建筑垃圾再生料影像特征及含水率識別方法

武博強

(中煤科工集團西安研究院有限公司， 西安 710077)

當前，城市地區土地供需矛盾變得日益突出，特別是山東、安徽等東部省份，存在大量采煤沉陷，制約著城市的發展[1-2]。在東部城市棚戶改造區采煤沉陷場地治理項目面臨低成本物料短缺、場地建筑垃圾處理成本高昂、污染環境嚴重等問題，將其再生并進行充填利用是高效環保之路[3-5]，但由于建筑垃圾通常露天堆放于場地中，實測含水率2%～16%，作為注漿原料之一，其含水率若以平均計算，將造成漿液固體質量百分率發生變化，導致漿液流變性能發生劇烈變化，造成堵管事故，因此需要對其含水率進行實時精確測量[6-9]。

固體物料檢測含水率一般以試驗為主，方法有電阻率法、烘干法、中子法、酒精燃燒法、微波爐法、明火灼燒法、遙感測定法等。前幾種方法屬于小尺度的點測量，遙感測定法測定精度較低，誤差較大，因此工程上不常用。當前，中外學者在含水率快速測定方面進行了大量研究，文獻[10-13]采用微波濕度法、酒精燃燒法、虛擬相對密度法等對砂質土、石含水率進行快速檢測；蔡坤等[14]通過基于土壤含水率傳感器對土壤質量含水率進行預測；張榮標等[15]運用計算機數字圖像處理技術，得到土壤含水率的百分比與土壤表層圖像的灰度值呈近似線性的函數關系；Wenting等[16]采用灰度共生矩和灰度直方圖的圖像處理技術檢測玉米離體葉片含水率，得出利用作物葉片的紅綠藍(red， green， blue，RGB)色彩模式圖像可以檢測其含水率；Ding等[17]基于MATLAB軟件通過提取圖像特征進行相關分析，對小麥葉片含水量進行預測，效果較好。以往研究表明，運用數字影像等方法在其他領域檢測其含水率是可行的。對于建筑垃圾再生骨料含水率的測定，目前中外多是通過試驗確定其含水率，尚缺乏簡便易行且準確高效的實時檢測手段。

因此，在對建筑垃圾再生料宏細觀形態及色彩特征進行定性分析基礎上，現通過MATLAB提取物料數字影像特征值與含水率進行相關性分析，并采用步進法對特征參數與含水率進行線性回歸分析，擬合出建筑垃圾再生料含水率計算模型，并試驗及現場驗證，得到通過建筑垃圾再生料數字影像特征實時識別其含水率的方法，為以建筑垃圾再生料為原料的自動化制漿系統建設及充填過程控制提供理論支撐。

1 再生料特性及數字影像采集

1.1 再生料特性

1.1.1 礦物成分

建筑垃圾一般由磚、混凝土、土組成，另有少量石灰砂漿、玻璃、廢金屬、木材等雜質[18-19]。其中磚的主要成分為黏土礦物，化學成分以SiO2、Al2O3及Fe2O3為主；混凝土的主要成分為水泥、砂、石子及鋼筋，化學成分為CaO、SiO2、Fe2O3、Al2O3。

對某場地建筑垃圾破碎篩分后的再生料成分進行X熒光光譜分析得到，其主要化學成分如表1所示。

1.1.2 粒徑級配

再生料粒徑分布較為平均，最大粒徑為1.5 mm，大于1 mm的顆粒占比約10%，<0.075 mm的再生微粉占比約26%，0.075～1 mm的粒徑約占65%，通過激光粒度儀測定其級配曲線如圖1所示。

1.1.3 細觀形態

通過掃描電鏡(scanning electron microscope，SEM)[20]對再生料細觀形態進行分析，顆粒形態主要為次棱角狀，粒徑由大到小基本上為均勻分布，其中細粒部分主要為土、石灰、紅磚及混凝土的水泥經破碎后形成的微粉，較粗顆粒為砂漿中的石英、石子等硬質材料，如圖2所示。

圖1 再生料級配曲線Fig.1 Grading curve of reclaimed aggregate

EHT為加速電壓；WD為工作距離；Mag為放大倍數圖2 再生料SEM影像Fig.2 Electron microscope scanning image of reclaimed aggregate

1.2 數字影像采集

(1)數字影像采集設備。HUAWEI Mate 20 X智能手機，系統版本EMUI 10.0.0.195(C00E74R1P8)。

(2)數字影像采集參數設置。固定白平衡、固定光圈f/1.8、固定曝光時間1/250 s、固定焦距6 mm、固定感光度ISO640、影像采集距離固定為10 cm。

(3)環境要素控制。再生料堆放至70 g A4多功能復印紙(光面)上，用刮刀輕刮平至1 cm厚度；光源為熒光燈管，功率18 W，色溫6 500 K，通光量1 200 lm，由照片上方至下方進行照射，距離約50 cm，角度約60°[圖3(a)]。

