杨 滨，郝景新，刘拓宇，王雪纯，张海婷，唐芷薇，朱 旭

(中南林业科技大学 材料科学与工程学院，湖南 长沙 410004)

胶黏剂可以使小尺寸锯材组成正交胶合木(CLT)等形式[1]，应用于木结构建筑、承重墙、装饰地板和桥梁等工程材料中[2]，预示了胶黏剂在木结构建筑中发挥着重要的黏接作用。胶合性能是提高胶合木强度的重要保障，更是评价胶合木质量的重要技术性指标[3]。因此，国内外研究者逐渐对木结构胶合性能评价方法进行了一系列探索[4]，尤其是剪切强度和浸渍剥离强度方法已十分常用，但在木破率测量方法相关的研究还十分鲜少。现有标准D905-98胶层剪切强度标准测试方法要求通过对双层木构件加载压力，测得加载压力和木材破坏比例来衡量胶粘能力。规范ASTM D2559-99(2005)[5]和LY/T 2720-2016[6]规定用于CLT胶合面木破率必须达到75%及以上。但当前木破率面临测量程序复杂、效率低下、速度缓慢、主观性强等痛点问题，如：胡小霞等[7]在15 W的日光灯管和冷光灯光管照射下，利用方格透明尺测量木破率，当破坏纤维色相与胶黏剂色相相近时，必须进行涂色加以区分。董惟群[8]采用Ps图像处理对木破率进行测量，此方法虽然可以得到具体数值，但因魔棒、选区等操作难以避免的人为因素干扰，所以未得到广泛应用。图像处理技术不断发展[4]，被广泛应用于木材领域[10-13]，但多应用于缺陷识别、树种识别等相关研究，应用于木破率测量的相关研究还十分鲜少。Simon等[3]利用Bayeseano算法对图像进行最优阈值分割画面得出木破率，并对不同扫描仪器，不同算法对木破率进行比较得出自动阈值法可以有效代替传统的网格测量方法，但图像类型和算法模型不同可以影响木破率的测量。本研究利用数码相机与图像处理技术中的Otsu算法[14]，对木破率图像进行处理与测量，对测量的木破率值进行方差分析与变异系数处理，该方法具有稳定性和科学性等优点，为快速、准确测量木破率提供了科学手段。

1 材料与方法

1.1 材料与制备工艺

在胶合强度试验中使用了落叶松(Larixgmelinii)锯材，四面刨光；碳化竹板：购自福建南平，材料表面无缺陷；胶黏剂：酚醛树脂胶黏剂，颜色为棕红色。将材料依据国家标准GB/T 26899-2011《结构用集成材》[15]中结构用集成材胶合性能的实验要求进行制备。共计12个胶合面积为50 mm×50 mm的试件，进行胶层破坏试验,加载速度为2 mm·min-1[16]。

1.2 木破率测量方法

1.2.1 基于传统尺规的木破率测量法 传统木破率测量法主要借助自然光或在光照度为800～1 000 lx的光源下，通过有机玻璃尺[6](尺最大范围应超过试件大小，最小刻度2 mm,每个单元面积为4 mm2)测量胶合木受剪切破坏后，木材纤维被胶粘连或撕裂下来的面积A(mm2)与试件受剪切面积S(mm2)。两者之比即为木破率，通常用M表示木破率。木破率是衡量胶黏剂质量的标准，也是胶合强度的重要判断参数，表达式如下。

(1)

1.2.2 基于图像处理的木破率测量法

1)图像采集 基于图像处理技术，需要对试验样本图像进行采集。首先固定相机，镜头90°垂直于桌面，对12个试件样本进行数据图像采集，最终得到12张彩色(rgb)照片(uint8)，分辨率为74 ppi。为了获得图像，试件底部需覆盖一张白纸衬底，其中包含一个用于定位样本的窗口，大小与样本相同，并将样品固定在玻璃桌子上，便于扫描工作。其目的是防止环境光进入拍摄区域内部，影响图像采集质量。

2)图像裁剪 在木破率图像取样时，样本背景以白色作为底色，但拍摄时底色面积难以把控。在进行图像处理时，需要对获得的样本进行裁剪(图1A)，去除主体试件外的背景元素，裁剪框内无背景颜色即可，为获得更准确的木破率提供保障,边框裁剪后的样本见图1B。图1(1～12)为裁剪后的木破率图像。

图1 裁剪前后图像

3)基于图像的木破率计算 木破率在二维图像空间表示为像素比关系，即木材破坏的像素总数与试件样本总面积的像素总数之间的比值。通过图像处理技术，木破率(M)的计算公式为：

(2)

式中：p为单位像素的面积；A为破坏面积；S为胶合面积；x表示图像长度；y表示图像宽度。一幅数字图像中单位像素所代表的面积相同，则可以利用像素统计法计算分割的二值图像中破坏区域的像素个数∑(x,y)∈A1与试件样本总面积的像素∑(x,y)∈S1，即可以求得其比值[17]，该比值就是木破率(M)。

1.2.2.1 基于自动识别的matlab图像处理木破率测量法

1)图像灰度化。数码相机拍摄采集到的样本图像均为彩色(图1)，为快速计算木破率，必须对图像进行去色处理。在matlab图像处理中，通过RGB3GRAY和M3BW达到去色和降低维度的目的[18]，效果见图2A。同时，根据灰度图像可获得样本不同灰度图像统计直方图(2B)。该直方图显示了一个样本的图像及其各自的双峰直方图，右峰为灰度值较高的木材破坏区域，左峰为灰度化较低的竹材区域。左峰与右峰分割区域较为明显，说明在样本图像采集过程中，受自然光照射影响较小。

