ОПТИКА И СПЕКТРОСКОПИЯ, 2015, том 118, № 2, с. 346-352
ГЕОМЕТРИЧЕСКАЯ И ПРИКЛАДНАЯ ОПТИКА
УДК 535.8
ИДЕНТИФИКАЦИЯ И ОПЕРАТИВНЫЙ КОНТРОЛЬ СТРОИТЕЛЬНОГО СЫРЬЯ И БИОЛОГИЧЕСКИХ ОБЪЕКТОВ ОПТИЧЕСКИМИ МЕТОДАМИ
© 2015 г. К. Андинг*, А. М. Гурович**, П. А. Курицын***, С. М. Латыев**, Э. Линц***
* Технический университет Ильменау (ТУИ), D-98693 Ильменау, Германия ** Университет ИТМО, 197101 Санкт-Петербург, Россия *** Баухаус Университет, D-99423 Веймар, Германия E-mail: smlatyev@yandex.ru Поступила в редакцию 04.07.2014 г.
Рассмотрены оптические методы и средства для идентификации и оперативного контроля утилизируемых строительных материалов, растительных веществ, биологических тканей и субстратов на основе структурного, колориметрического и спектрального анализов их изображения.
DOI: 10.7868/S0030403415020026
ВВЕДЕНИЕ
В различных областях и сферах жизнедеятельности возникают проблемы и задачи, связанные с идентификацией, контролем качества и состоянием тех или иных изделий, материалов и веществ. Например, при утилизации строительных материалов для их дальнейшего использования в качестве вторичного сырья необходимо осуществлять их сортировку по определенным видам и классам. При производстве и поставках материалов и изделий из древесины необходимо знать ее породу. При сборе и хранении зерна контролируют наличие в нем нежелательных включений и появление порчи. При биологических исследованиях и проведении медицинских операций необходимо идентифицировать биологические ткани и субстраты.
Все эти задачи могут быть выполнены с помощью оптических методов и устройств, разработанных для упомянутых целей. В настоящей работе рассматриваются результаты некоторых исследований по идентификации и оперативному контролю строительных материалов и биологических веществ, выполненных в университетах ИТМО и ТУИ, в рамках долгосрочного договора о совместном учебном и научном сотрудничестве между университетами.
ИДЕНТИФИКАЦИЯ СТРОИТЕЛЬНЫХ
МАТЕРИАЛОВ ПРИ ИХ УТИЛИЗАЦИИ
При строительстве и разрушении зданий образуется огромное количество отходов. Основная их часть используется в дорожном строительстве и земляных работах, и лишь малая часть (около 5%) идет в качестве сырья на повторное произ-
водство строительных материалов [1]. Это обусловлено неоднородностью и сложным составом отходов, а также применяемыми технологиями в индустрии переработки. Важной проблемой при утилизации отходов в строительной индустрии (для их повторного использования в производстве строительных материалов) является автоматизированная сортировка, основанная на идентификации составляющих строительного мусора.
В настоящее время ряд фирм производит машины для размельчения мусора, извлечения из него бумаги, металлических и деревянных частей, а также изготавливает устройства для автоматического контроля и сортировки сыпучих материалов (одна из разновидностей которых — строительные отходы) [2]. Недостатком подобных устройств является недостаточно высокая степень идентификации компонентов мусора в случае, когда строительный мусор имеет множество фракций, некоторые из которых близки по структуре и цвету. Для более уверенной идентификации фракций необходимо введение дополнительных определяющих признаков, которыми могут служить спектры отражений и поглощений светового излучения строительными материалами.
В работе [3] был проведен предварительный анализ спектров отражения оптического излучения некоторыми строительными материалами, который показал возможность использования спектров видимого и инфракрасного (ИК) диапазонов для повышения достоверности идентификации. Для обоснования целесообразности использования спектров отражения нами были проведены их экспериментальные исследования для фрагментов мусора наиболее типичных строительных материалов. Спектры (рис. 1а) были за-
Рис. 1. Спектры отражения строительных отходов в видимом диапазоне (а) и первая производная (б): 1 — гипс, 2 — пористый бетон, 3 — силикатный кирпич, 4 — бетон, 5 — гранит, 6 — легкий бетон, 7 — пористый кирпич, 8 — кирпич.
писаны в диапазоне 420—770 нм с помощью спектрометра Ocean Optics USB2000+.
Характерные особенности в видимой области показывает ряд материалов. На графике первой производной (рис. 1б) в области 550—600 нм кривые пористого кирпича и кирпича имеют заметный рост, при этом величина изменения различна, что позволяет не только отличать их от оставшихся материалов, но и также различать эти подклассы материала между собой. Также в диапазоне 670—720 нм выделяются спектры гипса, пористого бетона и силикатного кирпича. Пористый бетон отличается в пике 680 нм, имея меньшее изменение интенсивности. Гипс и силикатный кирпич отличаются между собой не так существенно: их различие проявляется в области 620—670 нм. Гранит не демонстрирует значительных изменений интенсивности, что также явля-
ется характерной особенностью и отличает данный материал от других. Спектральные кривые бетона и легкого бетона практически идентичны, что делает затруднительным их распознавание.
