基于數字圖像技術的UHPC表面特性與黏結性能識別

李 嘉，鄒 衡，張恒龍，陳思遠

(1.湖南大學 土木工程學院，湖南 長沙 410082；2.風工程與橋梁工程湖南省重點實驗室，湖南 長沙 410082)

0 引言

為綜合解決鋼橋面疲勞開裂和瀝青鋪裝易損難修兩大難題，邵旭東研究團隊[1-2]提出了“鋼-UHPC (35～40 mm)-瀝青磨耗層(20～40 mm)”輕型組合橋面結構。鋼橋面專用UHPC[3]組分內無粗骨料，成型后表面致密光滑，且富含鋼纖維，通常采用拋丸處理以制造紋理構造。目前，表面特征及紋理深度多采用鋪砂法、擺式儀法等傳統測試技術[4]；由于UHPC表面鋼纖維的影響，手動鋪砂時砂粒被鋼纖維彈走，無法在UHPC層面攤鋪成均勻的圓形，測試值離散性大；而采用擺式儀法測試路面摩擦系數，擺錘運動受到表面鋼纖維的阻礙，無法與UHPC面連續接觸。隨著計算機視覺技術和模式識別技術的日漸成熟[5-7]，特別是新的紋理分析算法的發展，為研究UHPC表面紋理質量狀態提供了一種新的思路。相較于傳統測試方法，數字圖像[8]采集方便、快速、客觀，樣本數量大，可反映表面紋理構造的凹凸狀態，圖像識別過程能實現計算機程序化、系統化的分析，從而使UHPC表面檢測具有高效性、準確性和規范性。

本研究擬開展基于數字圖像技術的UHPC表面特性與黏結性能識別，通過數字圖像技術分析，定量描述UHPC表面三維信息和紋理構造，建立特征參數與表面構造深度之間的關系；分析UHPC表面紋理對黏層材料性能的影響，提出表面特征參數建議值，為完善《超高性能輕型組合橋面結構技術規程》(GDJTG/T A01—2015)[9]及工程應用提供技術支持。

1 數字圖像技術

數字圖像就是對平面圖像中離散坐標(x,y)和灰度G(x,y)的數字化。數字圖像可表示為矩陣或數組，其以矩陣或數組在計算機中傳輸與存儲，數字圖像的處理實際上就是對矩陣或數組的處理[10-11]。

UHPC基板原始圖像及其三維圖像像素空間分布如圖1所示，對比圖1(a)和圖1(b)，圖像的像素狀態與UHPC表面凹凸的紋理狀態呈對應關系，生活中通過肉眼無法辨別的紋理構造狀態，能從數字圖像的像素空間分布中客觀地反映出來。原始圖像的像素分布矩陣可運用數字圖像處理來獲取。

圖1 原始圖像與像素空間分布對比Fig.1 Comparison of original image and spatial distribution of pixels

1.1 圖像獲取

基于數字圖像技術的UHPC表面紋理構造分析方法，要求原始圖像能夠真實反映UHPC表面紋理特征。表面圖像采集受到許多因素的影響，如光照狀態、表面潔凈程度、拍攝角度等，采集過程影響數字圖像的質量，從而使結果產生誤差[12]。

通過規范UHPC表面圖像的采集過程，來避免采集過程中造成的圖像信息誤差。在進行圖像采集前，對UHPC基板表面進行拋丸處理，用真空泵吸除表面浮塵，確保板面清潔干凈；圖像采集時，對光照強度、拍攝高度和角度等因素進行綜合分析，在拍攝條件相同的情況下對多個測點進行采集，并將單反相機用三腳架固定，以保證相機以固定高度和角度進行拍攝，相機距離試板的垂直高度固定為100 cm，以保證拍攝時保持鏡頭平面與試板表面始終平行，拍攝時單反相機用快門線進行控制，防止相機在拍攝過程中的抖動。

1.2 數字圖像技術分析

利用MATLAB軟件對圖像進行處理，包括圖像灰度化、濾波降噪、像素值定義及圖像三維重構。對三維模型提取輪廓算術平均偏差Ra、分形維數FD、平均灰度MGV等特征參數，建立特征參數與構造深度間的關系，用圖像技術定量描述UHPC表面三維信息和紋理構造。

(1)輪廓算術平均偏差Ra[13]

輪廓算術平均偏差是表面粗糙度參數之一，是指在取樣長度內，輪廓偏距絕對值的算術平均值，Ra的統計意義是一階原點的絕對矩，用來反映輪廓高度相對中線的離散程度，其計算公式如下：

(1)

式中，Ra為輪廓算術平均偏差；n為組成輪廓線點的個數；yi為第i個輪廓線點的高度值。

(2)分形維數FD[14-15]

分形是指自然界中所有現象或形狀的不規則性，都可以用部分和較小的細節來表示，分形應用在紋理中以分形維數來反映。分形維數的計算有不同的方法，例如通過概念、頻譜、面積度量、分形布朗函數、差分盒子維法等。本研究采用差分盒子維法對路面紋理圖像的像素灰度關系進行基于分形理論的研究。差分盒子維法[16-17]是將大小為M×M的圖像劃分為S×S的部分(1

