B超在含沙量及其垂线分布测量中的首次应用

， ，，

(1.长江科学院 河流研究所, 武汉 430010; 2.武汉大学 电子信息学院， 武汉 430072)

在模型试验与泥沙研究中，含沙量的测量与控制对泥沙运移等情况的研究具有十分重要的意义[1]。长期以来，模型试验中泥沙浓度及其垂线分布的测量与在线同步分析一直在不断地探索中[2-6]，但并没有找到一种很好的解决方案。随着B超成像技术的日益发展，B超对水中的微小沙粒已经具有很好的实时成像能力，灵敏度也较高，特别是对被测量体无接触无扰动的特点在一定范围内能够反映水中沙粒浓度的变化情况[7-8]。因此，本文编写了一套针对B超的含沙量分析软件，在三维定位行走控制平台的帮助下，构建了一个基于B超的含沙量分析与测量系统，初步实现了含沙量及其垂线分布的在线同步分析与测量，为模型试验的泥沙测量与研究提供了一种新的途径。

1 系统组成及其原理

本文构建了一个基于B超的含沙量分析与测量系统。该系统由Apogee1100型B超诊断仪、模型水槽、三维定位行走控制平台、系统计算机和对应的含沙量分析软件组成，如图1所示。图中B超探头置于水槽中并接触水面，三维定位行走控制平台搭载B超仪，并控制B超探头对测量区域进行定位与水中沙粒图像信号的采集，含沙量分析软件安装在计算机上，对B超采集回来的图像信号进行相关处理分析。

图1 试验系统示意图

在泥沙浓度较低的模型试验中，利用B超仪对含沙水流进行成像，B超仪能够实时地反映水中沙粒颗粒的大小和运动情况。从采集到的B超图像中，也可以看到沙粒亮斑随着水中颗粒浓度的增加而增加，如图2所示。图2(a)和图2(b)是B超采集到的体积浓度分别为0.5‰和3.0‰的图像。因此，含沙量分析软件的任务是分析提取B超图像中的沙粒光斑信号，并寻找这种信号与实际含沙量的对应关系，进而利用这种关系来测量未知浓度的含沙量。

图2 B超对流动沙水混合物的成像

2 含沙量的分析计算方法

针对B超采集回来的图像视频信号，含沙量分析软件首先将视频信号转化为BMP图像信号，然后分析统计每帧BMP图像中沙粒成像光斑面积的灰度浓度与实际含沙量的关系，并建立关系表格，最后通过查表和插值的方式进行含沙量的实际测量。为了更好地分析提取这种关系，本文对图像进行统一的预处理[9]，即进行统一的中值滤波和灰度补偿，滤除背景噪声之后，再进行阈值分割，自动识别测量区域的沙粒光斑及其他有关信息。

2.1 统计分析灰度浓度

针对B超图像编写的含沙量分析软件在进行灰度浓度的提取和计算之前，首先进行了测量区域和测量目标的自动识别，对原始BMP图像进行阈值分割处理，其处理方法如式(1)所示：

(1)

式中，f(i,j)为原始图像中像素点(i,j)的灰度值f(i,j)的集合，阈值T取T=f90(f90为清水试验图像中90%的像素点的灰度值都小于等于该灰度值)，同理g(i,j)为式(1)处理之后的目标图像。然后在目标图像g(i,j)中计算灰度浓度，即相对灰度的百分比，其定义如式(2)所示：

(2)

式中：C为灰度浓度；Nall为目标图像中测量区域所占像素点的总个数；n=1表示测量区域的第1个像素点；g(i,j)为像素点(i,j)的灰度值；g(i,j)/255为该点的相对灰度。在实际测量过程中，由于B超在很短时间内可以获得多帧图像，故在这个较短时间里的多帧图像可以拼凑出含沙水流通过B超探头的一段体积。于是，式(2)就变为

(3)

式中：取总数M帧图像分析；g(i,j)m为第m帧图像中像素点(i,j)的灰度值。为了分析含沙量的垂线分布情况，本文将每一个采集剖面按从上到下分成若干层(如沿着水深方向分为k层)，分别计算每层的灰度浓度。则第k层的灰度浓度Ck的计算方法如式(4)所示：

(4)

式中：g(i,j)m,k为第m帧图像中第k层中像素点(i,j)的灰度值；Nall,k为图像中第k层的总像素点的个数。

2.2 率定对应关系

为了率定灰度浓度与实际含沙量之间的对应关系，本文以河工模型试验常用的模型塑料沙(中值粒径为0.35 mm)和汉口江滩天然沙(中值粒径为0.25 mm)为例，进行了率定试验[10]。试验中B超的频率设为5 MHz，调整其他参数到合适位置并保持不变。B超探头接触水面，试验容器体积10 L，用搅拌器均匀搅动。试验过程中每次加入5 mL体积的沙，配成标准体积浓度0.0‰(自来水)到5.0‰的混合液，并保持搅拌器匀速转动。每个测量点取50帧图像计算灰度浓度并求平均值，直到B超图像趋向饱和。率定试验数据如表1所示，其中含沙量的单位为体积千分比(‰)，灰度浓度的单位为面积百分比(%)，由表1绘制的率定曲线如图3所示。

