(shù)性能會影響瀝青混合料的質(zhì)量。本文在分析機器視覺系統(tǒng)的基礎(chǔ)上，借鑒類似項目生產(chǎn)現(xiàn)場的經(jīng)驗，確定了本套圖像采集系統(tǒng)的硬件設(shè)備。識別系統(tǒng)中的硬件設(shè)計系統(tǒng)包括補充光源器材、成像設(shè)備系統(tǒng)及鏡頭、圖像數(shù)據(jù)傳輸控制設(shè)備、通信控制模塊的設(shè)計與選型。

(1)補充光源。本系統(tǒng)采用浩邦智能公司生產(chǎn)的HB-P1016D-W型號LED閃光燈作為補充光源。在與光源匹配的條件下，結(jié)合生產(chǎn)現(xiàn)場圖像采集設(shè)備安裝空間小的特點，經(jīng)過現(xiàn)場試驗后決定采用前向照明的方式，即光源直射。這種照射方式具有節(jié)省空間、便于設(shè)備安裝的優(yōu)點。

(2)成像設(shè)備及鏡頭。本系統(tǒng)選用BASLERAca1300-60gm工業(yè)相機作為圖像采集設(shè)備，鏡頭選用LensEdmundOpticsCFFLF1.3f8.5mm2/3″鏡頭。工業(yè)相機的實際安裝方式如圖1所示。

(3)圖像數(shù)據(jù)傳輸控制設(shè)備。本系統(tǒng)采用千兆以太網(wǎng)交換機配合LINGRIA以太網(wǎng)光纖收發(fā)器聯(lián)合搭建，由計算機、光纖收發(fā)器、以太網(wǎng)交換機和相機共同組成，通過單模光纖傳輸?shù)目刂品绞剑瑢崿F(xiàn)圖像數(shù)據(jù)的傳輸控制。圖像數(shù)據(jù)傳輸控制方案如圖2所示。

(4)通信控制模塊。本系統(tǒng)采用西門子公司型號為S7-200的PLC，將其設(shè)置在數(shù)據(jù)采集電路系統(tǒng)和計算機之間。它在實時模式下控制數(shù)據(jù)傳輸時具有速度快、通訊效率較高的特點。

在正式使用本系統(tǒng)前，先在實驗室內(nèi)仿照攪拌倉搭建箱體，將LED光源和千兆以太網(wǎng)相機組件安裝在模擬箱體的相應位置，并對LED光源的照射范圍和相機的最佳成像視場寬度進行調(diào)整，確定最佳的標定位置，使相機的成像視場在LED光源的最強、最均勻照明光束內(nèi)。然后做校準操作，調(diào)節(jié)內(nèi)部相機的位置以及鏡頭的焦距和光圈大小，再開始采集圖像。這樣做的目的是使采集到的集料圖像清晰、可靠。通過在實驗室模擬箱體的安裝和調(diào)試，今后在現(xiàn)場安裝設(shè)備時不用做太多的調(diào)試。實驗室中調(diào)試的設(shè)備如圖3所示，已經(jīng)將瀝青混合料花白料識別系統(tǒng)封裝完成，利用此套設(shè)備可實現(xiàn)花料圖像的采集及識別。

本系統(tǒng)在現(xiàn)場的使用如圖4所示。相機和閃光燈均采用專門設(shè)計的支架固定在拌合站料倉觀察口，對混合料花白料進行實時圖像采集。

煙霧和灰塵環(huán)境下的瀝青混合料圖像預處理

圖像預處理對于恢復原始圖像具有無可替代的作用，因此采集到瀝青混合料圖像之后，首先要對其進行預處理，選擇最有用的線性平滑濾波器去除圖像中的高斯噪聲，從而得到準確的圖像修復結(jié)果。之后進行相關(guān)形態(tài)學處理，提取花白料的輪廓邊界信息。依據(jù)花白料的面積和面積占比分析，判斷瀝青混凝土攪拌是否均勻，從而提出有效的攪拌決策，提高攪拌質(zhì)量。煙霧和灰塵條件下的瀝青混合料花白料檢測識別方法的流程如圖5所示。

雖然在實驗室搭建的模擬環(huán)境下可以有效識別瀝青混合料花白料顆粒，但是實際的施工現(xiàn)場環(huán)境十分惡劣。在實際的檢測過程中，經(jīng)常會在采集圖像時受到煙霧和灰塵的極大干擾，使得圖像質(zhì)量較差。圖6是相機在施工現(xiàn)場實際采集到的有煙霧情況下的瀝青混合料圖像。

