(内蒙古工业大学轻工与纺织学院，呼和浩特，010051)

1 概述

土工布是土木工程建设中的一种工程材料，也称为土工织物。根据生产方法的不同，土工布可分为机织土工布、编织土工布和非织造土工布。非织造土工布是随机排列纤维网经机械加工、热黏合或化学黏合固结而得到的一种产业用纺织品[1-2]。非织造加工工艺流程短，生产效率高，多采用合成纤维为原料，制成的产品具有很好的抗拉强度和抗撕裂强度以及相当好的延伸性等[3]。因此，非织造土工布在水利、海港、公路、铁路、建筑和国防等领域得到了广泛应用[4-6]。

泊松比是指材料横向应变与纵向应变比值的绝对值，也称为横向变形系数。它是反映材料横向变形的一个弹性常数。

作为材料的一个基本指标，泊松比影响材料的许多力学性能，如剪切模量、变形特性、断裂韧性等[7-8]，因此在材料的数值分析中占据重要的地位。

另外，由于非织造布在拉伸中存在较明显的“颈缩”现象，且非织造布中的纤维随机不连续分布。因此，研究准确、快速测试非织造布泊松比的方法对于其力学性能的理论研究和数值模拟有着重要的意义。

目前有多种泊松比测试方法，各种测试方法的原理不同。主要有机械法、声学法、光学法、电测法等。其中，机械法属于接触式测量，采用两对引伸计分别测量材料的横向应变和纵向应变；声学法能够进行完全无损的检测，通过布里渊散射和表面声波法进行测试，利用激光束射到所选试样的表面而激发出来的声波来测试；光学法一般可分为光干涉测量法、光导热塑全息照相法、数字散斑面内相关法等；电测法是固定电阻应变片于试件测试表面, 应用应变片电阻值的变化捕捉试样的变形，校正电阻变化与试样变形之间的关系，计算出材料的泊松比。机械测量法具有简单和方便的特点，电测法灵敏度高，测试结果较准确；光学法受分辨率大小的影响，一般情况下很难满足横向变形测试所需要的精度。付国定等[9-10]介绍了应用数字图像处理技术来测量纺织服装领域中的纤维、纱线及织物。同时，图像处理技术在非织造布的纤维取向分布、纤维直径、纤网孔隙和纤维均匀度测量[11-12]等方面也得到了广泛应用，其测试原理是根据非织造布结

构对光的反射和投射作用不同，在一定光照条件下进行数字摄影，通过光电转换得到反映光量变换的有一定灰度分布的数字图像。此外，数字图像处理技术在农业蔬菜叶面积测量[13]、工业零部件几何尺寸测量[14]中也得到了广泛应用。

本文以热黏合非织造土工布(以下简称土工布)为研究对象，采用图像处理法测试土工布的泊松比。应用CCD摄像机拍摄土工布拉伸变形前后的图像，通过图像采集卡采集图像并导入计算机，然后应用图像处理方法对图像进行处理，计算出土工布沿横向和纵向的尺寸变化，从而得到泊松比。采用数字图像处理技术来测量土工布拉伸前后的尺寸变化，克服了传统测量方法的缺点，具有实时、快速、准确的优点。应用的处理方法包括图像的预处理、二值化、图像分割、轮廓线条的提取、尺寸的计算等。该方法为实现泊松比的自动、实时测试提供了理论基础和实践可能，对土工布力学性能的研究和应用有着重要的科学意义。

2 泊松比测试

2.1 测试原理和方法

本文研究应用非接触法测量土工布的泊松比。沿土工布顺机向施加载荷，在标准实验条件下拉伸，通过标定土工布试样，应用图像处理技术计算拉伸前后试样沿横向、纵向的尺寸变化，便可计算其泊松比值。

测试原理如式(1)和图1所示：

ν=|εx/εy|

(1)

式中：ν——土工布试样的泊松比；

εx——沿横向的应变；

εy——沿纵向的应变。

(2)

式中：x、y——分别为试样x和y方向的尺寸；

Δx、Δy——分别为试样x和y方向的净变形。

图1 土工布试样标示示意图

首先，对被测土工布进行几何尺寸标示，将土工布裁剪成300 mm×100 mm条带试样。试样标示如图1所示。横向两点分别距试样边10 mm，横向两点间距离80 mm；纵向两点分别距试样边50 mm，纵向两点间距离为140 mm。 试样标记好后采用织物强力机拉伸试样，应用图像处理系统测量试样沿横向和纵向的变形值，从而计算出泊松比。

2.2 测试系统

应用图像处理技术测试土工布的泊松比，系统具有三个功能，即图像的获取、图像的处理和分析、结果输出。测试系统包含照明系统、CCD摄像头、图像采集卡、计算机及图像处理软件。应用CCD摄像头提取土工布试样的图像，通过图像采集卡将图像信息输入计算机，然后应用图像处理软件处理图像，计算出土工布试样沿横向和纵向的尺寸变化。土工布试样泊松比测试流程如图2所示。

图2 土工布试样泊松比测试流程

图像采集及图像处理的主要任务是降噪、边缘处理、特征提取和尺寸计算等。

(1)图像采集。应用摄像头拍摄土工布试样拉伸前后的图像，由于图像的像素受分辨率、存贮格式及图像缩放比的影响，为了提高图像的分辨率及清晰度，分辨率选用600 dpi，TIF格式，图像缩放比为50%。

