王心雨,畢文波,張進(jìn)生,張 恒
(1.山東大學(xué) 機(jī)械工程學(xué)院,濟(jì)南 250100;2.山東省石材工程技術(shù)研究中心,濟(jì)南 250013;3.高效潔凈機(jī)械制造教育部重點(diǎn)實(shí)驗(yàn)室,濟(jì)南 250013)
花崗巖石材的含水量直接影響其表面顏色,是花崗巖板材品相提升的主要指標(biāo)。當(dāng)前主要通過花崗巖板材干燥、封膠工藝來控制其含水率,保證花崗巖板材表面顏色的一致性。花崗巖含水率的檢測(cè)對(duì)花崗巖的干燥工序至關(guān)重要。目前,大多數(shù)石材企業(yè)依舊按照標(biāo)準(zhǔn)GB/T 18601—2009 《天然花崗石建筑板材標(biāo)準(zhǔn)》進(jìn)行含水率檢測(cè),檢測(cè)周期約為3 min,生產(chǎn)效率低。
近年來,圖像處理技術(shù)已被廣泛應(yīng)用于農(nóng)業(yè)、醫(yī)學(xué)、食品等領(lǐng)域,但石材行業(yè)的相關(guān)應(yīng)用鮮有報(bào)道。ZAKALUK等[1]以馬鈴薯植株為研究對(duì)象,利用主成分分析法,發(fā)現(xiàn)土壤氮與葉片反射率呈顯著的線性負(fù)相關(guān);HENTEN等[2]利用圖像處理技術(shù)研究圖像特征與植物干質(zhì)量之間的關(guān)系,結(jié)果表明兩者之間存在較好的線性關(guān)系;段史江等[3]利用圖像處理技術(shù)提取鮮煙葉及烘烤過程中煙葉圖像的顏色特征,分別建立烘烤過程中煙葉含水量的BP神經(jīng)網(wǎng)絡(luò)模型和基于遺傳算法的最小二乘支持向量機(jī)預(yù)測(cè)模型,實(shí)現(xiàn)了對(duì)煙葉含水量的精確估測(cè);江朝暉等[4]采用同態(tài)濾波與多尺度Retinex相結(jié)合的光照增強(qiáng)算法,基于圖像特征對(duì)越冬期冬小麥冠層含水率進(jìn)行檢測(cè),研究表明該方法具有較高的檢測(cè)精度和良好的適應(yīng)性。圖像獲取設(shè)備和數(shù)字圖像處理技術(shù)的發(fā)展為花崗巖含水率檢測(cè)方法提供了新的途徑。
針對(duì)現(xiàn)有花崗巖含水率檢測(cè)方法的不足,文章以白麻花崗巖為研究對(duì)象,基于花崗巖灰度直方圖的均值、方差、歪斜度、峰態(tài),采用最小二乘法進(jìn)行線性回歸分析,建立白麻花崗巖含水率檢測(cè)模型,實(shí)現(xiàn)了含水率檢測(cè)。
試驗(yàn)對(duì)象為同一批次相同規(guī)格的28塊白麻花崗巖,具體規(guī)格為200 mm×200 mm×10 mm(長×寬×高)。試驗(yàn)前將白麻花崗巖完全浸泡至水中,至水飽和后取出,靜置于空氣中。由于白麻花崗巖表面水分不斷蒸發(fā),含水率會(huì)逐漸減小,靜置不同時(shí)間可獲得不同含水率的試樣。圖像獲取裝置結(jié)構(gòu)如圖1所示,試驗(yàn)時(shí),將花崗巖樣本水平放置于白色背景板上,采用2 000萬像素的??低昅V-CE200-10GC型工業(yè)相機(jī),放置于圖像獲取裝置的頂部固定垂直拍攝樣本圖像,拍攝時(shí)采用自然光源和色彩平衡進(jìn)行實(shí)況拍攝。
圖1 圖像獲取裝置結(jié)構(gòu)示意
