1、基于数字图像处理技术的沥青混合料级配检测方法 程永春 马健生 颜廷野 杨金生 吉林大学交通学院 摘 要： 沥青混合料中级配对路用性能有着很大的影响, 应用数字图像处理技术, 对沥青混合料级配检测方法进行了改进研究。运用 CT 扫描技术扫描沥青混合料马歇尔试件的内部结构, 获取数字图像, 对获取的图像进行去噪、增强和分割等处理, 在此基础上对图像进行伪三维级配识别。识别结果表明, 对于直径大于2.36 mm 以上的集料, 通过误差修正可以使检测出的级配曲线和设计级配曲线更加接近, 有效提高其识别精度。应用 CT 技术获取沥青混合料图像的方法, 可以对其内部细观结构进行观测, 并且避免了对试件造成
2、破坏, 从而可以对其宏观性能进行研究。关键词： CT 扫描; 沥青混合料; 数字图像处理; 伪三维; 级配检测; 作者简介：程永春 (1961) , 男, 教授, 博士研究生导师。研究方向:道路工程材料理论及应用。E-mail:。收稿日期：2017 年 4 月 6 日基金：国家自然科学基金 (51678271) Asphalt Mixture Gradation Detection Method Based on Digital Image Processing TechnologyCHENG Yong-chun MA Jian-sheng YAN Ting-ye YANG Jin-sheng
3、 School of Transportation, Jilin University; Abstract： The gradation of asphalt mixture has a great influence on the road performance.Based on the digital image processing technology, the asphalt mixture gradation detection method is improved.The digital image of asphalt mixture Marshall sample was
4、obtained by CT scanning technique.And the image was denoised, enhanced and segmented.on this basis, the image is classified by pseudo three dimension.The results show that the error correction can make the detected gradation curve and design grading curve closer, when the aggregate diameters are gre
5、ater than 2.36 mm.This can improve the recognition accuracy, and makes the error less than 5%, to meet the needs of engineering.It can be used to observe the inner microstructure and avoid the damage to the specimen that the method of using CT technology to obtain the image of asphalt mixture.So it
6、is feasible to study its macro propertiesKeyword： CT scanning; asphalt mixture; digital image processing; pseudo three dimension; gradation detection; Received： 2017 年 4 月 6 日沥青混合料中矿料级配对其性能有着很大影响, 据研究, 沥青混合料中级配对于提升其抗车辙能力的贡献达到 80%左右, 沥青仅占 20%左右, 因此, 级配对于提升其路用性能起到至关重要的作用。对于原有级配分析方法人为影响较大, 精度难以保证。现将 CT
7、 扫描技术及图像处理技术应用于级配检测当中, 以改进原有级配检测方法的不足。随着计算机的发展, 数字图像处理技术渐趋成熟, 基于数字图像处理的沥青混合料的细观研究也越来越受到学者们的重视。Zhong 等1通过 CCD 数码相机来获取沥青混合料试件的切面图象, 创新地使用数字图像处理技术将集料信息提取出来, 并进行集料形状及空间分布上的研究;彭勇等2基于数字图像处理技术, 对沥青混合料中集料的分布状态进行了研究;汪海年等3通过 CT 设备, 研究了沥青混合料试件尺寸、岩石性质、成型方式对扫描成像质量的影响, 对常用的马歇尔试件扫描参数进行了优化;姜袁等4基于对 CT 扫描的 DICOM 格式原始
8、数据的调用, 建立了混凝土细观结构的三维模型;吴文亮等5用数字图像处理技术获得截面图像, 通过集料的分布状态研究了沥青混合料的均匀性;周基等6基于数字图像处理技术, 提出了一种新的沥青混合料离散元几何建模方法。在沥青混合料级配的研究中, 目前研究主要有两方面:级配对沥青混合料的路用性能的影响, 沥青混合料的级配优化。沙爱民, 等7采用线阵摄像机采集图片的方式获取图像并提取特征参数, 从而进行级配检验;王超凡8在数字图像处理基础上, 对沥青混合料级配自动检测系统进行了编程。均取得一定研究成果, 但是基于数字图像处理的级配检测方面的研究还不是很完善。在图像获取方式, 级配识别精度、识别误差等方面,
