清水混凝土外觀質量圖像采集影響因素與采集方式探究

喻圣慈 翁 健 李智明 李 茂

清水混凝土是一次成型的作為裝飾面的建筑表現形式[1]。清水混凝土外觀質量，對建筑整體效果呈現產生直接影響。由于我國清水混凝土技術起步較晚，在研究水平與施工技術上相比國外有一定差距，大部分實際工程仍采用抹灰驗收標準進行施工指導與驗收，難以有效提升清水混凝土施工整體質量。本文分析清水混凝土外觀質量圖像采集影響因素，并探討基于CNN 的圖像采集分析方法，旨在為清水混凝土施工及驗收提供有效分析方法。

1 清水混凝土外觀質量圖像采集影響因素

1.1 采集設備及其參數對清水混凝土外觀質量圖像采集的影響

在清水混凝土外觀信息測量中，主要采用無人機、掃描儀等方式進行交叉對比進行分析。

無人機參數對清水混凝土外觀質量圖像采集的影響主要有以下5 點。

無人機攝制感光度的提升，圖像傳感器接收到的光纖增多，畫面越亮；感光度過高或過低，都會在圖像采集過程中，丟失清水混凝土外觀質量信息，進而導致圖像的色差降低，氣孔、裂縫等特征減弱，使圖像與真實情況的差異性較大。

無人機攝制快門時間增加，曝光時間延長，進光量會增多，畫面越明亮。攝制快門時間短，適合拍攝運動狀態下的問題；攝制快門時間長，適合拍攝靜態物體[2]。在清水混凝土外觀拍攝時，應精準控制攝制快門時間，快門時間過長或過短，都會導致圖像與真實外觀質量情況產生較大差異。

無人機攝制光圈值越大，則光圈孔徑越小，景深會增大，對焦點前后的清洗范圍增大，圖像越暗[3]。受到天氣等因素影響，無人機攝制光圈值會受到一定影響，導致清水混凝土外觀質量信息丟失，甚至色差降低。

無人機攝制圖像尺寸與采集面之間的間距是影響圖像采集精度的重要因素。若清水混凝土外觀質量圖像采集精度要求為1 mm/pixel，則無人機攝制圖像尺寸與采集面之間的距離應當控制在4 m以內[4]。

無人機攝制角度的越小，標定舉行區域變形程度越大。在無人機圖像采集過程中，應盡量保持在90°[5]，避免攝制角度對圖像精準度產生影響。

掃描儀參數對清水混凝土外觀質量圖像采集的影響主要有以下3 點。

掃描儀精度對清水混凝土表面氣孔面積率、自比色差標準差等信息精準度的影響較小。隨著掃描儀精度的提升，計算量明顯提升，但測量值越接近人工測量值。

掃描儀掃描精度的提升會降低掃描的速度，若超出掃描限定速度，則掃描儀屏幕會給出相應提示。

掃描儀與采集面的高度為5 mm 左右時，掃描儀采集到的圖像會出現與掃描方向垂直的光柵狀紋路[6]，進而對采集圖像的精準性產生影響。同時，當外界光線進入掃描區域后，清水混凝土表面特征識別會受到限制。為保證圖像采集的精準度，需要在保證表明平整度的基礎上，保證掃描儀的滑輪與圖像采集表面直接接觸。

1.2 采集環境條件對清水混凝土外觀質量圖像采集的影響

清水混凝土外觀質量圖像采集過程中，采集環境對圖像采集精準性產生的影響主要原因有以下5 點。

第一，根據既有研究結果、實踐情況分析總結出，當溫度在0℃～40℃，溫度的變化對清水混凝土表面氣孔面積率、設計色差標準差的影響較小。

第二，在無人機采集圖像過程中，若風向垂直吹離圖像采集面，則圖像采集的精準性較高；若風向與圖像采集面平行，則圖像采集的精準性最差[7]。導致此問題的主要原因是無人機在圖像采集過程中會自動對焦，快門時間受到風矢量在平行于采集面方向上的分量影響。為保證清水混凝土外觀質量圖像采集的精準性，需要保證采集工作在微風的情況下進行。

第三，照度的提升，清水混凝土表面氣孔面積率、設計色差標準差等會逐漸提升，后趨于平穩或下降。因此，照度過大或過小，都會對清水混凝土外觀質量分析的精準性產生不利影響。在具體實踐中，應在5 000 ～20 000 Lux 的環境照度情況下進行圖像采集[8]。