使用精度為0.01 g的電子天平稱取白麻花崗巖的鮮重,并放入型號(hào)為LW-20HMV-4X的微波干燥設(shè)備進(jìn)行干燥,干燥功率為4 kW,每15 s取出稱重,若兩次稱取的重量差小于0.02 g,則默認(rèn)花崗巖烘干至恒重,白麻花崗巖的含水率可表示為
(1)
式中:Mt為白麻花崗巖干燥至t時(shí)刻的含水率;mt為白麻花崗巖干燥至t時(shí)刻的質(zhì)量;mg為白麻花崗巖干燥至恒重時(shí)的質(zhì)量。
經(jīng)計(jì)算,白麻花崗巖各樣本的含水率如表1所示。白麻花崗巖各樣本圖像如圖2所示。
圖2 白麻花崗巖各樣本圖像
表1 白麻花崗巖樣本含水率
受設(shè)備硬件等因素影響,所拍攝的花崗巖圖像存在亮度不同、邊界等問題,需對(duì)其進(jìn)行預(yù)處理,以去除無關(guān)信息,增強(qiáng)相關(guān)信息的可檢測(cè)性,提高圖像特征的精度[5]。花崗巖圖像預(yù)處理流程圖如圖3所示。
圖3 花崗巖圖像預(yù)處理流程圖
為減少花崗巖圖像信息大小不同對(duì)圖像信息提取的影響,對(duì)圖像進(jìn)行分割處理。確定圖像的中心點(diǎn),以中心點(diǎn)為形心,每幅圖像截取4032像素×3024像素的面積,盡量截取花崗巖整個(gè)表面的圖像。分割處理前后的花崗巖圖像如圖4所示。
圖4 圖像分割處理前后的花崗巖圖像
由于花崗巖試驗(yàn)樣本的拍攝時(shí)間不同,故各個(gè)圖像間的亮度存在著細(xì)微的差別,會(huì)對(duì)提取的圖像信息產(chǎn)生影響。為減小或消除亮度的影響,選取一張亮度最適宜的照片作為基準(zhǔn)照片,進(jìn)行圖像的亮度歸一化處理。亮度歸一化處理前后的花崗巖圖像如圖5所示。
圖5 亮度歸一化處理前后的花崗巖圖像
在圖像采集、傳輸和量化等過程中,圖像質(zhì)量會(huì)因噪聲而有所下降。在提取特征值前要對(duì)圖像進(jìn)行增強(qiáng)對(duì)比度和去除噪聲等處理[6-7]。同態(tài)濾波是一種基于光照不變性的經(jīng)典圖像增強(qiáng)算法,是一種在頻域中將圖像動(dòng)態(tài)范圍進(jìn)行壓縮并將圖像對(duì)比度進(jìn)行增強(qiáng)的方法。采用同態(tài)濾波方法對(duì)圖像進(jìn)行處理可以更好地保留顏色信息,增強(qiáng)圖像的對(duì)比度,降低自然光照對(duì)圖像的不利影響[8-9]。同時(shí)利用線性濾波對(duì)圖像進(jìn)行降噪處理。同態(tài)濾波和線性濾波處理前后花崗巖的圖像如圖6所示。
圖6 同態(tài)濾波和線性濾波處理前后的花崗巖圖像
花崗巖含水率不同,會(huì)導(dǎo)致花崗巖的顏色不同。為了獲得圖像中的有效特征,應(yīng)用MATLAB軟件,對(duì)樣本圖像進(jìn)行預(yù)處理后,采用離散函數(shù)定義圖像的灰度直方圖[10],即
(2)
式中:i為灰度級(jí);L為灰度級(jí)種類數(shù);ni為圖像中具有灰度級(jí)i的像素個(gè)數(shù);H(i)為圖像中灰度級(jí)i的像素的出現(xiàn)頻率。
根據(jù)式(3)提取圖像灰度直方圖的均值、方差、歪斜度、峰態(tài)和熵等5組圖像特征值,得到的具體數(shù)值如表2所示。
表2 樣本圖像的5組圖像特征值