9、 均有所不足, 仍需作进一步研究。为解决上述不足, 结合沥青混合料的马歇尔试验, 采用 CT 扫描技术获取马歇尔试件的“伪三维”切面图像, 通过数字图像处理技术对切面图像进行处理, 将处理后的图像进行信息提取, 进而对沥青混合料马歇尔试件的空隙率和级配检测进行研究, 并将结果作一定的修正。1 沥青混合料马歇尔试件切面图像获取及处理1.1 马歇尔试件的制备试验采用的沥青为盘锦生产的 90#沥青, 石料为石灰石, 级配为常用的 AC-16级配, 根据公路沥青路面施工技术规范对沥青混合料的级配要求, 经过调整, 最终选取的矿料的级配如表 1。表 1 AC-16 级配通过率 Table 1 Grade
10、 pass rate of AC-16 下载原表 1.2 马歇尔试件切面图像获取目前, 对于马歇尔试件切面图像的获取有两种方法:一种是将试件切开, 用 CCD相机进行拍摄;一种是用 CT 进行扫描。采用 CCD 相机获取图像有很多弊端, 如:光源的位置选择、光照强度的统一、光学镜头边缘的图像变形、拍照过程中的噪声问题。而且, 采用 CCD 相机拍摄需切开试件, 人工切割无法保证其切割的精度, 且对试件造成了破坏, 无法进行后续的试验操作。采用 CT 扫描可以克服上面大部分缺陷, 故采用 CT 扫描的方式获取图像。CT, 电子计算机断层扫描, 也称计算机体层摄影, 其具有分辨率高, 能准确反映内
11、部结构特征的特点, 较 CCD 相机获取的图像而言, 其获得的数字图像更加精确, 故 CT 技术应用于各个行业。通过 CT 断层扫描技术而获取的试件内部连续断层图像, 采用 Philips MX16 slice 型医用 CT 机对 AC-16 沥青混合料马歇尔试件进行扫描。因为标准试件高度为 63.5 mm, 故定扫描层数为 24 层, 每层厚度为 2.5。因为上下两层可能扫描到空气, 所以舍去, 最终每个马歇尔试件获取图片为 22 张, 扫描示意图如图 1, CT 扫描图如图 2。从获取的图像中可看到图像基本分成三种亮度。根据 CT 扫描原理, CT 扫描出来的是材料在扫描层的密度结构, 以
12、不同的灰度来表示, 反映其对 X 射线的吸收程度。白色表示高吸收区, 即高密度区, 如混合料中的集料;黑色表示低吸收区, 即低密度区, 如混合料中的空隙;沥青胶浆密度介于两者之间, 在图 2 中呈灰色。图 1 扫描示意图 Fig.1 Scanning schematic diagram 下载原图图 2 CT 扫描图 Fig.2 CT scanning chart 下载原图1.3 数字图像处理数字图像处理又称为计算机图像处理, 是采用一定的算法, 用计算机对所获得的切面图像进行处理和分析, 以满足人的视觉上的需求或者其他设备的需求。由于图像在扫描过程中容易产生噪音点, 对级配检测结果造成影响,
13、因此需对其进行处理, 处理过程见图 3。图 3 数字图像处理流程 Fig.3 Digital image processing flow 下载原图2 基于数字图像处理技术沥青混合料级配识别在检测沥青路面的施工质量时, 沥青混合料的级配是一个很重要的指标。传统研究级配方法是对除去沥青的回收矿料进行筛分试验, 从而进行级配识别, 其中, 抽提试验操作过程烦琐, 人为影响大, 对人体有伤害。现应用数字图像处理技术, 对所获取的图像通过体积换算进行级配识别。并作相应的误差修正。2.1 级配识别先随机选取图像进行识别, 现对 2 号截面进行图像识别, 共得集料图像 265 个, 将获得的图像面积换算成等
14、效直径, 得集料最小直径为 0.38 mm, 最大直径为16.8 mm, 所得的集料图像数量如表 2。表 2 1 号试件 2 号截面的各个粒径图像数量 Table 2 The number of different diameter images obtained from section 2, No.1 sample 下载原表 由于获得的集料在各个粒径范围内的个数是采用等效直径进行统计的, 而基于数字图像处理技术的级配识别是以体积为单位的, 所以要把集料的体积假设为球形, 进行体积换算。换算后的 1 号试件 2 号、10 号和 20 号截面各个粒径的体积所占百分比见表 3。表 3 1 号试件
15、 2 号、10 号和 20 号截面获得的各个粒径所占百分比 Table 3 The percentage of each diameter of section 2, 10, 20 of No.1 sample 下载原表 将三个截面的识别结果作对比, 结果如图 4 所示。图 4 三个截面的识别结果对比 Fig.4 Comparison of the results of three cross sections 下载原图由图 4 可以看出, 单个截面的识别结果并不稳定, 误差很大。这是因为集料在混合料内部随机分布, 具有一定离散性, 因此, 单个截面识别结果对整体来说不具有代表性。采取多个截面
16、进行识别, 计算截面总和的各级配所占百分比, 使识别结果更加稳定。现分别选取 5 个、10 个、20 个、30 个、40 个和 50 个截面进行级配识别如图 5 所示。不同截面总和识别结果见表 4。表 4 不同截面总和的各粒径范围内体积百分比 Table 4 The percentage of volume in the different diameter range of different section summation 下载原表 图 5 各截面总和的识别结果对比 Fig.5 Comparison of the recognition results of sum of each s