第四，在其他條件不變的情況下，光線照射角度對清水混凝土外觀質量采集精準度產生的影響不明顯。

第五，清水混凝土表面潮濕度不斷增加的情況下，其表面氣孔面積率、自比色差標準差呈現出先增大后減小的規律。為保證清水混凝土外觀質量圖像采集精準性，應盡量保證混凝土表面干燥，將表面潮濕度控制在5%以內[9]。

1.3 混凝土構件自身條件的影響

混凝土構件自身條件會對清水混凝土外觀質量圖像采集精準性產生直接影響，具體體現在以下3 個方面。

第一，曲面。曲面的曲率半徑大于1時，掃描儀仍可以有效還原出平面圖像，且不會受到外界光線的影響，可以有效保證圖像采集的精準性[10]。若曲率半徑較小或者曲率半徑不均勻，則掃描儀難以進行有效掃描，且圖像校正流程復雜，計算量較大，無法達到圖像高質量應用的目的。

第二，當清水混凝土表面由多個平面構成不規則表面時，需要對每個平面進行單獨取樣，并通過選取均值的方式，確定分析評價的具體指標，之后的每一個局部平面采集方法相同。

第三，明縫等設計縫、對拉螺栓孔眼、預留孔洞等孔洞，對清水混凝土外觀只來給你評價的影響主要是圖像上顯示的信息與混凝土本征顏色存在差異，若不排除其他影響，則對清水混凝土外觀質量的分析及評價產生較大影響。

2 基于CNN 的圖像采集分析方法

2.1 圖像預處理

圖像預處理包括幾何校正、裁剪與拼接。幾何校正過程中，需要對圖像捕捉介質的平面、物體平面轉角與傾斜角進行校正、針對攝像機本身原因導致的圖像畸變進行校正、對電子掃描系統的失真情況進行校正、對物體本身平面平整性導致的圖像畸變進行校正[11]。

仿射變換、極坐標變換是圖像校正中常用的數學模型。

二維空間坐標的仿射變換公式表示如下：

通過對原空間坐標的平移操作，得出平移過程的公式，表示為：

通過對原空間坐標的旋轉操作，得出旋轉過程的公式，表示為：

通過極坐標系對圖像進行校正，可以在極坐標與笛卡爾坐標的對應關系上得到每個點的像素值，表示為：

2.2 數據庫建立

為提升圖像采集質量，建立包括無人機、軌道式大幅面掃描儀設備采集的圖像的數據庫。數據庫數據包括無人機的圖像采集尺寸、圖像攝制的感光度、攝制圖像時的快門時間與光圈值、無人機與采集物體表面之間的距離、圖像采集的面積、掃描儀掃描進度等[12]。同時，對圖像采集的溫度、風向、照度、混凝土表面潮濕度、光線照射角度等參數變化情況，及混凝土本身的形狀、顏色、強度等級等數據信息進行采集。

2.3 像素分析

考慮到清水混凝土外觀質量圖像采集的實際需求，提出一種基于CNN 的像素級別分割結構。在該結構應用過程中，需要先運行跳躍融合結構。在該結構中，原始圖像通過多次卷積與池化操作[13]，可以實現圖像特征信息的擴大，并通過跳躍相加、特征融合，保證了圖像整體信息與局部信息的平衡。

為將低分辨率特征圖像還原為高分辨率圖像，需要進行上采樣處理。上采樣處理過程紅，采用線性插值法進行圖像處理。

圖1 為線性插值上采樣示意圖，線性插值法處理公式表示為：

圖1 線性插值上采樣示意圖（來源：作者自繪）

2.4 色差分析

傳統清水混凝土的外觀色差情況需要根據人眼觀察得出。由于人眼色差辨別能力有限，所以提出計算機視覺的色差分析方法。基于既有研究成果分析，借助XYZ 色彩空間，對RGB 色彩進行轉換[14]。轉換公式表示為：

通過色彩轉換，有效提升了圖像的色彩差異分析效果，對圖像質量提升及圖像信息的精準應用提供支撐。

3 結語

清水混凝土外觀質量圖像采集受采集設備及其參數、采集環境條件、構件自身的因素影響，給混凝土外觀質量分析帶來一定困難。本文基于影響因素分析，提出了基于CNN 的圖像分析法，可以對圖像采集相關信息進行存儲，并構建數據庫，在圖像像素、色彩轉換等方面具有良好的應用效果。