Page 78 - 无损检测2022年第八期

王心雨,等:
基于数字图像处理技术的白麻花岗岩含水率检测

建筑板 材 标 准》 进 行 含 水 率 检 测, 检 测 周 期 约 为
3min , 生产效率低。

近年来, 图像处理技术已被广泛应用于农业、 医
学、 食品等领域, 但石材行业的相关应用鲜有报道。
ZAKALUK 等 [ 1 ] 以马铃薯植株为研究对象, 利用主
成分分析法, 发现土壤氮与叶片反射率呈显著的线
性负相关; HENTEN 等 [ 2 ] 利用图像处理技 术研究
图像特征与植物干质量之间的关系, 结果表明两者
图 1 图像获取装置结构示意
之间存在较好的线性关系; 段史江等 [ 3 ] 利用图像处
理技术提取鲜烟叶及烘烤过程中烟叶图像的颜色特 为白麻花岗岩干燥至 t 时刻的质量; m g 为白麻花岗
征, 分别建立烘烤过程中烟叶含水量的 BP 神经网 岩干燥至恒重时的质量。
络模型和基于遗传算法的最小二乘支持向量机预测 经计算, 白麻花岗岩各样本的含水率如表 1 所
模型, 实现了对烟叶含水量的精确估测; 江朝晖等 [ 4 ] 示。白麻花岗岩各样本图像如图 2 所示。
采用同态滤波与多尺度 Retinex 相结合的光照增强 表 1 白麻花岗岩样本含水率
算法, 基于图像特征对越冬期冬小麦冠层含水率进 样本编号 含水率 / % 样本编号 含水率 / %

行检测, 研究表明该方法具有较高的检测精度和良 1 0.3794 15 0.2427

2 0.3565 16 0.2346
好的适应性。图像获取设备和数字图像处理技术的 3 0.3483 17 0.2264

发展为花岗岩含水率检测方法提供了新的途径。 4 0.3347 18 0.2210

针对现有花岗岩含水率检测方法的不足, 文章 5 0.3276 19 0.2161

6 0.3211 20 0.2122
以白麻花岗岩为研究对象, 基于花岗岩灰度直方图 7 0.3157 21 0.2079

的均值、 方差、 歪斜度、 峰态, 采用最小二乘法进行线 8 0.3064 22 0.1845

性回归分析, 建立白麻花岗岩含水率检测模型, 实现 9 0.3021 23 0.1725

10 0.2933 24 0.1633
了含水率检测。 11 0.2830 25 0.1447

1 试验制备 12 0.2748 26 0.1271

13 0.2629 27 0.1073

试验对象为同一批次相同规格的 28 块白麻花 14 0.2493 28 0.0930

岗岩, 具 体 规 格 为 200 mm×200 mm ×10 mm
2 检测方法
( 长 × 宽 × 高)。试验前将白麻花岗岩完全浸泡至水
中, 至水饱和后取出, 静置于空气中。由于白麻花岗 2.1 图像预处理
岩表面水分不断蒸发, 含水率会逐渐减小, 静置不同 受设备硬件等因素影响, 所拍摄的花岗岩图像存
时间可获得不同含水率的试样。图像获取装置结构 在亮度不同、 边界等问题, 需对其进行预处理, 以去除
如图 1 所示, 试验时, 将花岗岩样本水平放置于白色 无关信息, 增强相关信息的可检测性, 提高图像特征
[ 5 ]
背景 板 上, 采 用 2000 万 像 素 的 海 康 威 视 MV- 的精度 。花岗岩图像预处理流程图如图3所示。
CE200-10GC 型工业相机, 放置于图像获取装置的 为减少花岗岩图像信息大小不同对图像信息提
顶部固定垂直拍摄样本图像, 拍摄时采用自然光源 取的影响, 对图像进行分割处理。确定图像的中心
和色彩平衡进行实况拍摄。 点, 以中 心 点 为 形 心, 每 幅 图 像 截 取 4032 像 素 ×

使用精度为 0.01g 的电子天平称取白麻花岗 3024 像素的 面 积, 尽 量 截 取 花 岗 岩 整 个 表 面 的 图
岩的鲜重, 并放入型号为 LW-20HMV-4X 的微波干 像。分割处理前后的花岗岩图像如图 4 所示。
燥设备进行干燥, 干燥功率为 4kW , 每 15s取出称 由于花岗岩试验样本的拍摄时间不同, 故各个

重, 若两次称取的重量差小于 0.02g 则默认花岗岩 图像间的亮度存在着细微的差别, 会对提取的图像
,

烘干至恒重, 白麻花岗岩的含水率可表示为 信息产生影响。为减小或消除亮度的影响, 选取一
张亮度最适宜的照片作为基准照片, 进行图像的亮
m t -m g
M t = ×100% ( 1 )
m g 度归一化处理。亮度归一化处理前后的花岗岩图像
如图 5 所示。
式中: M t 为白麻花岗岩干燥至 t 时刻的含水率; m t
4
4

2022 年 第 44 卷 第 8 期
无损检测