17、ections 下载原图由表 4 可以看出, 截面数量分别为 5、10 和 20 个时, 其变异性仍然很大, 数值上下浮动比较大;当截面数量大于 30 时, 获取的级配识别结果趋于稳定。为了使结果相对精确, 本文选取 50 个截面进行级配识别。2.2 CT 扫描对级配识别结果的影响及修正与数码相机获取的图像不同, CT 扫描出来的图像是按层来扫描的, 是在一定厚度内进行扫描, 将所扫描内容呈现在平面图像上。因此 CT 扫描的图像属于一种“伪三维”图像, 这样由 CT 所扫描出来的集料信息, 尤其是三维信息要多于CCD 数码相机所扫描出来的图像。现将截面数量为 30, 40 和 50 个的识别结
18、果与设计级配作对比, 如图 6。从图6 可以看到, 粒径在 02.36 mm 之间的集料的识别效果并不好, 这是因为图像的分辨率不足以及图像去噪时将细集料与噪音点一起滤除等原因造成的, 图像处理时过度分割也易将集料分割的更细小。而对于粒径大于 2.36 的集料, 识别结果较稳定, 因此下面将对粒径大于 2.36 的粗集料的识别结果进行讨论。将前面获得的较稳定的识别结果进行统计, 50 张图像共获得 8 532 个粗集料图像。识别结果见表 5。识别结果柱状图见图 7。由表 5 及图 7 可以看出, 粒径在 2.364.75 mm 之间集料识别效果不太理想, 这是因为在图像处理时对粘连的图像进行过
19、度分割造成的, 识别结果误差为 54%, 现在将粒径在 4.75 以上的集料进行识别结果对比, 识别结果见表 6、图 8。图 6 识别结果与设计级配对比 Fig.6 Comparison of recognition results and design gradation 下载原图表 5 粗集料级配识别结果对比 Table 5 Comparison of gradation recognition results of coarse aggregate 下载原表 图 7 粗集料识别结果对比 Fig.7 Comparison of recognition results of coarse a
20、ggregate 下载原图表 6 粒径大于 4.75 mm 的粗集料级配识别结果 Table 6 Coarse aggregate gradation recognition results with particle size greater than 4.75 mm 下载原表 图 8 粒径大于 4.75 mm 的粗集料识别结果对比 Fig.8 Comparison of coarse aggregate recognition results with particle size greater than 4.75 mm 下载原图由表 6 及图 8 可以看出, 粒径大于 4.75 mm 的
21、粗集料在伪三维图像识别中取得了良好的效果。结合图 7, 可知粒径在 2.364.75 mm 内的集料识别结果较稳定, 但是比设计级配低, 故将对识别结果做简单的修正:乘以系数 2.1, 其他粒径范围内集料的识别结果相应减少。得到的识别结果见图 9、表 7。表 7 修正后粒径大于 2.36 mm 的粗集料级配识别结果 Table 7 The results of coarse aggregate gradation recog-nition after the modified particle size greater than 2.36 mm 下载原表 图 9 修正后粒径大于 2.36 mm
22、 的粗集料识别结果对比 Fig.9 Comparison of the results of coarse aggregate recognition results with modified particle size greater than 2.36 mm 下载原图粗集料识别结果通过率如见表 8 和图 10。表 8 伪三维图像粗集料通过率识别结果 Table 8 The recognition of coarse aggregates throughput rate of pseudo 3D image 下载原表 图 1 0 伪三维图像粗集料识别通过率对比 Fig.10 Compari
23、son of The recognition of coarse aggregates throughput rate of pseudo 3D image 下载原图2.3 修正方法验算再选三个试件进行集料的级配识别, 共获得 8731 个图像, 粒径大于 2.36 mm, 4.75 mm 的集料识别结果和粒径大于 2.36 mm 的修正后的识别结果见表 9。由表 9 可看出, 和之前得出的结果一样, 粒径大于 4.75 的粗集料识别效果较好。伪三维图像粗集料识别结果通过率对比见表 10。伪三维图像粗集料识别通过率对比见图 11。由上面验算可以看出, 本识别方法对粒径大于 2.36 的粗集料可
24、以很准确地进行识别。表 9 粒径大于 2.36 mm (及修正后) , 4.75 mm 的粗集料识别结果 Table 9 Coarse aggregate gradation recognition results with particle size greater than 2.36 mm (and after correction) , 4.75 mm 下载原表 表 1 0 伪三维图像粗集料识别结果通过率对比 Table 10 The recognition of coarse aggregates throughput rate of pseudo 3D image 下载原表 图 1
