張保虎,宮曉輝,南 牛，趙宇飛

(1.新疆新華水電投資股份有限公司，新疆 烏魯木齊 830092;2.新疆新華葉爾羌河流域水利水電開發(fā)有限公司，新疆 喀什 844000;3.中國水利水電科學(xué)研究院，北京 100048)

1 研究背景

在土石壩填筑施工過程中，不同粒徑壩料按照一定的比例混合起來，通過不同的碾壓工藝，使其達到符合要求的密實度，以滿足上部結(jié)構(gòu)對填方的要求。土石壩料的級配特征參數(shù)直接影響壩料填筑的壓實質(zhì)量，級配檢測的實時性和精確性在壩料填筑碾壓質(zhì)量控制中顯得尤為重要。目前土石壩料的級配特性或者顆粒組成通常是在填筑碾壓結(jié)束后采用篩分法檢測，這種傳統(tǒng)的檢測方法篩分工作量大[1- 3]，不能對填筑碾壓施工過程中的壩料級配進行實時檢測，更不能根據(jù)壩料級配參數(shù)對碾壓參數(shù)進行及時調(diào)整，不利于施工前的壩料質(zhì)量控制與施工過程的質(zhì)量管理，因此研究壩料級配參數(shù)的實時檢測方法是保證大壩填筑質(zhì)量高效評估的有效途徑。在過去的一段時間里，許多學(xué)者利用數(shù)字圖像處理(Digital Image Processing，DIP)技術(shù)[4- 5]在土石壩料的顆粒組成特征分析與參數(shù)提取利用方面開展了大量的研究工作，積累了豐富的經(jīng)驗，為土石壩料級配的圖像識別技術(shù)開發(fā)與研究提供了較好的應(yīng)用基礎(chǔ)。

顆粒粒度的劃分和對應(yīng)顆粒質(zhì)量的確定是傳統(tǒng)篩分法級配檢測的關(guān)鍵技術(shù)，按照上述思想可有效指導(dǎo)基于圖像識別的壩料級配檢測研究，對應(yīng)于圖像識別技術(shù)中的顆粒二維圖像輪廓提取和基于二維形態(tài)特征的級配轉(zhuǎn)換兩部分組成[6]。壩料二維圖像輪廓提取是對施工現(xiàn)場采集到的壩料圖片進行圖像分割，從中提取目標(biāo)物體的輪廓，工程中常用的經(jīng)典圖像分割方法主要有基于閾值的分割、基于邊緣檢測的分割、基于區(qū)域提取的分割以及基于聚類的分割方法等[7]。已有學(xué)者將經(jīng)典的圖像分割技術(shù)應(yīng)用于顆粒級配檢測方面，并取得了一定的進展。如沙愛民[8]、馬保國[9]、陳宇等[10]采用閾值化分割方法提取顆粒的輪廓。李忠杰等[11]提出了融合邊緣檢測與自動閾值選擇相結(jié)合的閾值化分割方法，有效避免了圖像過分割的問題。雖然識別速度快，但是識別結(jié)果高度依賴于關(guān)鍵參數(shù)的手動選擇，對參數(shù)的選取較為敏感，針對復(fù)雜成像條件以及黏連顆粒圖像的分割精度仍需進一步的提高?；诙S形態(tài)特征的級配轉(zhuǎn)換方面，Zhang等[12]通過研究發(fā)現(xiàn)，采用等效橢圓的短軸和最佳擬合矩陣的寬度最適合表征粗顆粒的粒徑，準(zhǔn)確率可達85%以上。于沭[13]、張國英等[14]采用橢圓擬合壩料的真實形態(tài)，建立等效橢球體積來重構(gòu)土石料的三維體積形態(tài)，取得了較好的研究成果。通過已有研究可以發(fā)現(xiàn)，不少學(xué)者均是通過建立顆粒平面形態(tài)特征與三維體量特征之間的關(guān)系來轉(zhuǎn)換實現(xiàn)顆粒級配轉(zhuǎn)換求解，量化求解的方法繁多，且均有一定的實用效果，但是應(yīng)用到土石壩料實際工程級配求解中的優(yōu)劣性問題尚未進行深入的討論，有待進一步的分析探討。

綜上所述，雖然圖像識別技術(shù)在諸多工程領(lǐng)域得到了廣泛的應(yīng)用，但是該技術(shù)在土石壩壩料級配智能檢測方面卻鮮有相關(guān)研究，而壩料級配智能檢測是當(dāng)前實際工程中急需解決的關(guān)鍵問題。鑒于此，本文采用標(biāo)準(zhǔn)FCM算法實現(xiàn)了土石壩壩料的圖像分割，此外還采用了橢球體積來重構(gòu)土石壩料的三維體積形態(tài)，實現(xiàn)了壩料級配參數(shù)的快速可靠獲取，為壩料合格性快速判別提供了重要的基礎(chǔ)信息。

