砂石骨料加工质量控制技术研究

摘 要：本文提出了一种基于图像处理技术的砂石骨料加工质量控制方法。首先，比较线性和非线性灰度化技术，采取近似线性化处理实现砂石骨料图像的灰度化。其次，采用阈值筛选技术，实现砂石骨料图像的二值化。最后，比较Robert算子、Sobel算子和Canny算子，采用Canny算子实现砂石骨料图像的边缘检测。基于边缘检测结果可以精准地计算砂石骨料的颗粒度，从而有效控制砂石骨料加工质量，效果明显好于称重法和目测法。

关键词：砂石骨料；加工质量控制；二值化；边缘检测

中图分类号：TV 42 " 文献标志码：A

自改革开放以来，我国大型基础设施建设的范围和规模不断扩大，不仅为经济快速发展提供了有力支撑，也提高了广大民众的生活质量[1]。作为基础设施建设的关键原料，混凝土的配置必然包括砂石骨料。根据颗粒度、间隙率等的不同，砂石骨料可划分出不同等级。不同的应用场合和技术条件的改变，需要不同等级的砂石骨料[2]。可见，砂石骨料的加工工艺必须充分考虑骨料等级的控制，这也是加工质量控制的核心所在。在传统的加工质量控制方法中，一般采用称重法比较目标骨料和样本等级骨料的质量，并以此作为是否满足加工质量要求的判断。该方法效率较高，但无法准确判断骨料颗粒度、骨料间隙率等关键参数。目前，基于图像处理的检测技术获得了快速发展，为砂石骨料加工质量的有效控制提供了新的途径[3]。本文将从二值化、边缘检测等图像处理技术出发，构建砂石骨料加工质量控制的全新技术框架。

1 砂石骨料图像的灰度处理

在砂石骨料加工系统中，将摄像机作为图像采集装置，并应用图像处理技术对砂石骨料的颗粒度、骨料间隙等进行检测，有效控制砂石骨料加工质量。

拍摄得到的砂石骨料的彩色图像需要转换成灰度图像，包括非线性处理和线性处理2类方法。

1.1 线性化处理

线性化处理方法的实质是根据三原色分量的线性组合来表达从彩色图像到灰度图像的处理过程，如公式（1）所示。

f=ω1R+ω2G+ω3B " " " " " " " " " " " " "（1）

式中：f为转换成灰度图像的灰度值；R、G和B为原彩色图像中的三原色色度值；ω1、ω2和ω3为R、G、B的系数，也就是最终合成f时的每个像素中红色、绿色、蓝色所占的权重。

当ω1、ω2、ω3分别取（1，0，0）、（0，1，0）、（0，0，1）时，分别表示仅用红色、绿色、蓝色中一种成份值表达原彩色图像灰度后的效果。但这样的效果只表达了原图像的单一通道。因此，学者们将ω1、ω2和ω3同时赋予非零值，保证与原图像相比，灰度化后的图像不失真。通过大量试验发现，当ω1、ω2和ω3取0.299、0.587和0.114时，灰度化的效果最理想，即与原彩色图像相比，灰度化后几乎没有失真。因此，这组系数是灰度化处理中的最佳线性组合，在灰度化处理中广泛采用。

1.2 非线性化处理

在非线性化处理中，典型的灰度处理方法是极值法，如公式（2）所示。

（2）

与线性处理法相比，极值法的处理速度有一定程度提升，但失真程度严重。因此，在图像处理中一般采用线性化处理的近似方案。

1.3 线性方案的近似处理

灰度化处理通常在计算机等数字处理设备上进行，因此公式（1）、公式（2）需要通过如公式（3）所示的近似方法实现。

（3）

公式（2）的近似所得R、G和B的系数ω1、ω2和ω3为（0.297，0.594，0.109），虽然偏离了最佳线性组合，但和最佳线性组合的效果非常接近。通过右移运算代替除法运算，可大幅提高运算速度。采用这种方法的处理流程如图1所示。

2 砂石骨料图像的二值化

经过灰度化后，砂石骨料图像中的像素范围被限制在0～255，但仍有256种可能的情况，为了更容易地区分骨料和背景，需要进行二值化处理。

二值化的过程实质上是一种阈值筛选技术，在实际工业场景中拍摄的图像，其字符像素和背景像素的灰度值通常有较大的区间跨越，这就为阈值筛选提供了可能性。二值化的一个简单实现方式如公式（4）所示。

（4）

式中：T为根据像素分布确定的阈值。

经过二值化处理后得到的砂石骨料二值化图像如图2所示。

3 砂石骨料图像的边缘检测

在砂石骨料图像中，各种颗粒度的砂石都有一定的区域边界。为了准确提取这些砂石颗粒度，需要进行边缘检测。边缘检测是很多高级图像分析功能的基础，例如图像分割、轮廓提取等。

从技术角度看，边缘检测通常根据边缘特征两侧的梯度变化进行检测，因此形成了很多以梯度算子为代表的边缘检测方法，如Robert算子、Sobel算子、Canny算子以及Canny算子。