從圖6可以看出，由于煙霧和灰塵的遮蓋，無法采集到清晰的瀝青混合料圖像。為了在這種惡劣環(huán)境下識別瀝青混凝土花白料顆粒，本文提出了煙霧和灰塵環(huán)境下的瀝青混合料圖像處理算法流程，如圖7所示。首先對在煙霧環(huán)境下采集的瀝青混合料圖像使用高斯濾波去噪，并采用卷積-自定義濾波進行銳化處理；然后使用背景校正局部閾值算法進行閾值分割；最后利用刪除小目標、凸包、刪除大目標、梯度外等形態(tài)學處理算法提取圖像中的花白料顆粒及其邊緣輪廓。

煙霧環(huán)境下的瀝青混合料圖像濾波

(1)高斯濾波

在含有煙霧和灰塵的復雜場景下，瀝青混合料圖像在采集和傳輸過程中都會受到各種混入噪聲的干擾，圖像上出現(xiàn)的噪聲點使得清晰度嚴重下降、色彩失真、分辨率降低、輪廓和邊緣信息損失增加。本文使用內(nèi)核大小為3×3的高斯濾波算子達到減弱高斯噪聲，提高圖像質(zhì)量的目的[15-16]。掩模大小為3的高斯濾波內(nèi)核算子如圖8所示，高斯濾波效果如圖９所示。由于現(xiàn)場環(huán)境惡劣，在煙霧下對圖像進行濾波處理的效果并不是十分明顯，但高斯濾波卻能在一定程度上濾除細小噪聲，為之后的圖像閾值分割做準備。圖像經(jīng)過高斯卷積運算后，與采集的原始圖像相比，達到了減弱噪聲、增強圖像對比度和圖像邊緣的效果，提高了圖像質(zhì)量，并驗證了模板尺寸為3時效果最佳，使得復原的圖像明暗適宜，有效地抑制了噪聲。

(2)卷積-自定義濾波

通過分析圖像的濾波處理過程可知，高斯濾波減弱瀝青混合料圖像噪聲的過程會使得圖像整體模糊化，故在高斯濾波器濾除噪聲之后，再接著使用內(nèi)核大小為5×5的卷積-自定義濾波器對圖像進行濾波，改善圖像模糊程度。卷積-自定義濾波器卷積核如圖10所示，卷積-自定義濾波效果如圖11所示，突出了圖像的邊緣，有利于與背景分離，便于之后的閾值分割處理。在惡劣的現(xiàn)場環(huán)境下，卷積-自定義濾波效果并不是十分明顯，卻能在一定程度上改善高斯濾波的圖像模糊情況，有利于之后的圖像閾值分割。

煙霧環(huán)境下的瀝青混合料圖像閾值分割

為了能在有煙霧的情況下有效地識別花白料，使用背景校正局部閾值算法對圖像進行閾值分割，這樣做能使圖像更加清晰。有煙霧的圖像背景校正算法流程如圖12所示，分割之后的效果如圖13所示。

為了使圖像分割達到最佳效果，在背景校正圖像過程中使用組內(nèi)方差自動閾值法。組內(nèi)方差是一種基于差別分析的統(tǒng)計技術(shù)，最優(yōu)閾值由類別之間的閾值差異的最大值決定[17]。閾值的像素值k是使下面的表達式值最大時的最優(yōu)閾值。

式中：i表示灰度值，p(i)代表灰度值i的事件概率。

煙霧環(huán)境下的瀝青混合料圖像形態(tài)學處理

煙霧和灰塵的干擾使得經(jīng)過閾值分割后的二值圖像中出現(xiàn)了許多雜亂顆粒，因此在識別瀝青混合料花白料時，首先針對較大顆粒進行分析處理，再對相對略小的顆粒做處理。為了檢測識別出所有的花白料，本方法結(jié)合顆粒多且分布雜亂的特點，對煙霧環(huán)境下的瀝青混凝土的二值圖像進行相關(guān)形態(tài)學處理操作[18]，再采用凸包算法提取并繪制煙霧圖像中的較大顆粒及其邊緣輪廓。

(1)刪除小目標

刪除小目標是為了使圖像更簡潔，便于圖像處理和分析。為了提取煙霧和灰塵環(huán)境中的瀝青混合料圖像里的大顆粒，分別使用3×3的掩模、正方形像素幀、鄰域4連通的算子對圖像進行2次腐蝕運算，效果如圖14所示。

