Способ обработки изображений покрытых битумом образцов щебня для определения адгезии Российский патент 2023 года по МПК G06K7/10 G01N21/84 G06V10/40 

Изобретение относится к определению степени покрытия поверхности щебня битумом.

Измерительной задачей является автоматизированное определение степени адгезии битумного материала к щебню на основе анализа покрытия поверхности щебня битумом после предварительной подготовки образцов методом вращения в бутылке.

Измеряемой величиной является площадь покрытия битумом выборки щебня, где: 100% – полное покрытие поверхности щебня, 0% – отсутствие битума на щебне.

Известны различные способы определения степени покрытия поверхностей. В анализе битумных смесей наиболее распространён ручной метод оценки, когда эксперт оценивает образцы “на глаз”. При этом разные эксперты могут давать разные результаты в зависимости от субъективного мнения. В качестве итоговой степени покрытия в таком случае рассматривается среднее значение от всех экспертов (ГОСТ_EN_13614-2013). Базовое соответствие объектов степени покрытия показано на фиг. 1.

Задача определения степени покрытия, а также поиска объектов на изображении возникает в различных сферах деятельности. Например, в сельском хозяйстве при оценке качества опрыскивания растений применили метод обработки изображений. В указанном методе, являющимся ближайшим аналогом, ровная подложка содержала отпечатки капель рабочей жидкости и анализируемое изображение должно было проходить несколько этапов обработки: ксерокопирование, сканирование планшетным сканером, получение бинарного изображения. Подобный метод не может быть применен к анализу объектов сложной формы, а также анализировать более сложные цветные изображения, которые следует подвергать бинаризации (Маслов Г.Г., Патент на изобретение RU 2290693 «Способ определения степени покрытия поверхности рабочей жидкостью», 2006 г.).

Подход к решению задачи бинаризации изображений подробно описан в другом источнике (Чикало О.В., Патент на изобретение RU 2533876 «Способ бинаризации медицинских изображений», 2013).

Подход основан на применении двух классификаторов типа «К ближайших соседей». Метод требует ручного отбора большого количества признаков для построения обучающей выборки, при этом он разработан для объектов с незначительным отклонением в однородной структуре. Данный метод слишком трудоемкий для анализа объектов с ярко выраженным порогом бинаризации в объектах сложных структур.

В патенте на изобретение (Козирацкий Ю.Л., Патент на изобретение RU 2743224 «Способ обнаружения малоразмерных объектов на изображении», 2020) описано обнаружение объектов на изображении или сегментация объектов на фоне.

Метод основан на анализе вейвлет-коэффициентов текущего и эталонного изображений с последующим применением адаптивной бинаризации. Важной частью алгоритма является сопоставление изображений с эталоном при смещении изображений. Метод дает хорошие результаты на однородной поверхности и эффективен при сильном зашумлении изображений, однако не может быть применен к задаче определения крупных объектов сложной структуры, где бинаризацию следует проводить в несколько этапов.

Технической проблемой заявляемого изобретения является расширение номенклатуры обрабатываемых изображений покрытых битумом образцов и возможность определения крупных объектов сложной структуры.

Решение указанной технической проблемы достигается за счет того, что осуществляется расположение объектов на подложке, получение их изображений, компьютерная обработка этих изображений и определение степени покрытия образцов, используется однотонная подложка с нанесенной на нее маской, изображения получаются при помощи цифровой фотосъемки, что позволяет получать изображения крупных объектов, в отличие от сканирования, компьютерная обработка состоит из следующих шагов: применение методов бинаризации, поиск зон и определение объектов, сегментация объектов и зоны чистого камня, расчет степени адгезии.

Технический результат заявляемого изобретения заключается в том, что используется однотонная подложка с нанесенной на нее маской, изображения получаются при помощи цифровой фотосъемки, компьютерная обработка состоит из следующих шагов: применение методов бинаризации, поиск зон и определение объектов, сегментация объектов и зоны чистого камня, расчет степени адгезии. Это позволяет обрабатывать изображения, полученные при помощи цифровой фотосъемки и обрабатывать объекты сложной структуры при помощи предлагаемых методов.

