摘 要

砂石骨料是混凝土的重要组成部分，对混凝土结构的质量有重要影响。随着机器视觉技术的发展，基于机器视觉的砂石图像处理逐渐成为建筑领域研究的热门。本文通过搭建颗粒特征检测系统，利用传统图像处理方法对砂石颗粒的特征进行提取分析。主要研究内容如下：

首先，对图像采集部分进行研究，用张正友标定法对摄像头进行畸变校正。采用语义分割算法常用的精度评价指标均交并比对阈值分割和图论分割这两种主流分割算法进行对比优选。

然后，在OTSU阈值分割算法的基础上进行图像平滑和形态学的改进，图像平滑改进可以抑制噪声的影响，形态学改进可以改善图像的边缘。对分割获得的二值图像进行图像后处理，即形态学处理和连通域分析，为之后获取颗粒的几何特征奠定基础。

最后，选择摄像头、光源等硬件设备和软件环境，完成颗粒特征检测系统的搭建，根据不同粒径分段颗粒体积分数与质量分数近似相等优选拟合椭圆长轴为颗粒粒径，并完成砂石颗粒粒径、面积、周长分布实验，针片状颗粒含量测定系统人机交互界面的测试。

关键词：机器视觉；颗粒特征检测；图像分割

Abstract

Aggregate is an important part of concrete, which has an important influence on the quality of concrete structure. With the development of machine vision technology, sand and gravel image processing based on machine vision has gradually become a hot research topic in the field of architecture. In this paper, by building a particle feature detection system, using traditional image processing methods to extract and analyze the characteristics of sand and gravel particles. The main research contents are as follows:
First, the image acquisition part is studied, and the camera is used to calibrate the distortion of the camera using the Zhang Zhengyou calibration method. The commonly used precision evaluation indexes of the semantic segmentation algorithm are all intersected and compared and compared with the two mainstream segmentation algorithms of threshold segmentation and graph theory segmentation.
Then, based on the OTSU threshold segmentation algorithm, image smoothing and morphological improvements are made. Image smoothing improvements can suppress the influence of noise, and morphological improvements can improve the edges of the image. The post-processing of the binary image obtained by segmentation, that is, morphological processing and connected domain analysis, lays the foundation for obtaining the geometric characteristics of the particles later.
Finally, select the hardware equipment and software environment such as camera and light source to complete the construction of the particle feature detection system. According to different particle sizes, the particle volume fraction and the mass fraction are approximately equal. Particle size, area, perimeter distribution experiment, needle-flaky particle content determination system human-computer interaction interface test.

Keywords：Machine vision; particle feature detection; image segmentation

目录

摘 要 I

Abstract II

第1章 绪论 1

1.1 研究背景及意义 1

1.2 国内外研究现状 1

1.3 研究内容和组织架构 3

第2章 砂石图像畸变校正与分割算法优选 4

2.1 砂石图像畸变校正 4

2.1.1 摄像头数学模型的建立 4

2.1.2 张氏标定法 5

2.1.3 实验结果与分析 6

2.2 砂石图像分割算法原理 7

2.2.1 基于图论的分割算法 7

2.2.2基于阈值的分割算法 8

2.3 砂石图像分割算法优选 8

2.3.1 评价指标 8

2.3.2 分割算法结果对比与优选 9

2.4 本章小结 10

第3章 基于全局阈值的砂石图像分割算法改进研究 11

3.1 基于全局阈值的砂石图像分割改进方法 11

3.1.1 基于OTSU的全局阈值处理 11

3.1.2基于图像平滑的改进全局阈值处理 11

3.1.3 基于形态学的改进全局阈值处理 12

3.2 基于形态学处理的砂石颗粒物定位 12

3.2.1腐蚀与膨胀操作 13

3.2.2开操作与闭操作 13

3.2.3基于种子填充算法的连通域分析 13

3.3实验结果与分析 14

3.3.1 基于OTSU的全局阈值处理实验结果与分析 14

3.3.2基于图像平滑的改进全局阈值处理实验结果与分析 15

3.3.3 基于形态学的改进全局阈值处理实验结果与分析 16

3.4 本章小结 16

第4章砂石集料粒径及其分布检测系统实现 17

4.1 砂石集料粒径及其分布检测系统实验平台搭建 17

4.1.1 系统硬件平台搭建 17

4.1.2 系统软件平台搭建 18

4.2砂石集料粒径及其分布检测的指标表征 18

4.2.1砂石集料粒径表征参数 18

4.2.2砂石集料粒形指标表征 19

4.3实验结果与功能测试 20

4.3.1粒径分析精度对比实验 20

4.3.2粒径表征参数分布实验 20

4.3.3砂石集料粒形检测实验 22

4.3.4系统界面测试 23

4.4 本章小结 23

第5章 总结与展望 24

5.1 总结 24

5.2 展望 24

致谢 26

参考文献 27

第1章 绪论

1.1 研究背景及意义

随着中国经济建设脚步的加快，建筑行业迎来快速发展的时代，基础工程的大规模建设和城市化的快速推进，都离不开混凝土这一最为广泛的工程材料。混凝土发展到今天，其组成和结构都已经发生了很大变化，例如化学外加剂的添加等，其组分更加复杂^[1]。但无论混凝土如何发展，砂石骨料都是其必不可少的组分，骨料的比例往往可以占到整个混凝土材料的70%左右。毫无疑问，砂石骨料的质量对混凝土的质量有很大影响，同时对维持建筑物结构稳定性及消除潜在性结构安全隐患有重要作用^[2]。

混凝土搅拌站将级配骨料、砂浆、水泥搅拌为混凝土^[3]。级配骨料是按照一定的比例将不同粒径的砂石颗粒物混合构成的^[4]，该比例称为级配，必须严格满足技术标准，否则会出现降低混凝土集料的粘结力和混凝土的强度^[5]的现象，对工程整体机构的稳定性有很大影响。砂石骨料级配的选择，对于混凝土的组成结构和特性十分重要。因此，准确获取砂石颗粒的粒径等特征对制出合格的混凝土具有重要意义。