(2)图像预处理。由于光学镜头的原因和噪声等因素的影响，采集到的土工布试样图像精度受到一定的限制。图像处理的目的是将传送过来的图像数据按照系统的目标进行处理分析，以便获得准确清晰的图像边缘，提取尺寸特征。本文使用中值滤波方法去除噪声，同时有效保持图像轮廓的清晰度。图像预处理过程如下：①将采集到的图像转换为数字形式；②将真彩色图像转换为灰度图，以加快图像处理的速度；③图像增强，灰度化图像噪声较大，需要进行增强，以改善图像的质量，消除噪声，保留图像中感兴趣的某些特征；④图像分割，采用阀值处理或边缘检测两种方法处理图像；⑤边缘轮廓的提取，利用图像的灰度直方图分布计算得到该图像灰度的阀值，再根据阀值将图像二值化，形成锐化图像，然后逐列扫描，获得边缘曲线。

(3)尺寸计算。通过Adobe公司的Photoshop软件调入试样拉伸前后的图像，结合图像变化前后的特征，提取图像中的尺寸，计算得出土工布试样的横向和纵向伸长，从而计算出泊松比。

3 试验

3.1 试验材料

热黏合非织造布是将传送带上的纤维网在两个反向转动辊之间热压，纤维网受到一定温度的热辊作用后，部分纤维软化熔融、互相黏连，经冷却处理后得到的。很显然，非织造布结构由两种成分即纤维网和黏合点组成，其微观结构如图3所示。试验以常用的面黏合和点黏合两种非织造布为研究对象。土工布性能参数如下：聚丙烯纤维，线密度为1.56 dtex，长度为38 mm，试样名义厚度为0.42 mm，面密度为150 g/m2。土工布试样尺寸为300 mm× 100 mm。

图3 土工布SEM图

3.2 试验条件

采用织物强力仪在标准实验条件(温度20 ℃、相对湿度65%)下测试，试样夹持距离为200 mm，拉伸速度为100 mm/min。应用图像处理系统测试9个试样的横、纵向变形，计算出其泊松比，取平均值。

3.3 试验结果

沿土工布试样顺机向拉伸，通过图像处理系统测试土工布试样的变形，进而计算其泊松比。有效的9组试验数据见表1和表2。

表1 面黏合土工布测试结果

表2 点黏合土工布测试结果

4 结语

泊松比作为评价材料变形的一项重要指标，在非织造布性能数值模拟中有着重要的意义。本文以热黏合非织造土工布为研究对象，采用图像处理法测试其泊松比。应用CCD摄像机拍摄土工布试样拉伸变形前后的图像，通过图像采集卡将图像导入计算机，应用图像处理方法处理图像，计算出土工布沿横向和纵向的尺寸变化，最后得到泊松比。本文设计的基于图像处理方法测试土工布泊松比的系统安装于织物强力机上，具有实时、快速、准确的优点。该方法对土工布力学性能的研究和应用有着重要的科学意义，也可用于其他产业用纺织品泊松比的自动、实时检测。

[1] KIM H S, POURDEYHIMI B, DESAI P, et al. Anisotropy in the mechanical properties of thermally spot-bonded nonwovens: Experimental observations[J]. Textile Research Journal,2001,71(11):965-976.

[2] MICHIELSEN S, POURDEYHIMI B, DESAI P. Review of thermally point-bonded nonwovens: Materials, processes and properties[J]. Journal of Applied Polymer Science,2006,99(5):2489-2496.

[3] GAUTIER K B, KOCHER C W, DREAN J Y. Anisotropic mechanical behavior of nonwoven geotextiles stressed by uniaxial tension[J]. Textile Research Journal,2007,77(1):20-28.

[4] 郭海芳，贾勇.新型土工材料在加筋土工程中的应用[J].山西建筑,2003,29(6):112-113.

[5] 刘丽芳，曾跃民，储才元，等.非织造土工材料的过滤性能[J].青岛大学学报:工程技术版,2000,15(4):36-40.

[6] 牛光全.土工合成材料在土工工程中的应用[J].中国建筑防水,2006(5):36-39.

[7] DEMIRCI E, ACAR M, POURDEYHIMI B, et al. Computation of mechanical anisotropy in thermally bonded bicomponent fibre nonwovens[J]. Computational Materials Science,2012,52(1):157-163.

[8] KIM H S. Relationship between fiber orientation distribution function and mechanical anisotropy of thermally point-bonded nonwovens[J]. Fibers and Polymers,2004,5(3):177-181.

[9] 付国定，陈桦，刘红，等.数字图像处理技术在纺织服装领域的研究进展[J].丝绸,2011,48(12):22-25.

[10] 于达琴.图像处理技术在纺织品测试中的应用分析[J].科学与财富,2013(8):180.

[11] 苏鹤群，吴丽莉，陈廷.图像处理技术在非织造领域的应用进展[J].纺织导报,2013(12):65-68.

[12] 徐娜，王旸，卫佳欢.图像处理技术在纺织品检测中的应用[J].山东化工,2013,42(10):76-77.

[13] 杨劲峰，陈清，韩晓日，等.数字图像处理技术在蔬菜叶面积测量中的应用[J].农业工程学报,2002,18(4):155-158.

[14] 张少军，艾矫健，李忠富，等.利用数字图像处理技术测量几何尺寸[J].北京科技大学学报,2002,24(3):284-287.