FD=lim[log(Nr)/log(1/r)]，

(2)

式中，r為將M×M的圖像劃分為S×S的一部分；Nr為覆蓋整個圖像所需的盒子數。

(3)平均灰度MGV[18]

灰度值表示灰度圖像中像素點的明暗深度，范圍為0(黑)～255(白)。在數字圖像中，像素的空間分布能夠客觀反映事物的凹凸不平，這是因為平行光在凹凸不平點處不同的反射產生的，相機取景器獲取了更多凸點反射的光線，灰度值就會更大，反之凹點灰度值更小。灰度值可用來區分物體表面的凹凸程度，平均灰度MGV的計算公式如下：

(3)

式中，i，j為像素在平面空間中的坐標；gij為像素在平面坐標上的灰度值；m,n為將圖片劃分為M×N的網格。

基于數字圖像技術的UHPC表面特征分析流程見圖2。

圖2 數字圖像技術分析流程圖Fig.2 Flowchart of digital image technology analysis

2 試驗設計

為更加方便準確地分析UHPC表面特性，探究一種基于數字圖像技術的UHPC表面紋理分析方法，并建立表面紋理與附著力拉拔強度的關系，依據現行規程方法，測試UHPC表面粗糙度，評估不同界面黏結材料與UHPC的黏附性能。具體試驗內容包括:(1) 采集UHPC表面數字圖像，并進行圖像處理與分析；(2) 采用電動鋪砂法測試UHPC表面構造深度；(3)測試4種典型界面黏結材料與UHPC表面附著力。

2.1 原材料

(1)UHPC

UHPC基體材料配合比見表1，按體積比2.5%摻入鋼纖維。

表1 UHPC基材配合比Tab.1 Mix proportion of UHPC matrix materials

(2)界面黏結劑

采用4種典型界面黏層材料，分別為熱熔型改性環氧樹脂202(簡稱：樹脂202)、二階環氧樹脂黏結劑NDA100(簡稱：樹脂NDA100)、熱固型環氧瀝青(簡稱：環氧瀝青)、SBS改性瀝青(I-D)(簡稱：SBS改性瀝青)。界面黏結劑配合比、撒布量、拌和溫度、撒布溫度和養生條件如表2所示。

表2 黏結劑涂刷要求Tab.2 Requirements for application of binder

2.2 試件制備

澆注40塊300 mm×300 mm×30 mm大小的UHPC基板，在自然環境條件下養護2 d成型，再進行90～100 ℃的蒸汽養護2 d；待試件自然晾干后，去除UHPC層表面浮漿，采用拋丸機對表面拋丸，調整不同參數獲得不同構造深度的UHPC板，用真空泵吸除表面浮塵。將UHPC板切割成大小為70 mm×70 mm×30 mm的試件，其中72塊用于附著力拉拔試驗。

2.3 試驗方案

(1)表面紋理構造

紋理構造試驗根據《公路路基路面現場測試規程》(JTG 3450—2019)[19]，采用LD-138型電動鋪砂儀測試UHPC試板表面構造深度，共測試40塊UHPC試板，記錄構造深度TD。

(2)附著力拉拔試驗

附著力拉拔試驗參考美國標準試驗方法StandardTestMethodforPull-offAdhesionStrengthofCoatingsonConcreteUsingPortablePull-offAdhesionTesters(ASTM D7234—21)[20]。本試驗采用ZM-10T型碳纖維黏結強度檢測儀，試驗時勻速緩慢轉動拉拔儀把手，記錄試件破壞時的峰值荷載，試驗設備見圖3。

圖3 試驗裝置Fig.3 Test devices

3 試驗結果與分析

3.1 基于數字圖像技術的UHPC表面紋理構造研究

對已測試構造深度的UHPC進行表面圖像采集，根據圖3的數字圖像技術分析流程，獲取圖像的輪廓算術平均偏差Ra、分形維數FD、平均灰度MGV，將匯總結果列于圖4。

圖4 構造深度與特征參數關系Fig.4 Relationships between structural depth and feature parameters

應用spss軟件對圖4中各表面特征參數進行雙變量相關性分析，分析結果見表3。當皮爾遜系數|r|<0.3時，表示兩變量間的相關程度極弱，不具有相關性；當0.3≤|r|<0.5時，表示兩變量為低度相關；當0.5≤|r|<0.8時，為中度相關；當|r|≥0.8時，為高度相關。**表示對數據進行雙尾顯著性檢驗的置信水平為1-α=0.99，數據的置信區間為99%以上。

表3 UHPC表面構造深度與表面特征參數相關性分析 Tab.3 Analysis on correlation between UHPC surface texture depth and surface characteristic parameters

表3顯示，構造深度與輪廓算術平均偏差Ra的相關系數為0.921，大于0.8，所以構造深度與輪廓算術平均偏差的相關性顯著，兩者呈正相關，輪廓算術平均偏差隨構造深度的增長而增長；構造深度與分形維數的相關性為-0.512，為中度相關性；構造深度與平均灰度的相關系數為0.023，兩者不具有相關性。