Форма объектов и характер поверхности значительно влияют на интенсивность отражения, что не позволяет однозначно идентифицировать материалы только на ее основе. Химически схожие классы, например легкий бетон и бетон, не показывают отличий в спектральных кривых, поэтому только видимый диапазон спектра не подходит для уверенной идентификации данных подклассов строительных материалов, но может быть использован для распознавания классов. Для идентификации подклассов необходимо использовать ИК диапазон спектра и применять математическую обработку спектров [4], позволяющую получить дополнительные индивиду-
Степень идентификации строительных отходов на основе анализа изображений
Классификатор neighboursearch C-SVM Naive Bayes Random Forest J48 Tree
Идентификация, %
Класс материала Частная Общая Частная Общая Частная Общая Частная Общая Частная Общая
степень степень степень степень степень степень степень степень степень степень
Бетон и заполнители 78.5 95.4 79.7 91.1 81.4
бетона
Клинкерный кирпич 76.5 99.0 97.4 95.5 91.1
и черепица
Силикатный кирпич 82.0 84.8 97.8 97.2 71.3 44.8 93.7 94.7 84.3 88.0
Другие минеральные 89.5 97.6 12.2 96.6 92.3
компоненты
Инородные 82.4 95.7 77.2 92.0 81.5
компоненты
альные признаки материалов строительного мусора.
Идентификацию строительных отходов также можно осуществлять на основе анализа изображений объектов. Для установления эффективности данного метода были проведены исследования с помощью 3ССБ-камеры и подвижной транспортной ленты, на которой располагались исследуемые пробы. Полученные данные были проанализированы по 234 критериям (особенности формы, цвета, текстуры) и упорядочены с помощью различных алгоритмов классификации. Результаты работы классификаторов приведены в таблице.
Лучшие результаты демонстрируют классификаторы C-SVM (Support Vector Machine) и Random Forest. Низкие значения, показанные классификатором Naive Bayes, говорят о сложности исследуемых данных, которые имеют большое число сходных характеристик. Высокая степень идентификации, полученная на основе обработки изображений, показывает эффективность применения данного метода к проблеме распознавания строительных отходов. Однако для некоторых классов необходима степень идентифи-
Рис. 2. Функциональная схема устройства для комплексной идентификации строительных материалов: 1 — конвейер, 2 — строительный мусор, 3 — видеокамера, 4 — спектрометр.
кации в 98—99%, что требует введения упомянутых выше дополнительных критериев оценки.
Таким образом, при утилизации строительных материалов представляется целесообразным создание устройства для идентификации фракций строительного мусора на комплексной основе: как на анализе формы, структуры и цвета полученного изображения фракций, так и на анализе спектров отражения, полученных от фракций в видимой и ИК областях излучения.
В настоящее время в ТУИ проводятся работы по повышению степени достоверности комплексной идентификации подклассов строительных материалов, и создается макет соответствующего устройства, функциональная схема которого представлена на рис. 2. В этом устройстве поступающий на конвейер 1 из накопителя размельченный строительный мусор 2 идентифицируют с помощью видеокамеры 3, спектрометра 4 по форме, структуре, цвету и спектру отражения в соответствии с разработанным компьютерным алгоритмом, а затем (при падении с конвейера) сортируют воздушными струями.
ИДЕНТИФИКАЦИЯ ПОРОД ДРЕВЕСИНЫ
Древесина широко используется в строительстве, производстве мебели и в качестве отделочных материалов. Различение пород лесо- и пиломатериалов при их оптовых поставках, перемещении через государственную границу и использовании в большинстве случаев осуществляется экспертами. Одним из вариантов решения задачи идентификации древесины, позволяющей избежать субъективности оценки и необходимости услуг квалифицированных экспертов, является применение спектрофотометрических и колориметрических методов неразрушающего контроля. В работах [3, 4] была представлена функциональная схема
Спектральный коэффициент диффузного отражения, отн. ед.
(а)
400
500
600 700
Длина волны, нм
Интенсивность, отн. ед. 60
40
(б)
= 1064 нм
— 785 нм
1 1 _____
20
0
300 800 1300 1800 2300 2800 3300 Рамановское смещение, 1/см
Рис. 3. Различные спектры породы древесины "сосна". а — спектр диффузного отражения в видимой области, б — рамановские спектры при облучении различными лазерами.
разработанного ранее прибора для идентификации лиственных и хвойных пород древесины "Кедр", который основан на измерении и последующей математической обработке спектров видимого и ИК светового потока, отраженного от поверхности объекта (древесины). На основе представленного в вышеупомянутых работах принципа была построена небольшая опытная партия приборов.
Опыт эксплуатации серии приборов показал высокую достоверность идентификации пород древесины (достигающую в лучших случаях 80%). Вместе с тем было выявлено, что степень достоверности зави
Для дальнейшего прочтения статьи необходимо приобрести полный текст. Статьи высылаются в формате PDF на указанную при оплате почту. Время доставки составляет менее 10 минут. Стоимость одной статьи — 150 рублей.