(4)分析影像范圍選取。再生料影像比例經鋼尺進行校準，使用MATLAB軟件統一截取局部影像中部4 cm×4 cm區域[圖3(b)，紅色方框內，1 096×1 096像素]進行對比分析。

(5)再生料含水率配置。生產過程中，再生料含水率差異較大，經測定不同狀態下含水率如表2所示。

對再生料進行烘干，然后加入純凈水，配置含水率0～16%(間隔2%)的9組物料[圖4(a)～圖4(f)]，進行數字影像采集[21]；配置含水率3%、7%、13%的4組物料[圖4(g)～圖4(i)]，作為檢測樣本，對含水率監測模型精度進行檢驗。

圖3 干燥試樣(0%含水率)數字影像采集過程Fig.3 Digital image acquisition process of dry sample (0% moisture content)

表2 不同狀態下再生料含水率Table 2 Water content of reclaimed aggregate under different conditions

2 再生料數字影像特征分析

2.1 數字影像特征定性分析

再生料隨著含水率增加顆粒形態及表面顏色均發生明顯變化。

2.1.1 形態特征

再生料干燥時，顆粒間缺少固體-水膜-空氣共同產生的基質吸力和毛細管作用[22]，粗細顆粒混合均勻且松散，難以辨別粗顆粒形態及物質組成[圖4(a)]；隨著含水率增加，粗顆粒表面吸引微小顆粒聚簇成小團[圖4(d)]；當含水率增大到一定程度，細粉顆粒黏聚于粗顆粒之間，將其粘結成團[圖4(f)]，逐漸可清晰辨別粗顆粒物質成分。

圖4 不同含水率再生料數字影像Fig.4 Digital image of reclaimed aggregate with different moisture content

2.1.2 色彩特征

再生料原材料主要有磚、混凝土和黏土等，整體呈棕紅色，含水率低時數字影像亮度較高，顏色偏淺呈褐黃色，表面較為平坦，陰影細少且顏色淺[圖4(a)]；隨著含水率增大影像亮度降低，顏色逐漸加深呈棕紅色，由于細微顆粒與粗顆粒結成小團，表面陰影逐漸增多且顏色變深[圖4(c)]；之后逐漸呈深棕色，團塊間隙明顯，中間呈黑色條帶狀[圖4(f)]。

2.2 數字影像特征定量分析

2.2.1 數字影像特征值計算

目前常用的顏色模型有RGB模型、CMY(cyan、magenta、yellow)模型、CMYK(cyan、magenta、yellow、black)模型、HSI(hue、saturation、intensity)模型等，其中RGB適合于彩色監視器、HSI適合于描述人眼看到的圖像[23]，如圖5所示。

為研究再生料數字影像特征，選取R、G、B、H、S、I、Gray(灰度)、C(對比度)、E(熵)作為特征參數，含義及計算公式如表3所示。

圖5 RGB與HSI模型示意圖Fig.5 Schematic diagram of RGB and HSI models

通過MATLAB載入0～16%含水率再生料數字影像，切取分析區域，以表3內公式對圖像特征參數進行計算，求得其特征值如表4所示。

由于各參數值量級差異較大，為便于統一與含水率進行比較，對其進行歸一化，計算公式為

(1)

表3 再生料數字影像特征參數及含義Table 3 Digital image characteristic parameters and meaning of recycled aggregate

表4 數字影像特征值計算結果Table 4 Digital image eigenvalue calculation results

式(1)中：X′ij為第i項參數第j個特征值歸一化值；Xij為第i項參數第j個特征值；Ximin、Ximax為第i項參數的最小值與最大值。

歸一化后，分析樣本再生料數字影像特征參數均處于[0，1]，與含水率之間的關系如圖6所示。

2.2.2 數字影像特征分析

(1)RGB。RGB值反映了數字影像的顏色組成，其中R最大，G次之，B最小，與整體顏色呈現棕紅色，略微泛黃相符；RGB強度值整體變化趨勢為單調遞減，與隨著含水率增加，數字影像顏色逐漸加深趨勢一致，其中8%含水率之前下降趨勢明顯，曲線斜率較陡，8%之后下降趨勢有所減緩。

(2)HSI、Gray。HSI反映了數字影像的色調、飽和度和亮度，其中色調H在0.28～0.33，處于紅色(0)與黃色(π/3)區間，稍偏紅色；含水率低于12%時，S隨含水率增大而增加，之后稍有降低，反映了料顆粒受水浸潤后，表面的細粉顆粒逐漸聚簇成團，顯示出顆粒本身的顏色，整體色彩飽和度增大；I與Gray接近，且都與RGB線性相關，因此整體趨勢與RGB規律基本一致。

