[發明專利]一種基于數字圖像處理的土石壩壩料合格性智能檢測方法

有效

• 申請號: 202210923472.9
• 申請日: 2022-08-02
• 公開（公告）號: CN115147401B
• 公開（公告）日: 2023-05-05
• 發明（設計）人: 趙宇飛;王文博;劉彪;姜龍;皮進;孫平;張強;曹瑞瑯;劉立鵬;孫興松;段慶偉;楊永森
• 申請（專利權）人: 中國水利水電科學研究院
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/13;G06T7/136;G06T7/62;G06T5/00;G06T5/30;G06T5/50;G06T17/10;G06V10/762;G06V10/764;G06V10/82;G06N3/084
• 代理公司: 北京正華智誠專利代理事務所(普通合伙) 11870
• 代理人: 王玲玲

本發明公開了一種基于數字圖像處理的土石壩壩料合格性智能檢測方法，包括S1、獲取壩料數字圖像，并對該壩料數字圖像進行處理，以提取壩料數字圖像的二維圖像形態；S2、采用等效橢球體積的方法進行土石壩料的三維體積重構；S3、構建BP神經網絡的級配修正模型以對圖像識別得到的壩料級配曲線進行修正，而后與施工現場挖坑檢測獲得的試驗級配數據庫中的曲線依次進行比對，將級配曲線中丟失的部分進行補全，得到真實條件下的壩料全級配特征曲線，進一步獲得評價壩料合格性的多個評價指標。本發明的壩料級配特征智能識別修正模型具有較高的識別精度，為大壩碾壓施工前壩料合格性快速判別與施工過程中壩料壓實特性的實時評價提供了重要支撐。

技術領域

本發明屬于土石壩壩料檢測的技術領域，具體涉及一種基于數字圖像處理的土石壩壩料合格性智能檢測方法。

背景技術

按照常規的土石壩工程建設施工管理模式，土石壩壩料合格性檢測通常是在大壩單元工程填筑碾壓結束后通過挖坑獲得碾壓之后的壩料，然后進行篩分試驗得到級配曲線，通過比較級配曲線是否在設計單位提供的上下包絡線范圍之內，進而判斷壩料是否滿足設計要求。這樣的檢測和合格性評價方法存在采樣率低，操作過程繁瑣，檢測過程受人為因素影響大等缺點以致檢測結果代表性差，更為嚴重的是這樣的檢驗屬于典型的事后檢驗，一旦壩料級配不合格，需要將碾壓完成的壩料挖除，然后換合格壩料重新進行填筑施工，浪費大量的人力物力。因此，在實際土石壩施工中如何快速獲取壩料的級配特性，并與設計級配上下包絡線相關級配特性指標進行比對，進而判斷壩料是否合格，對于大壩填筑施工來說具有重要的意義，也是目前土石壩填筑施工精細化智能控制的重要研究方面。

隨著計算機和人工智能技術的發展，利用數字圖像處理技術實現顆粒級配的智能檢測已經在選礦、道路填料生產以及混凝土骨料檢驗等工程領域中得到了廣泛的應用。發展至今，逐漸形成了基于顆粒三維形態捕捉的級配檢測方法和基于二維圖像形態提取轉換的級配檢測方法。其中基于顆粒三維形態捕捉的級配檢測方法常采用三維激光掃描技術量化顆粒的真實形態，算法具有較高的魯棒性，已有研究表明該方法比二維形態量化方法更加的準確有效，但是該方法需要精密的設備，成本較高，操作復雜，檢測效率低，多適用于試驗室環境檢測，不適用于環境復雜的現場施工檢測。

相比而言基于二維圖像形態提取轉換的級配檢測方法檢測效率高，操作簡單，該方法由顆粒二維圖像輪廓提取和基于二維形態特征的級配轉換兩部分組成，適合于施工現場級配檢測，受到了眾多學者的研究。

一些學者提出采用基于經典圖像分割技術的二維圖像形態級配檢測方法，通過采用圖像分割技術實現了顆粒的二維輪廓提取，而后采用橢球擬合獲取顆粒的三維體積模型，建立了顆粒的粒度檢測與分析系統；有的學者采用基于分水嶺分割算法對在線采集到的礦石顆粒進行形態提取，然后采用擊中與擊不中算法統計不同粒徑的礦石顆粒數量，實現了礦石粒度的在線實時檢測；有的學者采用基于閾值化分割的方法實現了對瀝青混合料的平面形態提取，然后提出了將瀝青混合料的平面級配作為輸入，設計級配作為模型的輸出，建立了BP神經網絡來對瀝青混合料的設計級配進行檢測，為級配檢測提供了新的思路。以上基于經典圖像分割技術的級配檢測方法雖然識別速度快，但是識別結果高度依賴于關鍵參數的手動選擇，對參數的選取較為敏感，若參數選取不當會導致欠分割或過分割的現象，此外針對復雜成像條件以及粘連顆粒圖像的分割精度仍需進一步的提高。近年來，隨著深度學習的異軍突起，基于深度卷積神經網絡(Deep?Convolution?Neural?Network,DCNN)的圖像分割方法在計算機視覺和醫學圖像分析領域占據主導地位，也為土石壩料二維圖像輪廓提取帶來了新的機遇。該方法通過建立深度學習神經網絡模型可以自動提取隱含的抽象特征，獲取泛化能力強的形態特征，從而自主解決經典圖像處理方法的限制，與經典的圖像分割算法相比，分割精度有了極大的提升。不少學者也逐漸提出了很多復雜的以及不同方法組合的算法來提高分割的精度，雖然分割精度高，但是該些方法的效率較低，對計算機的硬件性能要求較高，分割的準確率高度依賴于模型結構設計和樣本標記，而土石料圖像中存在的顆粒數量較多，人工標記顆粒輪廓的過程費時費力，模型訓練耗時時間長。相比深度學習的方法而言，目前實際工程中常采用基于經典圖像分割技術的二維圖像形態級配檢測方法。