На прилагаемых к описанию иллюстрациях дано:

На фиг. 1 изображены примеры покрытия наполнителем;

На фиг. 2 изображена подложка;

На фиг. 3 изображена схема алгоритма;

На фиг. 4 изображены допустимые цвета образцов;

На фиг. 5 иллюстрируется сбор изображений;

На фиг. 6 иллюстрируется формирование минимального и среднего изображений;

На фиг. 7 иллюстрируется бинаризация методом Гаусса;

На фиг. 8 показан результат поиска круга;

На фиг. 9 иллюстрируется сегментация общей маски объектов;

На фиг. 10 показан второй этап сегментации;

На фиг. 11 иллюстрируются результаты на других образцах;

На фиг. 12 иллюстрируются результаты на трех образцах.

Способ обработки изображений покрытых битумом образцов щебня для определения адгезии включает следующие этапы: получение и подготовка изображений, сегментация камней на изображении (отделение объектов от фона) и сегментация поверхности камней, покрытой битумом и чистого камня.

Получение и подготовка изображений

Изображения получаются путем цифровой фотосъемки.

Исходные изображения должны быть цветными с разрешением от 960×540 до 1920×1080 пикселей.

Следует учитывать цвет оцениваемых образцов, опираясь на информацию по допустимым цветам, представленную на фиг. 4. Размеры образцов могут варьироваться в двух размерных группах (по длине): группа 1 - от 4 до 10 мм, группа 2 - от 10 до 20 мм. Длина представляет собой наибольшую диагональ между гранями образца. Не следует использовать в одном наборе образцы из разных размерных групп, т.к. степень их покрытия будет значительно отличаться при одинаковых входных условиях. Количество образцов должно обеспечивать их свободное расположение в поле зрения камеры, и должно быть не более 10 и не менее 3. Плотное прилегание образцов друг к другу, а также их пересечение, не допускается.

Первый этап сегментации – отделение объектов от фона осуществляется следующим образом:

1. Собирается набор из восьми изображений с разным направлением освещения.

2. Из набора формируются два опорных изображения: среднее, которое содержит средневзвешенное значение каждого пикселя набора, и минимальное, содержащее минимальные значения пикселей без бликов. Минимальное значение каждого пикселя определяется по формуле:

, (1)

где – пиксель, – результирующее изображение, – исходные изображения.

3. На каждом из опорных изображений осуществляется поиск области анализа (маски круга). Пример расположения кругов для опорного изображения на подложке представлен на фиг. 2. Поиск маски круга осуществляется последовательным применением:

3.1. Метода адаптивной бинаризации с окном Гаусса. Метод бинаризации можно описать следующей формулой:

, (2)

Где - координаты пикселя, – результирующее изображение, – исходное изображение, а T - пороговое значение, которое представляет собой взвешенную сумму соседних пикселей для пикселя с координатами минус константа. Формула расчета T:

, (3)

Где для расчета используется фильтр Гаусса:

, (4)

Где i – значения от 0 до ksize-1, ksize –размер окна, α –масштабируемый коэффициент, выбранный таким образом, чтобы , а sigma – стандартное отклонение Гаусса.

Размер окна Гаусса был выбран исходя из размера изображения и среднего размера объектов и равен 291. Константа смещения равна 0.

3.2. Алгоритма поиска замкнутых контуров на изображении.

Алгоритм поиска контуров основан на использовании метода findContours из библиотеки opencv, которая является библиотекой алгоритмов компьютерного зрения, обработки изображений и численных алгоритмов общего назначения с открытым кодом. Реализована для нескольких языков программирования, в контексте данной разработки на языке python3.

3.3. Математического сопоставления контура форме круга.

Сопоставление определяется следующим образом. С помощью метода minEnclosingCircle, который реализован в библиотеке opencv-python. Метод рассчитывает минимальный круг, который описывает контур и возвращает радиус этого круга. В качестве аргумента метод принимает контур, который необходимо обрисовать. Затем с использованием найденного радиуса вычисляется площадь эталонного круга по формуле:

, (5)

где r – рассчитанный радиус круга, который описывает анализируемый контур.

Далее площадь и формы полученного круга и контура сопоставляются между собой.