2 圖像的獲取與預(yù)處理

2.1 工程背景與圖像獲取

本文壩料數(shù)字圖像采集試驗是在遼寧清原抽水蓄能電站上水庫進行的，該水庫位于遼寧省撫順市清原滿族自治縣北三家鎮(zhèn)境內(nèi)，大壩采用混凝土面板堆石壩。現(xiàn)場碾壓壩料數(shù)字圖像采集部位為上水庫主壩堆石體填筑下游堆石區(qū)某一填筑層，試驗材料為由料場開挖的弱風(fēng)化和強風(fēng)化的混合巖石組成的堆石料。本研究中，為了便于分析量化壩料顆粒，在獲取數(shù)字圖像時，在施工現(xiàn)場攤鋪結(jié)束后的壩料上放置1m×1m的鐵框作為比例標(biāo)尺框，拍攝圖像時要有較為充足的光照條件，保證拍攝圖像的位置處于比例標(biāo)尺框正上方，盡量避免比例標(biāo)尺框內(nèi)存在陰影，盡可能地提高數(shù)字圖像的整體質(zhì)量，最大程度上為圖像識別減少外界干擾的影響。通過將比例標(biāo)尺框真實尺寸和圖片像素對比，可實現(xiàn)圖像中壩料顆粒像素與實際尺寸之間的換算。

2.2 圖像濾波

為了提升土石壩壩料數(shù)字圖像分析的準(zhǔn)確性，本文采用雙邊濾波和同態(tài)濾波相結(jié)合的方法用于消除壩料圖像中的高斯噪聲、修正圖像中存在的亮度不均勻和黏連顆粒等問題。

雙邊濾波[15]是一種綜合考慮了空間濾波器和值域濾波器的可以保邊去噪的平滑方法，針對圖像中的低頻信號，目標(biāo)像素與其鄰域內(nèi)的像素值差別較小，此時鄰域像素的位置相比像素值差而言對目標(biāo)像素處理結(jié)果的影響更大，雙邊濾波器主要實現(xiàn)空間濾波作用；如圖1(a)所示，針對圖像中的高頻信號，目標(biāo)像素與其鄰域像素之間的差別較大，此時像素值差占據(jù)主導(dǎo)影響，雙邊濾波器起到值域濾波作用。采用雙邊濾波的處理結(jié)果如圖1(b)所示，可以看出圖像增強效果明顯，可以更好地起到保邊去噪的效果。

圖1 圖像濾波處理

同態(tài)濾波方法[16- 17]是綜合考慮了頻域濾波和空間域灰度變換的一種圖像平滑手段。首先將一幅圖像(x，y)位置處的像素值f(x，y)分解為描述光照分量的照射分量fi(x，y)和描述圖像細節(jié)信息的反射分量fr(x，y)，然后對處于低頻區(qū)域的照射分量進行合理的壓縮，處于高頻區(qū)域的反射分量進行合理的提升，從而達到壓縮圖像整體動態(tài)范圍，增加圖像中鄰域間對比度的目的。采用同態(tài)濾波的處理結(jié)果如圖1(c)所示，使用同態(tài)濾波處理后的圖像亮度和對比度均得到了有效的提升，圖像質(zhì)量得到改善，且目標(biāo)的邊緣沒有受到損失，效果較佳。

3 壩料圖像輪廓提取

3.1 壩料圖像二值化

FCM算法的基本思想[18]為：假設(shè)X={x1，x2，…，xN}為待聚類數(shù)據(jù)集，將每個對象xj(1≤j≤N)分配給C個類別，使用C×N的隸屬矩陣U={uij}表示對象與類別之間的隸屬關(guān)系，其中uij表示第j個對象屬于第i個類的隸屬程度。該算法的目標(biāo)是計算給定數(shù)據(jù)集X的隸屬度矩陣和聚類中心V={v1，v2，…，vC}，目標(biāo)函數(shù)將歐氏距離作為需要最小化的代價函數(shù)，隸屬矩陣和聚類中心的更新方程為[19]：

(1)

(2)

最終算法迭代優(yōu)化的終止條件為：

(3)

式中，α—一個很小的常數(shù)表示誤差閾值，本文取0.05；k—迭代次數(shù)，迭代優(yōu)化過程最終收斂于Jm的局部極小值點或鞍點[20]。

基于模糊C均值聚類(FCM)算法的土石壩料圖像分割在無監(jiān)督的情況下，可以自適應(yīng)迭代實現(xiàn)圖像的二維輪廓分割，基于FCM算法的土石壩料圖像分割結(jié)果如圖2所示。