(3)C、E。C、E反映了數字影像的對比度和熵[24]，其中C反映了影像明暗差異，整體趨勢不斷降低，但局部波動較大；E反映了像素的隨機性，隨著料顆粒由初期的均勻分布到后期的黏聚結團，整體由均勻變得更熵值不斷減小，在含水率較高的階段單調遞減。

3 再生料含水率檢測模型及驗證

3.1 再生料含水率檢測模型

為確定再生料的含水率對數字影像中各項參數的影響，以再生料數字影像特征值計算結果與含水率ω，采用Pearson相關系數進行相關性分析，結果如表5所示。計算公式為

(2)

式(2)中：r為相關系數，介于(-1，1)，當|r|?0，表明兩個變量沒有線性相關關系；當|r|?1，表明兩個變量完全直線相關；“+”表示正相關，“-”表示負相關。

從表5可以看出，在0～16%范圍內時，再生料含水率ω與數字影像特征參數R、G、B、S、I、Gray、C、E的相關性顯著，均為負相關；與H相關性不顯著。

表5 再生料數字影像特征與含水率相關性分析Table 5 Correlation analysis of digital image characteristics and moisture content of reclaimed aggregate

通過SPSS軟件[25]以含水率ω為因變量，以再生料數字影像特征參數R、G、B、H、S、I、Gray、C、E為自變量，采用步進法進行線性回歸分析，步進法條件為默認值(F的概率≤0.05進入，≥0.1剔除)，計算過程中剔除了G、B、H、S、I、Gray、C、E這8項參數，擬合后計算模型為

ω=31.070-0.198R

(3)

式(3)中：ω≥0。

圖6 再生料不同含水率數字影像特征規律Fig.6 Digital image characteristics of reclaimed aggregate with different moisture content

模型的相關系數r=0.994，標準誤差估計值為0.616 38，表明回歸方程效果好，如圖7(a)所示。

以3%、5%、7%及13%含水率時再生料數值影像特征參數中的R，代入式(3)進行檢驗[圖7(b)]，預測含水率與實際含水率誤差為-0.2%～0.9%，平均絕對誤差0.5%，檢驗結果表明，試驗條件下本模型對再生料含水率計算結果誤差小于1%。

圖7 模型擬合與計算效果Fig.7 Fitting and prediction effect of the model

3.2 再生料含水率檢測模型驗證

山東省某采煤沉陷區綜合治理項目位于市區北郊，場地為棚戶區拆遷后遺留場地，現場堆放建筑垃圾約5×104t，區內分布3個工作面采空區，估算影響面積為112 685 m2，采空區殘余空洞體積128 103 m3。

通過建立建筑垃圾再生料注漿系統，將場區內的建筑垃圾破碎至規定粒徑后，經輸料機與水泥、粉煤灰漿液在攪拌機里進行混合，拌制成高濃度漿液，通過混凝土泵輸送至采空區內，系統結構如圖8所示。

在充填過程制漿環節中，取得再生料試樣36組，分別采用烘干法測定以及通過數字影像提取特征參數計算再生料含水率。圖9測試結果表明，在現場條件下通過數字影像計算得到含水率與實際含水率誤差為-3.0%～2.6%，平均絕對誤差0.6%，其中90%以上測試值誤差≤1%，可滿足項目實施過程中漿液性能控制的需要。

圖8 建筑垃圾再生料注漿系統Fig.8 Construction waste recycled material grouting system

MSE為均方誤差圖9 含水率誤差計算Fig.9 Calculation of moisture content error

4 結論

(1)建筑垃圾再生料成分復雜，含水率變化對其外觀特征具有明顯影響。含水率低時顏色偏淺呈褐黃色，數字影像亮度較高；隨著含水率增大顏色逐漸加深呈棕紅色，影像亮度降低，由于細微顆粒與粗顆粒結成小團，表面陰影逐漸增多且顏色變深；之后逐漸呈深棕色，數字影像中物料團塊間隙明顯，中間有黑色條帶狀。

(2)建筑垃圾再生料數字影像特征參數中，在0～16%范圍內時，再生料含水率ω與數字影像特征參數R、G、B、S、I、Gray、C、E的相關性顯著，均為負相關，其中S、C稍低；與H相關性不顯著。擬合后含水率計算公式為ω=31.070-0.198R。

(3)試驗條件下，基于建筑垃圾再生料數字影像特征的含水率計算模型預測含水率與實際含水率誤差為-0.2%～0.9%，平均絕對誤差0.5%；現場條件下，含水率與實際含水率誤差為-3.0%～2.6%，平均絕對誤差0.6%，其中90%以上測試值誤差≤1%，可滿足項目實施過程中漿液性能控制的需要。