(2)凸包

為了測量煙霧和灰塵環(huán)境下的瀝青混合料圖像中的花白料顆粒的特征檢測參數(shù)，本方法選擇凸包算法對這類顆粒進行圖像處理[19]。經(jīng)過凸包后的顆粒邊緣更加平滑，形狀也更接近原始顆粒。后續(xù)提取顆粒特征參數(shù)都是基于凸包之后的顆粒的。為了準確地理解顆粒的形狀和輪廓，本文選擇鄰域8連通的凸包函數(shù)，計算顆粒的凸包，使得煙霧和灰塵下的顆粒也能表現(xiàn)出原有的特性。凸包效果如圖15所示。

(3)刪除大目標

為了使分析結(jié)果更清晰、準確，本方法將分別處理大、小目標，首先刪除圖像中較大的目標，留下較小的目標。本文選擇3×3的掩模、六邊形像素幀、鄰域8連通的算子對圖像進行3次腐蝕運算，刪除大目標的效果如圖16所示。

(4)梯度外

為了提取瀝青混合料圖像中花白料的輪廓，使用梯度外提取粒子的外部輪廓。這里的外部輪廓是指二值化后值為0的輪廓。外部邊緣函數(shù)是從膨脹的圖像中減去原始圖像得到的。剩下的像素對應膨脹過程中被添加的像素。如果Ｉ是一幅圖像，則

在對煙霧和灰塵下的瀝青混合料的凸包檢測中，本文選擇5×5自定義濾波器卷積核結(jié)合圓形像素幀，梯度外函數(shù)選擇鄰域8連通，提取并繪制顆粒凸包后的外部輪廓，根據(jù)輪廓提取凸多邊形，效果如圖17所示。

煙霧環(huán)境下花白料的識別檢測

針對圖像預處理之后的瀝青混合料二值圖像，分析由凸包算法提取的外部輪廓后，本方法首先標記出檢測到的瀝青混合料中的花白料顆粒，然后計算圖像中目標白背景的像素數(shù)，得到顆粒面積以及面積占比。為了準確地判斷瀝青混合料是否被攪拌均勻，需要計算出花白料顆粒面積及其占整幅圖像的比例，為后續(xù)解決煙霧和灰塵環(huán)境下檢測和識別花白料提供依據(jù)。

煙霧環(huán)境下的瀝青混合料花白料標記

煙霧環(huán)境下的瀝青混合料灰度圖經(jīng)過形態(tài)學處理后，還無法精確地顯示花白料的位置。為了找到混合料中花白料的位置，使用灰度圖像運算方法，在原圖中標記出花白料顆粒，效果如圖18所示。

提取煙霧環(huán)境下的花白料特征參數(shù)

在瀝青混合料二值圖像中標記花白料顆粒之后，計算圖像中白色顆粒的實際顆粒面積以及該面積占整個圖像的比例。為了提取花白料的特征參數(shù)，先計算每個花白料顆粒的面積占比。Ai表示第i個花白料顆粒的面積，A表示圖像的總面積，則計算面積占比p的公式為

結(jié)果與分析

使用本文設(shè)計的圖像采集設(shè)備在施工現(xiàn)場采集了100張煙霧環(huán)境下的瀝青混合料圖像，其中76張圖像中有花白料顆粒。使用本文提出的方法可以全部準確地識別并檢測這76張煙霧和灰塵條件下的瀝青混凝土圖像中的花白料顆粒。表1所示是其中10張瀝青混合料圖像中花白料的識別檢測結(jié)果，充分證明了本文提出的識別方法在實際應用中的有效性。

結(jié)語

本文根據(jù)瀝青混合料現(xiàn)場施工攪拌過程中識別不均勻混合料的需求，提出了在煙霧環(huán)境下識別瀝青混合料花白料的方法。本方法首先搭建了瀝青混合料圖像采集平臺，實現(xiàn)了圖像的連續(xù)采集及存儲；接下來搭建了基于PLC自動控制工業(yè)相機的圖像采集控制系統(tǒng)，實現(xiàn)了動態(tài)圖像的無失真實時采集與分析；然后提出了適合在有煙霧遮擋的情況下的瀝青混合料實時圖像處理與分析方法；最后提取圖像中的花白料顆粒及其邊緣輪廓參數(shù)信息，針對得到的較大顆粒的參數(shù)信息進行分析，有效地反映所測瀝青混合料的攪拌情況，從而為隨時改變攪拌策略提供依據(jù)。

現(xiàn)場檢測結(jié)果表明，本識別方法可以在煙霧以及灰塵遮擋的情況下檢測識別瀝青混合料中的花白料顆粒，檢測準確率充分證明了本文提出的方法在實際應用于煙霧環(huán)境下的瀝青混合料花白料檢測識別時的有效性。

審核編輯 ：李倩