圖2 二值化圖

3.2 形態(tài)學(xué)操作與邊緣檢測

由于土石壩料形狀隨機、紋理多變、成像過程中存在復(fù)雜的施工環(huán)境以及設(shè)備不穩(wěn)定等諸多外界因素的干擾，不可避免的會在圖像前景和背景區(qū)域產(chǎn)生噪聲，還會存在顆粒粘連的現(xiàn)象。為了對含噪聲以及黏連顆粒的二值化圖進行優(yōu)化，本文采用了多次不同強度的腐蝕膨脹操作，然后將不同強度形態(tài)學(xué)操作處理后的結(jié)果融合，得到壩料二值圖(如圖3(a)所示)，可以看出經(jīng)過本文設(shè)計的形態(tài)學(xué)濾波器處理后壩料圖像中顆粒輪廓識別效果較好，有效解決了偽陰影和黏連顆粒識別的難題。最后對形態(tài)學(xué)處理后的二值化圖進行壩料輪廓的提取，即利用邊緣檢測的方法將圖像邊界提取出來，Canny邊緣檢測是目前非常流行的算法之一[21]，主要由圖像降噪、梯度求解、非極大值抑制和閾值篩選四階段構(gòu)成，識別出的輪廓結(jié)果如圖3(b)所示。本文采用基于灰度準(zhǔn)則的經(jīng)典圖像分割方法實現(xiàn)了土石壩料的圖像分割，最終的分割結(jié)果如圖3(c)所示，可以看出分割精度較高，也為準(zhǔn)確進行壩料形態(tài)特征級配轉(zhuǎn)換從而獲得壩料級配曲線提供了較高的技術(shù)支撐。

圖3 分割效果圖

4 三維體積重構(gòu)的土石壩壩料級配轉(zhuǎn)換

本文采集到的壩料數(shù)字圖像所反映的只是土石壩料攤鋪后表面所出露的情況，而壩料的級配曲線是依據(jù)各粒徑范圍內(nèi)的土石壩料顆粒含量的質(zhì)量占比計算得到的，涉及到顆粒的三維形態(tài)特征，因此本文采用橢球體積來重構(gòu)土石壩料的三維形態(tài)特征。Kemeny等[22- 23]人在礦石粒徑檢測研究中發(fā)現(xiàn)，通過篩網(wǎng)的顆粒等效粒徑可以表示為：

(4)

(5)

(6)

式中，a、b—顆粒輪廓最佳擬合外接橢圓的長軸和短軸；C、A—最佳擬合外接橢圓的周長和面積。

張國英等[14]在此基礎(chǔ)上建立了礦石顆粒的三維等效橢球體積公式，即：

(7)

假設(shè)本研究獲取到的壩料顆粒的密度均相同，則各粒徑范圍內(nèi)土石壩料顆粒的級配質(zhì)量百分比(Grading quality percentage，GQP)為：

(8)

式中，ρ—壩料顆粒的密度；V—壩料顆粒的體積；A—最佳擬合外接橢圓面積。

由于本文選取的挖坑檢測資料和圖像均來自主次堆石區(qū)，圖像中最大粒徑可識別到300mm，圖像中以較大的石塊居多，因此在土石料級配曲線求解時，選取的最小過篩尺寸為5mm，取d=5、10、20、40、60、80、100、200、300mm作為過篩粒徑，然后采用本文提出的基于二維圖像形態(tài)提取轉(zhuǎn)換的級配檢測方法可求得挖坑檢測位置處過篩粒徑對應(yīng)的級配質(zhì)量百分比GQP，計算得到的級配曲線如圖4所示。

圖4 圖像識別級配曲線

5 結(jié)論與展望

針對現(xiàn)有級配智能感知技術(shù)較差的問題，本文采用了圖像識別技術(shù)實現(xiàn)了壩料級配特征參數(shù)的快速可靠獲取，為壩料合格性快速判別提供了基礎(chǔ)信息，有利于施工前的壩料質(zhì)量控制。雖然本文方法取得了一定的成果，但是本文所采用的二維圖像分割結(jié)果不可避免的會與原始圖像間存在一定的差異，此外土石壩料的三維體積重構(gòu)也是基于一定的假設(shè)基礎(chǔ)上建立的，因此通過數(shù)字圖像識別出的級配曲線與施工現(xiàn)場挖坑檢測得到的試驗級配曲線之間存在一定的誤差。為了修正兩者之間的誤差，提高壩料級配智能檢測結(jié)果的準(zhǔn)確性，本文后續(xù)將通過對碾壓結(jié)束后挖坑檢測位置處拍攝的壩料圖像識別得到的級配曲線與實際挖坑篩分得到的級配曲線進行對比分析，建立相應(yīng)的模型進行級配修正模型以獲得真實條件下的級配曲線。