的等效投影圆面积直径；
[0052] b、费雷特直径即经过一个颗粒的中心，任意方向的直径称为一个费雷特直径。每 隔10°方向的一个直径都是一个费雷特直径，用这36个费雷特直径平均值来描述一个颗粒； [0053] c、与最佳匹配椭圆等效径，即Kemeny等人发现颗粒的粒径尺寸既不是它的最大线 性长度，也不是它的最小线性长度，而与等效的最佳匹配椭圆的长短轴a和b相关：
[0054]
[0055] 再利用Kemeny的经验公式得到颗粒的粒径：
[0056]
[0057] 具体实施时，使用者可以按需求选择粒度定义，而粒度统计信息结果的表示形式 可以分别采用下面两种：
[0058] (1)、统计图形式：用柱状图表示每个粒级骨料占骨料总质量的质量百分比，如粒 径位于0.6-1. 18的骨料质量占骨料总质量的百分比。用折线图表示骨料颗粒的累积分布 图，如粒径小于1.18的骨料占总质量的百分比，图上同时也显示设置的国标配比曲线，可以 直观地看出混合料级配是否符合国标范围规定的上限与下限。
[0059] (2)、表格形式：用表格显示被测骨料的具体的粒度分布与累积粒度分布，有利于 日后对数据的分析与处理。统计图与表格随着检测的进行实时更新数据。
[0060] 上述步骤中，对骨料粒形也可以采用两种表征方式，分别针对粗骨料与细骨料的 粒形特征：
[0061] (1)针、片状颗粒:是专门针对粗骨料的粒形描述方法。依据GB/T14685-2011《建设 用卵、碎石》可知卵石、碎石按技术要求可分为I类、II类和III类。对针片状颗粒占比的要求 分别为 <5%，< 10%，< 15%。
[0062] (2)颗粒圆形度:是专门针对细骨料的粒形描述方法。指骨料颗粒的棱边及隅角的 相对尖锐程度。圆形度可以采用下式计算：
[0063]
[0064] 式中，S为颗粒投影面面积，D为颗粒投影面周长。颗粒的形状对紧密堆积存在重要 影响，实际应用中更加期望获得圆型的颗粒，它不仅有利于紧密堆积，更有利于混凝土工作 性能的发挥。当圆形度越接近于1，表示细骨料颗粒越接近于圆形，性能越好。将实时得到的 料中针、片状粗骨料颗粒占与标准选择模块中设置的标准占比比较，或将大于某一圆形度 的细骨料颗粒占比与标准选择模块中设置的标准占比比较，实时得到骨料粒形分布情况是 否符合标准。
[0065] 相对于现有的需要对骨料进行采样才能获取检测结果，无法实现实时在线检测且 无法反映出生产状态下的骨料真实粒度粒形信息，本发明实施例无需对骨料进行另外的分 散，也无需使用另外的背景板，直接对生产现场传送带上堆叠的骨料进行图像采集和分析， 不但可以实现在线同时检测实际生产状态下的骨料真实粒度粒形信息，还可以及时对不合 格骨料进行控制，实现整个生产过程的闭环控制。
[0066] 上述技术方案具体实施时，由于采集到的是堆叠骨料图像，没有背景，图像中布满 骨料，因此骨料表面的纹理和粗糙情况会对图像处理产生很大影响。在图像处理时，可以以 表层骨料为图像的基本信息，而将下层不完整的骨料视作图像的背景进行处理。图2为图1 中图像处理方法实施例的流程示意图，具体如图2所示，包括：
[0067] 步骤21、预定义一卷积矩阵，并采用所述卷积矩阵对采集到的堆叠骨料图像进行 卷积滤波处理；
[0068] 本步骤中，具体地，可以包括：
[0069]预定义卷积矩阵二维数哲
[0070]依次从左往右从上到下查找采集到的堆叠骨料图像中每个3*3像素区域，与预定 义的卷积矩阵进行运算；
[0071]设卷积矩阵3*3个元素中每个元素值分别为Ku，当卷积矩阵中心（cm，cn)位于图 像矩阵的(X，y)位置时，则经过卷积滤波后，该像素的灰度值将变为
其中g为像素灰度值。
[0072] 经过卷积滤波后的堆叠骨料图像锐度降低，减低了骨料表面粗糙纹理的噪声，为 下一步的处理提供了很好的基础。
[0073] 步骤22、对卷积滤波后的堆叠骨料图像采用基于聚类全局阈值改进的Niblack局 部阈值方法进行二值化处理；
[0074] 考虑到堆叠骨料图像位于表层的骨料形状更完整，轮廓更清晰，可以取表层骨料 为研究对象，把下层不完整的骨料视作背景。因此需要采用改进的Niblack局部阈值方法进 行二值化处理，以获取效果最佳的图像二值化，可以较正确分辨骨料轮廓。
[0075] 步骤23、对二值化处理后的堆叠骨料图像进行迭代的形态学腐蚀操作以分离图像 中相接触的颗粒；