研究表明，引用輪廓算術平均偏差(Ra)表征UHPC表面構造深度(TD)是合理的。根據實測數據，對Ra-TD關系進行曲線擬合，兩者關系模型與參數估算值見表4。

表4 Ra-TD關系模型與參數估算值Tab.4 Ra-TD relation model and estimated parameter value

由表4可知，采用二次函數能更好反映構造深度TD與輪廓算術平均偏差Ra的關系，回歸曲線見圖5，Ra-TD回歸方程可表述為：

圖5 Ra-TD回歸曲線Fig.5 Ra-TD regression curve

Ra=-12.669(TD)2+52.463TD+

40.477，R2=0.855，

(4)

式中，R2為表示回歸線的線性擬合狀態的相關系數。

3.2 基于數字圖像技術的UHPC表面紋理與拉拔強度研究

分別測試25 ℃和60 ℃溫度狀態下，黏層與UHPC的附著力拉拔強度，拉拔破壞狀態,見圖6。

圖6 界面劑拉拔試驗破壞狀態Fig.6 Failure states of interfacial agents in pull-out test

如圖6所示，樹脂202、樹脂NDA100的受拉破壞基本發生在與UHPC的附著面上, 而環氧瀝青、SBS改性瀝青的受拉破壞發生在自身材料層，該現象是否表明UHPC表面紋理對樹脂黏層的影響大于瀝青黏層，此推想有待如下分析與驗證。

附著力拉拔試驗結果見圖7。

圖7 附著力拉拔試驗結果Fig.7 Pull-out test result of adhesion

將輪廓算術平均偏差(Ra) 與拉拔強度的關系點繪于如下坐標圖圖8中。

圖8 拉拔強度與Ra的關系Fig.8 Relationship between pull strength and Ra

從圖8中可看出，樹脂黏層、瀝青黏層受UHPC表面輪廓算術平均偏差Ra的影響各不相同，對此展開拉拔強度與Ra之間的相關性分析，分析結果見表5。

由表5可知，常溫條件下樹脂202、樹脂NDA100、環氧瀝青和SBS改性瀝青的拉拔強度與Ra的相關系數分別為0.904，0.882，-0.215，-0.404, 表明樹脂黏層與Ra的相關性顯著，而瀝青黏層與Ra的相關性較弱；高溫條件下樹脂202、樹脂NDA100、環氧瀝青和SBS改性瀝青的拉拔強度與Ra的相關系數為-0.872，-0.823，0.591，0.136,表明樹脂黏層與Ra的相關性較高，其次為SBS改性瀝青，而環氧瀝青與Ra的相關性較弱。拉拔強度受UHPC表面粗糙度影響程度排序為：樹脂202>樹脂NDA100>SBS改性瀝青>環氧瀝青。

表5 附著力拉拔強度與Ra相關系數Tab.5 Correlation coefficient between adhesion pull strength and Ra

進一步對樹脂黏層測試結果進行回歸分析，如圖9所示。

圖9 附著力拉拔強度與Ra的線性關系Fig.9 Linear relationship between adhesion pull strength and Ra

常溫條件下，隨著UHPC表面粗糙度的增加，樹脂202、樹脂NDA100的附著力拉拔強度呈下降趨勢；高溫條件下，隨著UHPC表面粗糙度的增加，樹脂202、樹脂NDA100的附著力拉拔強度呈上升趨勢。為使界面劑在常溫和高溫環境下均具備較高的黏結性能，即常溫拉拔強度≥2.0 MPa[9]，高溫拉拔強度≥0.8 MPa[9]，建議采用樹脂202作為界面劑時，UHPC表面輪廓算術平均偏差Ra的范圍為51～53; 而樹脂NDA100的Ra小于等于83均可滿足要求。

4 結論

(1)基于圖像處理技術提出UHPC表面紋理構造數字分析方法，采用圖像輪廓算術平均偏差Ra定量描述UHPC表面三維信息和紋理構造, 分析過程易于實行程序化運算，具有操作便捷、檢測效率高等特點。

(2)通過試驗設計與測試，建立了電動鋪砂法構造深度(TD)與數字圖像輪廓算術平均偏差Ra的TD-Ra關系模型，其相關系數為0.921，兩者具有較強的相關性。

(3)樹脂黏層的拉拔強度與輪廓算術平均偏差Ra的相關性較高，其次為SBS改性瀝青，而環氧瀝青與Ra的相關性較弱。拉拔強度受UHPC表面粗糙度影響程度的排序為：樹脂202>樹脂NDA100>SBS改性瀝青>環氧瀝青。

(4)目前表面粗糙度參數只能評價UHPC表面拋丸的微觀構造，下一步將針對嵌石、刻槽、拉毛等各種構造的情況，從而將表面粗糙度參數應用于表征包括拋丸、露石等各種類型的水泥基鋪面工程中。