(3)
式中:μ為圖像灰度直方圖的均值;σ2為圖像灰度直方圖的方差;μs為圖像灰度直方圖的歪斜度;μk為圖像灰度直方圖的峰態(tài);μE為圖像灰度直方圖的熵。
為了篩選有效特征,對(duì)花崗巖樣本數(shù)據(jù)進(jìn)行Pearson相關(guān)性分析,以揭示兩者間的相互作用關(guān)系,其定義可表示為[11]
(4)
通過白麻花崗巖建模樣本的Pearson相關(guān)性分析,從5個(gè)初始圖像特征中獲得與含水率密切相關(guān)的4個(gè)顯著特征,其與含水率的相關(guān)系數(shù)如表3所示,可見灰度圖的均值、方差、歪斜度、峰態(tài)的相關(guān)系數(shù)絕對(duì)值均大于0.8,說明這4組圖像特征與花崗巖含水率之間具有較大的相關(guān)性,而熵的相關(guān)系數(shù)絕對(duì)值小于0.4,說明其與花崗巖含水率之間呈現(xiàn)出弱相關(guān)。
表3 各圖像特征與含水率的相關(guān)系數(shù)
針對(duì)白麻花崗巖樣本數(shù)據(jù),分別提取上述4個(gè)顯著特征作為自變量,將實(shí)測(cè)花崗巖含水率作為因變量,采用最小二乘法進(jìn)行線性回歸分析,建立花崗巖含水率估算模型?;貧w方程為
100y=116.139 3+0.193 9X1-0.003 6X2-
10.344 4X3-41.601 9X4
(5)
式中:y為花崗巖含水率;X1為灰度直方圖的均值;X2為灰度直方圖的方差;X3為灰度直方圖的歪斜度;X4為灰度直方圖的峰態(tài)。
采用同一批次多塊花崗巖樣本對(duì)上述模型進(jìn)行測(cè)試,提取上述4個(gè)顯著特征,代入式(5),得到含水率估算值,按照式(6)計(jì)算相對(duì)誤差?;◢弾r含水率檢測(cè)模型測(cè)試結(jié)果如表4所示。
表4 花崗巖含水率檢測(cè)模型測(cè)試結(jié)果
(6)
式中:RE為相對(duì)誤差;yp為含水率預(yù)估值;y為含水率實(shí)測(cè)值。
對(duì)白麻花崗巖檢測(cè)結(jié)果進(jìn)行統(tǒng)計(jì),結(jié)果表明,平均檢測(cè)時(shí)長為15.59 s,相對(duì)誤差均小于5%,最大相對(duì)誤差為4.61%,最小相對(duì)誤差為0.67%,相對(duì)誤差均值為2.10%,相對(duì)誤差的方差為1.05,該模型具有較高的精度和較快的檢測(cè)速度。
(1) 白麻花崗巖圖像直方圖的均值、方差、歪斜度、峰態(tài)與白麻花崗巖含水率具有較強(qiáng)的相關(guān)性,相關(guān)系數(shù)的絕對(duì)值均大于0.8。
(2) 基于不同含水率白麻花崗巖圖像灰度直方圖的均值、方差、歪斜度、峰態(tài)等4個(gè)特征,以最小二乘法進(jìn)行線性回歸分析,建立白麻花崗巖含水率預(yù)測(cè)模型。通過試驗(yàn)驗(yàn)證,其最大相對(duì)誤差為4.61%、最小相對(duì)誤差為0.67%、相對(duì)誤差均值為2.10%,方差為1.05,表明該模型具有較高的精度。
(3) 與傳統(tǒng)花崗巖含水率檢測(cè)方法相比,基于圖像特征的白麻花崗巖含水率檢測(cè)方法大幅縮短了檢測(cè)時(shí)間,對(duì)提高實(shí)際生產(chǎn)效率具有指導(dǎo)意義。