土石坝坝料级配特征的智能识别研究

张保虎,宮晓辉,南 牛，赵宇飞

(1.新疆新华水电投资股份有限公司，新疆 乌鲁木齐 830092;2.新疆新华叶尔羌河流域水利水电开发有限公司，新疆 喀什 844000;3.中国水利水电科学研究院，北京 100048)

1 研究背景

在土石坝填筑施工过程中，不同粒径坝料按照一定的比例混合起来，通过不同的碾压工艺，使其达到符合要求的密实度，以满足上部结构对填方的要求。土石坝料的级配特征参数直接影响坝料填筑的压实质量，级配检测的实时性和精确性在坝料填筑碾压质量控制中显得尤为重要。目前土石坝料的级配特性或者颗粒组成通常是在填筑碾压结束后采用筛分法检测，这种传统的检测方法筛分工作量大[1- 3]，不能对填筑碾压施工过程中的坝料级配进行实时检测，更不能根据坝料级配参数对碾压参数进行及时调整，不利于施工前的坝料质量控制与施工过程的质量管理，因此研究坝料级配参数的实时检测方法是保证大坝填筑质量高效评估的有效途径。在过去的一段时间里，许多学者利用数字图像处理(Digital Image Processing，DIP)技术[4- 5]在土石坝料的颗粒组成特征分析与参数提取利用方面开展了大量的研究工作，积累了丰富的经验，为土石坝料级配的图像识别技术开发与研究提供了较好的应用基础。

颗粒粒度的划分和对应颗粒质量的确定是传统筛分法级配检测的关键技术，按照上述思想可有效指导基于图像识别的坝料级配检测研究，对应于图像识别技术中的颗粒二维图像轮廓提取和基于二维形态特征的级配转换两部分组成[6]。坝料二维图像轮廓提取是对施工现场采集到的坝料图片进行图像分割，从中提取目标物体的轮廓，工程中常用的经典图像分割方法主要有基于阈值的分割、基于边缘检测的分割、基于区域提取的分割以及基于聚类的分割方法等[7]。已有学者将经典的图像分割技术应用于颗粒级配检测方面，并取得了一定的进展。如沙爱民[8]、马保国[9]、陈宇等[10]采用阈值化分割方法提取颗粒的轮廓。李忠杰等[11]提出了融合边缘检测与自动阈值选择相结合的阈值化分割方法，有效避免了图像过分割的问题。虽然识别速度快，但是识别结果高度依赖于关键参数的手动选择，对参数的选取较为敏感，针对复杂成像条件以及黏连颗粒图像的分割精度仍需进一步的提高。基于二维形态特征的级配转换方面，Zhang等[12]通过研究发现，采用等效椭圆的短轴和最佳拟合矩阵的宽度最适合表征粗颗粒的粒径，准确率可达85%以上。于沭[13]、张国英等[14]采用椭圆拟合坝料的真实形态，建立等效椭球体积来重构土石料的三维体积形态，取得了较好的研究成果。通过已有研究可以发现，不少学者均是通过建立颗粒平面形态特征与三维体量特征之间的关系来转换实现颗粒级配转换求解，量化求解的方法繁多，且均有一定的实用效果，但是应用到土石坝料实际工程级配求解中的优劣性问题尚未进行深入的讨论，有待进一步的分析探讨。

综上所述，虽然图像识别技术在诸多工程领域得到了广泛的应用，但是该技术在土石坝坝料级配智能检测方面却鲜有相关研究，而坝料级配智能检测是当前实际工程中急需解决的关键问题。鉴于此，本文采用标准FCM算法实现了土石坝坝料的图像分割，此外还采用了椭球体积来重构土石坝料的三维体积形态，实现了坝料级配参数的快速可靠获取，为坝料合格性快速判别提供了重要的基础信息。

2 图像的获取与预处理

2.1 工程背景与图像获取

本文坝料数字图像采集试验是在辽宁清原抽水蓄能电站上水库进行的，该水库位于辽宁省抚顺市清原满族自治县北三家镇境内，大坝采用混凝土面板堆石坝。现场碾压坝料数字图像采集部位为上水库主坝堆石体填筑下游堆石区某一填筑层，试验材料为由料场开挖的弱风化和强风化的混合岩石组成的堆石料。本研究中，为了便于分析量化坝料颗粒，在获取数字图像时，在施工现场摊铺结束后的坝料上放置1m×1m的铁框作为比例标尺框，拍摄图像时要有较为充足的光照条件，保证拍摄图像的位置处于比例标尺框正上方，尽量避免比例标尺框内存在阴影，尽可能地提高数字图像的整体质量，最大程度上为图像识别减少外界干扰的影响。通过将比例标尺框真实尺寸和图片像素对比，可实现图像中坝料颗粒像素与实际尺寸之间的换算。

2.2 图像滤波

为了提升土石坝坝料数字图像分析的准确性，本文采用双边滤波和同态滤波相结合的方法用于消除坝料图像中的高斯噪声、修正图像中存在的亮度不均匀和黏连颗粒等问题。

双边滤波[15]是一种综合考虑了空间滤波器和值域滤波器的可以保边去噪的平滑方法，针对图像中的低频信号，目标像素与其邻域内的像素值差别较小，此时邻域像素的位置相比像素值差而言对目标像素处理结果的影响更大，双边滤波器主要实现空间滤波作用；如图1(a)所示，针对图像中的高频信号，目标像素与其邻域像素之间的差别较大，此时像素值差占据主导影响，双边滤波器起到值域滤波作用。采用双边滤波的处理结果如图1(b)所示，可以看出图像增强效果明显，可以更好地起到保边去噪的效果。