3.1 Robert边缘检测

在各种边缘检测方法中，Robert算子是最简单的方法，也是基础性方法。其基本原理是通过求导数获得原始图像信息的梯度，从而获得边缘。像素点的梯度如公式（5）所示。

（5）

梯度本身是一个矢量，其准确表达包括幅度和相位2个角度，分别如公式（6）、公式（7）所示。

（6）

（7）

梯度是一个二维矢量，因此除了梯度大小以外，还要明确梯度的方向。在图像边缘变化的过程中，梯度都指向其变化最剧烈的位置。梯度的计算公式比较复杂，在实际计算过程中，通常以梯度模板代替梯度算子，不同模板的梯度求取过程的运算量和复杂度也不同。

Robert算子是卷积模板中最简单的一种，它表达了一种简单的局部差分运算。Robert算子特别适合执行边缘特征尖锐且图像噪声较小的边缘检测。

3.2 Sobel边缘检测

除了Robert算子，还有更复杂的边缘检测算子，Sobel算子就是非常典型的一种。Sobel算子比Robert算子复杂体现在2个方面。一方面是Robert算子仅在一个方向上求取梯度，而Sobel算子同时在2个方向上求取梯度；另一方面是Robert算子仅求取梯度，Sobel算子在求取梯度的过程中还进行了滤波处理。2个方向上的梯度计算流程如图3所示。

3.3 Canny边缘检测

Robert算子和Sobel算子都是比较简单的边缘检测算子，因此其边缘检测的效果还有一定的提升空间。与Robert算子和Sobel算子相比，Canny算子比较复杂，它能同时进行去噪、定位、检测和提取，虽然处理过程复杂，但其边缘检测效果有明显提升。具体的算法流程如下所示。

首先，对原始图像进行滤波去噪，本文选择高斯滤波器，以适应大多数噪声的高斯分布特征。其次，根据Sobel算子的思想，同时从2个方向进行梯度计算。再次，获得各像素点的梯度大小后，计算梯度的方向，即边缘变化最明显的位置。从次，在水平和垂直2个方向基础上，再增加2个对角线方向，从而将双向梯度的计算和求解扩展到4个方向，使后续的边缘提取覆盖范围更大、更可信。最后，根据多个方向的检测和比较，判断其中不正确的边缘特征，将这些边缘特征去掉。

最后一步操作在实际过程中具有较大难度，需要结合图像内容的具体情况进行具体分析。在真正边缘特征和虚假边缘特征间，通常会存在灰度上的差异，该差异需要通过事先确定的阈值来加以区分。显然，如果阈值的设定合理，这一步的真伪判别就会更准确，如果阈值设定不合理，就可能导致真正的边缘特征被误判为虚假的边缘特征，从而导致整个边缘检测结果不准确。

本文以Canny算子为检测手段，进行砂石骨料的边缘检测。边缘检测与砂石骨料质量控制的关系框图如图4所示。

4 砂石骨料加工过程的颗粒度测算控制试验

砂石骨料加工过程中质量控制的关键是对砂石骨料的颗粒度进行控制，使其满足预期的颗粒度直径要求，并保持足够的均匀程度。本文采用图像处理、视觉检测的方法，监测砂石骨料加工的颗粒度，筛出不满足要求的重新加工，以达到质量控制的目的。

上述研究工作从图像处理技术的角度出发，对砂石骨料图像进行灰度化处理、二值化处理和边缘检测处理，得到每一颗砂石的轮廓边缘，从而实现砂石骨料颗粒度的自动化计算，这对控制砂石骨料加工质量具有非常重要的意义。

为了形成砂石骨料加工质量的控制效果评价，本文将目测法和称重法作为比较方法。3种方法对6个等级砂石骨料颗粒度的等级控制如图5所示。

根据图5的对比情况可知，本文方法可以精确测得每一颗砂石颗粒的轮廓，从而给出精准的计算，因此所得砂石骨料颗粒度等级控制准确率也明显高于目测法和称重法，可达95%以上。

5 结论

基础设施建设是我国现代化建设的重要组成部分，所需混凝土等基本原材料品质取决于高质量的砂石骨料加工。为了有效控制砂石骨料加工质量，本文在图像处理技术的基础上提出了新的控制方法，对砂石骨料原始彩色图像进行灰度化处理、二值化处理和边缘检测，识别每一颗砂石的轮廓，进而精确计算砂石颗粒度。试验结果表明，本文基于图像处理的砂石骨料加工质量控制方法的效果明显优于称重法和目测法，可有效控制砂石骨料加工质量。

参考文献

[1] 鲁照明，习可，杨军宏. 一种基于卡尔曼滤波预测的混凝土布料重量测量方法[J]. 建设机械技术与管理，2021，34（5）：111-112.

[2] 刘占波，刘建强.“砂石骨料 4.0+”：我国砂石骨料行业新的发展方向—中国砂石协会会长胡幼奕谈我国砂石骨料行业发展现状及趋势[J].中国建材，2019，22（7）：56-59.

[3] 孙飞，杜嘉宝，高强，等.建筑垃圾再生骨料的宏微观表征及物化特性研究[J].四川水泥，2021（2）：17-19.