图2 去色后的图像及其灰度图像统计直方图

2)阈值确定及图像分割Bayesean寻求。根据直方图将图像细分为两类像素亮度值。直方图被认为是2个的总和不变的正常分布的功能。阈值设置的进行方式是将分类错误概率降到最低，这相当于以下等式的变量T的解：

(3)

(4)

(5)

μ=P0×μ0+P1×μ1

(6)

g=P0×(μ0-μ)2+P1×(μ1-μ)2

=P0×P1×(μ0-μ1)2

(7)

当类间方差g达到最大时，即为分割阈值。

3)基于matlab图像处理技术的木破率计算方法。二值化图像是将原始图像的像素分割成黑和白2类。亮度值低于最佳阈值的像素被认为是背景，并被赋予“0”值(暗区)，而亮度值较高的像素被赋予破坏区域，并被赋予“1”值(亮区)。由二值图像中亮区像素与总像素之比可得到木破率。根据式(2)，A为破坏面积，即像素值为1的像素点总数c；S为胶合面积，即整个二值图像的像素点总数sum，则木破率的公式可以表述为：

(8)

式中:m为图像长度；n为图像宽度。

1.2.2.2 基于人工辅助的Ps图像处理木破率测量法 Ps测量法是通过直方图可直接读取整幅图像的像素值(图3A)。同时，通过采用魔棒、羽化值、选区等选区工具，并设置合理的容差，辅以目测，可以准确选取目标区域，通过直方图便可得到目标区域的像素值(图3B)。

2 结果与分析

2.1 matlab木破率图像处理结果与分析

根据1.2.2.1图方法对图1中所述裁剪后的木破率图像进行matlab图像处理，处理结果如下：

通过matlab图像处理工具对木破率图像进行二值化处理，效果见图4A，“1”值(白色)区域与真实的木材破坏区域基本吻合。但木材破坏区域因破坏程度不同，其表现为沟壑交替、层次不均，在自然光照射下形成了大小不一的阴影，图像处理时被误判为“0”值(黑色)区域。因此在木材破坏区域存在大小不一的“0”值区域。但经过形态学中腐蚀和膨胀等处理方式并设置合理的填充值，木材破坏区域中的大部分噪点已被消除(图4B)，更接近于真实情况，有利于减小木破率测量误差，但其边缘平整度效果还有待提高。

2.2 Ps木破率图像处理结果与分析

根据1.2.2.2木破率图像处理方法对图1(1～12)中所述裁剪后的木破率图像进行Ps图像处理，处理结果如下。

通过魔棒、选框、套索等选区工具，对木材破坏区域进行框选，框选结果见图5。木材破坏区域已基本完成框选，但仍然有部分木材破坏区域未被框选，势必会对后期木破率计算造成误差。其原因主要在于木材与竹材的色彩对比度差值较小，进行框选时，极易对人眼视觉系统造成干扰，框选受直观意识影响较大。其次，魔棒工具对木材破坏区域进行框选，被选中区域边缘平整度差，且木破区域存在一定色差未被选中，所选区中的噪点未被填充。最终，对测量的木破率值影响较大。

图3 Ps木破率测量法

2.3 基于Ps与matlab的木破率测量结果分析

通过前述matlab与Ps处理方法对图像处理后，每一个试件可得到2组木破率测量值，与实测值进行对比分析。同时，在Ps图像处理时，由于处理波动较大，因此随机选取某一试件，对其进行多次重复测量，以检验2种测量方法的稳定性。

图4 matlab图像处理后的木破率图像

图5 Ps图像处理后的木破率图像

为验证系统因人为裁剪、框选、自然照射等各种因素导致样本存在的误差是否影响测量木破率的结果，由表1可知，3种木破率测量方法的测量值方差较小，最小为0.40，最大为2.11。由图6可知，3组木破率测量值相当吻合。其次，对2种方法测量的木破率结果进行单因素方差分析。由表2可知：α=0.05，F=0.05

表1 木破率测量结果

图6 3种木破率测量方法结果对比

表2 方差分析

图7 Ps与matlab测量频率对比

3 结论

采用“图像处理技术”与“数码相机”相结合的方法准确测量木破率，与实际测量值无显著性差异，可以高效、准确测量木破率。基于matlab图像处理法测量木破率与Photoshop图像处理测量法相比，提高了计算效率，简化了计算步骤，提高了测量稳定性，避免了人为干扰。基于阈值分割，对图像内容进行自动识别，满足了工业生产需求，契合了当前智能化生产的诉求，对评价CLT胶合质量具有一定的实际应用价值。

基于图像处理技术对木破率进行测量，对比3种木破率测量形式，拓展了基于图像处理的木破率测量方法，对提升木破率计算效率具有重要意义。不仅有助于完善胶合木质量的评价体系，也有助于丰富木破率测量方式，极大地促进了木破率测量的效率和准确度，契合了工业化生产进程和要求。

本研究采用的是基于matlab数字化图像处理技术的木破率测量。传统方法(D5266-1999 ASTM)测量木破率时，操作复杂，且带有较强的随机性。而Ps图像处理技术借助肉眼判断破坏区域与背景区域，长时间会受到视觉疲劳、手部僵硬、选取难辨等诸多复杂的主观因素影响。本研究方法有效地规避了以上缺陷，可快速实现木破率的量化。

本研究方法虽能够自动化识别胶合界面的木破率，实现木破率的数字化测量，但图像自身的明度、对比度、饱和度会受到光照条件影响，这是必须考虑的自变量因素，因此，利用数字化方法计算的木破率，会与实际木破率有略微偏差。

由于获取图像条件受限，图像质量有待提高。采用分辨率更高、更稳定的样本采集环境，可提高测量数据的准确性，为评估木结构胶粘能力研究提供极大的便利。