图1 图像滤波处理

同态滤波方法[16- 17]是综合考虑了频域滤波和空间域灰度变换的一种图像平滑手段。首先将一幅图像(x，y)位置处的像素值f(x，y)分解为描述光照分量的照射分量fi(x，y)和描述图像细节信息的反射分量fr(x，y)，然后对处于低频区域的照射分量进行合理的压缩，处于高频区域的反射分量进行合理的提升，从而达到压缩图像整体动态范围，增加图像中邻域间对比度的目的。采用同态滤波的处理结果如图1(c)所示，使用同态滤波处理后的图像亮度和对比度均得到了有效的提升，图像质量得到改善，且目标的边缘没有受到损失，效果较佳。

3 坝料图像轮廓提取

3.1 坝料图像二值化

FCM算法的基本思想[18]为：假设X={x1，x2，…，xN}为待聚类数据集，将每个对象xj(1≤j≤N)分配给C个类别，使用C×N的隶属矩阵U={uij}表示对象与类别之间的隶属关系，其中uij表示第j个对象属于第i个类的隶属程度。该算法的目标是计算给定数据集X的隶属度矩阵和聚类中心V={v1，v2，…，vC}，目标函数将欧氏距离作为需要最小化的代价函数，隶属矩阵和聚类中心的更新方程为[19]：

(1)

(2)

最终算法迭代优化的终止条件为：

(3)

式中，α—一个很小的常数表示误差阈值，本文取0.05；k—迭代次数，迭代优化过程最终收敛于Jm的局部极小值点或鞍点[20]。

基于模糊C均值聚类(FCM)算法的土石坝料图像分割在无监督的情况下，可以自适应迭代实现图像的二维轮廓分割，基于FCM算法的土石坝料图像分割结果如图2所示。

图2 二值化图

3.2 形态学操作与边缘检测

由于土石坝料形状随机、纹理多变、成像过程中存在复杂的施工环境以及设备不稳定等诸多外界因素的干扰，不可避免的会在图像前景和背景区域产生噪声，还会存在颗粒粘连的现象。为了对含噪声以及黏连颗粒的二值化图进行优化，本文采用了多次不同强度的腐蚀膨胀操作，然后将不同强度形态学操作处理后的结果融合，得到坝料二值图(如图3(a)所示)，可以看出经过本文设计的形态学滤波器处理后坝料图像中颗粒轮廓识别效果较好，有效解决了伪阴影和黏连颗粒识别的难题。最后对形态学处理后的二值化图进行坝料轮廓的提取，即利用边缘检测的方法将图像边界提取出来，Canny边缘检测是目前非常流行的算法之一[21]，主要由图像降噪、梯度求解、非极大值抑制和阈值筛选四阶段构成，识别出的轮廓结果如图3(b)所示。本文采用基于灰度准则的经典图像分割方法实现了土石坝料的图像分割，最终的分割结果如图3(c)所示，可以看出分割精度较高，也为准确进行坝料形态特征级配转换从而获得坝料级配曲线提供了较高的技术支撑。

图3 分割效果图

4 三维体积重构的土石坝坝料级配转换

本文采集到的坝料数字图像所反映的只是土石坝料摊铺后表面所出露的情况，而坝料的级配曲线是依据各粒径范围内的土石坝料颗粒含量的质量占比计算得到的，涉及到颗粒的三维形态特征，因此本文采用椭球体积来重构土石坝料的三维形态特征。Kemeny等[22- 23]人在矿石粒径检测研究中发现，通过筛网的颗粒等效粒径可以表示为：

(4)

(5)

(6)

式中，a、b—颗粒轮廓最佳拟合外接椭圆的长轴和短轴；C、A—最佳拟合外接椭圆的周长和面积。

张国英等[14]在此基础上建立了矿石颗粒的三维等效椭球体积公式，即：

(7)

假设本研究获取到的坝料颗粒的密度均相同，则各粒径范围内土石坝料颗粒的级配质量百分比(Grading quality percentage，GQP)为：

(8)

式中，ρ—坝料颗粒的密度；V—坝料颗粒的体积；A—最佳拟合外接椭圆面积。

由于本文选取的挖坑检测资料和图像均来自主次堆石区，图像中最大粒径可识别到300mm，图像中以较大的石块居多，因此在土石料级配曲线求解时，选取的最小过筛尺寸为5mm，取d=5、10、20、40、60、80、100、200、300mm作为过筛粒径，然后采用本文提出的基于二维图像形态提取转换的级配检测方法可求得挖坑检测位置处过筛粒径对应的级配质量百分比GQP，计算得到的级配曲线如图4所示。

图4 图像识别级配曲线

5 结论与展望

针对现有级配智能感知技术较差的问题，本文采用了图像识别技术实现了坝料级配特征参数的快速可靠获取，为坝料合格性快速判别提供了基础信息，有利于施工前的坝料质量控制。虽然本文方法取得了一定的成果，但是本文所采用的二维图像分割结果不可避免的会与原始图像间存在一定的差异，此外土石坝料的三维体积重构也是基于一定的假设基础上建立的，因此通过数字图像识别出的级配曲线与施工现场挖坑检测得到的试验级配曲线之间存在一定的误差。为了修正两者之间的误差，提高坝料级配智能检测结果的准确性，本文后续将通过对碾压结束后挖坑检测位置处拍摄的坝料图像识别得到的级配曲线与实际挖坑筛分得到的级配曲线进行对比分析，建立相应的模型进行级配修正模型以获得真实条件下的级配曲线。