Найденный круг с максимальной площадью считается областью дальнейшего анализа.

4. Далее объекты анализируются внутри круга на основе цветовых характеристик пикселей. Для области анализа строится гистограмма изображения по каждому из каналов RGB. Затем рассчитывается пик гистограммы в области обнаруженных кругов, который является значением фона - histmax. Соответственно, пиксели со значением цвета, отдаленного от пика на заданное окно, являются пикселями объекта и сегментируются как объекты дальнейшего анализа. Окно для значений интенсивности пикселей фона задается двумя параметрами: верхней границей равной histmax+50 и нижней границей равной –histmax-20. Параметры были подобраны экспериментально, исходя из визуального качества сегментации. Далее к полученным маскам применяются методы дилатации и эрозии для получения более четких границ объектов.

Метод дилатации описывается формулой:

(6)

Метод эрозии описывается формулой:

(7)

Маски объектов анализа, полученные из опорных изображений, суммируются. Суммарная маска объектов анализа является результатом первого этапа сегментации и передается на второй этап.

Второй этап сегментации – сегментация чистого камня на маске объектов. Сегментация проходит на основе метода адаптивной бинаризации с окном Гаусса, который аналогичен методу при поиске кругов. Параметры метода: размер окна = 291, константа смещения = -75. Полученная маска чистого камня обрабатывается методом дилатации для получения более четкого контура. На последнем шаге формируется итоговое изображение – сумма маски чистого камня и общей маски объектов.

На основе итогового изображения рассчитывается степень адгезии.

Алгоритм подсчета степени адгезии основан на формуле:

, (8)

где

- площадь, покрытая битумом, - общая площадь камней.

Результатом работы алгоритма является площадь покрытия битумом щебня (в процентах). Схема алгоритма представлена на фиг. 3.

Предлагаемый способ реализуется следующим образом:

1. Сбор изображений.

Примеры исходных изображений указаны на фиг. 5.

2. Формирование минимального и среднего изображений. Результаты формирования (слева - минимальное, справа - среднее) – фиг. 6.

3. Поиск кругов.

3.1. Бинаризация методом Гаусса (фиг. 7).

3.2. Результат поиска круга (фиг. 8).

4. Сегментация общей маски объектов (результат первого этапа сегментации) – Фиг. 9.

Второй этап сегментации. Итоговое изображение с маской объекта (серая) и маской чистого камня (белая) – фиг. 10.

Полученный результат (степень адгезии): 77.13660220606809.

Результатом работы алгоритма является площадь, покрытая битумом в процентах. Эта величина также является численной характеристикой степени адгезии.

Результаты на других образцах (фиг. 11):

Степень адгезии: 74.06493001555211.

Результаты на трех образцах (фиг. 12):

Степень адгезии: 60.35472757432691.

Изобретение относится к определению степени покрытия поверхности щебня битумом. Технический результат заключается в обеспечении обработки изображений для определения степени адгезии битумного материала к щебню на основе анализа покрытия поверхности щебня битумом. Это достигается за счет того, что осуществляется расположение объектов на подложке, получение их изображений, компьютерная обработка этих изображений и определение степени покрытия образцов, используется однотонная подложка с нанесенной на нее маской, изображения получаются при помощи цифровой фотосъемки, что позволяет получать изображения крупных объектов, в отличие от сканирования, компьютерная обработка состоит из следующих шагов: применение методов бинаризации, поиск зон и определение объектов, сегментация объектов и зоны чистого камня, расчет степени адгезии. 12 ил.

Способ обработки изображений покрытых битумом образцов щебня для определения адгезии, включающий расположение объектов на подложке, получение их изображений, компьютерную обработку этих изображений и определение степени покрытия образцов, отличающийся тем, что используется однотонная подложка с нанесенной на нее маской, изображения получаются при помощи цифровой фотосъемки, компьютерная обработка состоит из следующих шагов: применение методов бинаризации, поиск зон и определение объектов, осуществляющееся путем анализа среднего по 8 изображениям, полученным при разном направлении источника света, сегментация определенных объектов и зоны чистого камня, расчет степени адгезии, сегментация реализована с помощью адаптивной бинаризации с окном Гаусса.