25、1 伪三维图像粗集料识别通过率对比 Fig.11 Comparison of The recognition of coarse aggregates throughput rate of pseudo 3D image 下载原图3 结论通过 CT 技术获取马歇尔试件的图像, 运用数字图像处理技术对其进行处理, 获得集料的图像及参数, 从而实现沥青混合料粗集料的识别及修正, 以达到对沥青混合料的级配进行检测的目的, 取得了良好的效果, 主要得出的结论如下。(1) 数字图像处理技术在处理切面图像时, 对于图像增强, 图像去噪等方面均起到了良好的效果, 在处理粘连图像时分水岭分割取到的效果也很好,
26、 但是在部分集料上产生了过分割现象, 这方面还有待改善。(2) 在集料图像数据获取时, 截面数量较少时获得的数据波动较大;当截面为30 个以上时得到的数据较稳定。(3) 由于本方法无法准确识别 2.36 mm 粒径以下的集料, 故最后获得的稳定识别结果比设计级配的要大;在粒径为 2.364.75 mm 之间的集料, 由于图像分割的关系, 其数值比设计级配的要小, 但是识别结果较稳定, 故对其乘以修正系数 2.1, 并进行了验算。(4) 对伪三维图像的级配检测结果进行了修正后, 在 2.36 mm 以上集料取得了较准确的识别结果, 误差较小, 满足工程上的需要。本方法可以在不对马歇尔试件造成破坏
27、情况下获取其内部信息, 故可以进行沥青混合料宏观性能上的研究, 并建立二者之间的关系。本文是伪三维级配识别, 其识别结果可以为解决试件的三维重构问题提供参考。参考文献1 Zhong Q Y, Morinl B W.Application of digital image processing to quantitative study of asphalt concrete microstructure.Transportation Research Record, 1995;1492:5360 2 彭勇, 孙立军.基于分形理论沥青混合料均匀性评价方法.哈尔滨工业大学学报, 2007;39 (
28、10) :1656 1659Peng Yong, Sun Lijun.Evaluating asphalt mixture homogeneity based on fractal theory.Journal of Harbin Institute of Technology, 2007;39 (10) :16561659 3 汪海年, 卜胤, 周洋, 等.基于 X-Ray CT 技术的沥青混合料扫描影响因素及其优化研究.公路交通科技, 2014; (11) :9 15Wang Hainian, Bu Yin, Zhou Yang, et al.Research on influencing
29、 factors and its optimization of scanning asphalt mixture based on X-ray CT technology.Journal of Highway and Transportation Research and Development, 2014; (11) :915 4 姜袁, 柏巍, 戚永乐, 等.基于 CT 扫描数据的混凝土细观结构的三维重建.三峡大学学报 (自然科学版) , 2008; (1) :52 55Jiang Yuan, Bai Wei, Qi Yongle, et al.Reconstruction of 3D
30、model of concrete microstruture with CT original data.Journal of China Three Gorges University (Natural Science) , 2008; (1) :5255 5 吴文亮, 王端宜, 张肖宁, 等.基于工业 CT 技术的沥青混合料内部空隙分布特性.中南大学学报 (自然科学版) , 2012;43 (6) :2343 2348Wu Wenliang, Wang Duanyi, Zhang Xiaoning, et al.Air voids distribution of asphalt mixt
31、ures based on industrial CT technology.Journal of Central South University (Natural Science Edition) , 2012;43 (6) :23432348 6 周基, 田琼, 芮勇勤, 等.基于数字图像的沥青混合料离散元几何建模方法.土木建筑与环境工程, 2012;34 (1) :136 140Zhou Ji, Tian Qiong, Rui Yongqin, et al.A DEM geometric method of HMA based on digital imaging processing
32、.Journal of Civil Architectural and Environmental Engineering, 2012;34 (1) :136140 7 沙爱民, 王超凡, 孙朝云.一种基于图像的沥青混合料矿料级配检测方法.长安大学学报 (自然科学版) , 2010;30 (5) :1 5Sha Aimin, Wang Chaofan, Sun Chaoyun.A gradation image detection method based on asphalt mixture.Journal of Changan University (Natural Science Edition) , 2010;30 (5) :15 8 王超凡.基于数字图像的沥青混合料级配检测技术研究.西安:长安大学, 2007Wang Chaofan.Research on gradation detection technique of asphalt mixture based on digital image.Xian:Changan University, 2007