[0076] 正是由于堆叠骨料图像区别于采样的骨料图像，骨料表面各骨料之间相连，不易 区分。因此可以采用形态学腐蚀以达到分离颗粒但形状不变，原因在于:不同于基础的形态 学腐蚀，骨料大小不因腐蚀而缩小。在腐蚀操作后骨料重新膨胀为原来的大小，但不同颗粒 间的断裂部分不会重新相连，可以达到分离颗粒但形状不变。因此基于腐蚀结果将堆叠骨 料图像进行重构，骨料重构后的骨料颗粒尺寸大小和原始图像中相同。
[0077] 步骤24、对形态学腐蚀操作后的堆叠骨料图像进行填充颗粒中间的空洞处理以消 除因骨料颗粒表面纹理经过二值化处理后形成的噪声。
[0078] 填充颗粒中间的空洞，消除因骨料颗粒表面纹理经过二值化后形成的噪声；滤除 与图像边界相连的骨料颗粒，防止这些不完整颗粒影响实验结果;更方便提取骨料颗粒的 轮廓。
[0079] 上述方案中，基于采集到的堆叠骨料的特殊性，如表层的骨料形状完整而下层的 骨料不完整，且实际生产状态下的表层骨料颗粒间互相连接部分较多，无法采用一般的图 像处理手段处理，这也是现有技术中为什么必须采样才能进行分析骨料粒度粒形而无法真 正实现在线实时检测的原因。而申请人发现通过采用自己定义的卷积滤波处理、基于聚类 全局阈值改进的Niblack局部阈值方法以及迭代的形态学腐蚀操作，可以很好的解决对实 际生产状态下的堆叠骨料图像不容易处理的问题，可以实现获取堆叠骨料图像中各个骨料 颗粒比较清晰的轮廓，为后续对骨料粒度、粒形进行分析的提供基础。
[0080] 图3为图2中改进的Niblack局部阈值方法实施例的流程示意图，上述方案中，步骤 22中对卷积滤波后的堆叠骨料图像采用基于聚类全局阈值改进的Niblack局部阈值方法进 行二值化处理，如图3所示，具体可以包括：
[0081] 步骤220、利用聚类全局阈值法求出卷积滤波后的堆叠骨料图像的全局阈值T1;
[0082] 步骤221、将整张图像分为九个子图，针对每一个子图，用Niblack算法求出一个局 部阈值T2;
[0083] 步骤222、将聚类法求得的阈值T1与Niblack法求得的T2求加权和，得到每一个子 图的阈值:T3 = αΤ1+(1 -a) T2，其中α表示加权系数。
[0084] Nib lack是一种常用的局部动态阈值法，可以在不同的图像区域内自适应地确定 阈值。然而直接使用Niblack在骨料稀疏时会产生伪噪声，采用本发明提供的基于聚类全局 阈值改进的Niblack局部阈值方法可以避免伪噪声的产生。申请人多次实验表明，取α = 〇.4 时图像二值化效果最佳，可以正确分辨骨料轮廓。
[0085] 图4为本发明提供的堆叠骨料的粒度粒形在线检测方法又一实施例的流程示意 图，如图4所示，该实施例方法包括：
[0086] 步骤10、在实际生产状态下对堆叠骨料直接进行图像采集；
[0087]步骤20、对采集到的堆叠骨料图像进行处理；
[0088]步骤25、对处理后的堆叠骨料图像进行图像标定处理；
[0089] 步骤30、对处理后的堆叠骨料图像进行几何特征分析，计算出堆叠骨料图像中每 个骨料颗粒的几何特征；
[0090] 步骤40、根据堆叠骨料图像中每个骨料颗粒的几何特征，分析得到堆叠骨料的粒 度统计信息和粒形分布信息。
[0091] 从上述步骤可以看出，本实施例和图1所示的实施例的区别在于增加了步骤25，gp 对处理后的堆叠骨料图像进行图像标定处理。这是为了解决在实际图像采集过程中由于角 度、光线等因素可能产生的误差。本步骤中，具体实施时，可以采用小球标定法方法获取标 定系数，图5为本发明提供的小球标定法方法实施例的流程示意图，如图5所示，该方法包 括：
[0092]步骤51、在相同的图像采集环境下，对若干个直径已知的标准小球进行采集图像； [0093]步骤52、小球图像经过图像处理处理后，计算获取图像中每个小球的像素面积值；
[0094] 步骤53、将每个小球的真实面积值与图像中的像素面积值进行比较，比值的平均 值作为系统的标定系数。
[0095] 目前常用的图像标定可分为传统标定方法、自标定方法和基于主动视觉的标定方 法三种。传统标定方法需要用到精度极高的标定块，标定物的制作精度会影响标定结果；自 标定方法基于绝对二次曲线或曲面的方法，其算法鲁棒性差;基于主动视觉的标定方法法