表1 实际含沙量与灰度浓度的对应关系

图3 灰度浓度与实际含沙量的率定曲线

根据表1和图3可知，塑料沙和江滩沙的体积浓度分别达到3.5‰和4.0‰时，率定曲线逐渐变平缓，灰度浓度增加缓慢，图像接近饱和。这是因为含沙量的浓度较高时，沙粒光斑会相互重叠，从而限制了灰度浓度的进一步增加，故本文所述方法比较适合低含沙量的测量。

另外，从表1和图3中也可以看出沙的粒径越大图像越容易饱和，不同材质塑料沙和江滩沙的率定曲线也存在一定的差异。因此，沙粒的材质、粒径及其级配等会对B超的图像信号造成一定的影响[2,4,11]，从而造成了灰度浓度与含沙量的对应关系曲线的不同，故需要对专门的测量对象进行专门的率定试验，简化操作，以保证测量结果的可靠性。

含沙量分析软件在处理灰度浓度与含沙量的对应关系时，采用查表的方式，即建立灰度浓度与含沙量的对应关系表格，通过查表或者根据表格采用拉格朗日插值法[12]来计算待测含沙量。

由上述可知，含沙量分析软件的处理过程为：对B超采集到的图像信号进行统一的预处理，包括滤波和背景噪声处理，并自动识别测量区域和沙粒光斑；根据式(3)计算灰度浓度C，根据式(4)计算垂线方向上各层的灰度浓度Ck；根据灰度浓度与实际含沙量的关系表格查找或计算当前待测含沙量；最后进行有关数据的显示与保存。

3 首次应用的结果与分析

以河工模型水槽试验为例，在上述试验对象和率定关系的条件下，进行了含沙量的实际测量和分析。借助B超仪、三维定位行走控制平台，含沙量分析软件完成对含沙量及其垂线分布的自动测量与显示，测量对象为上述粒度约0.35 mm的模型塑料沙，其灰度浓度与实际含沙量的对应关系如表1和图3所示，采用查表和拉格朗日插值的方式来计算待测含沙量。含沙量分析软件控制显示界面及其一个测量结果如图4所示。

图4 含沙量分析的结果及其显示界面

图4中的左边为含沙量分析的控制部分及有关数据显示；中间显示了有关参数以及从水面往下第一层的起点深度和每层的水深宽度，B超图像中灰点表示自动识别出来的沙粒目标点；右边显示了含沙量浓度沿垂线方向的分布，即沿水深的分布情况，并在对应位置显示了对应层的含沙量；底部的亮带为河床地形的上表面，软件自动识别地形并进行划分。含沙量分析软件在进行数据的实时显示的同时也进行有关数据的输出与保存。

图4中含沙量沿垂线分布的测量结果与真实值的关系如表2所示，绘制的对比关系如图5所示。

表2 含沙量垂线分布的测量值与真实值

图5 垂线分布测量值与真实值的对比

图6为含沙量测量过程中的一个动态结果。由此可知，本文所述系统及其测量方法能很好地反映含沙量的垂线分布及其动态变化情况，并与真实值很接近，而且比其他方法来得更加直观和更加快捷。

图6 含沙量测量的动态分析

4 结 论

根据以上所述，本文所描述的一种基于B超成像的含沙量测量与在线同步分析软件及其应用系统是可行的。该系统比较适合河港工模型试验中的较低浓度的含沙量及其垂线分布的测量分析，能够直观可视地反映含沙量的动态变化过程及其垂线分布情况，具有灵敏度高、实时性好、对水流无扰动的特点。在含沙量分析软件的帮助下，操作简单快捷且功能完善，能够实时连续地自动进行含沙量的有关分析和测量。该软件及其应用系统不失为模型试验中低含沙量测量及其垂线分布情况分析的一种新手段。

*本研究资金来源于2011年中央级科学事业单位修缮购置项目“河工模型多参数量测自动系统设备购置”。

参考文献：

[1] 胡向阳. 近50年来长江中游泥沙输移变化[J]. 长江科学院院报, 2007, 24(4):5-9. (HU Xiang-yang. Changes of Sediment Transport in Middle Reach of Yangtze River in Recent 50 Years[J]. Journal of Yangtze River Scientific Research Institute, 2007, 24(4): 5-9. (in Chinese))

[2] 方彦军, 唐懋官. 超声衰减法含沙量测试研究[J]. 泥沙研究, 1990, (2):1-12. (FANG Yan-jun, TANG Mao-guan. Ultrasonic Attenuation Method for Measuring Sediment Concentration[J]. Journal of Sediment Research, 1990, (2):1-12. (in Chinese))

[3] 高佩玲, 雷廷武, 赵 军, 等. 坡面侵蚀中径流含沙量测量方法研究与展望[J]. 泥沙研究, 2004, (5): 28-33. (GAO Pei-ling, LEI Ting-wu, ZHAO Jun,etal. Evaluating the Measuring Methods to Sediment Concentration in the Runoff of Slope Erosion[J]. Journal of Sediment Research, 2004, (5): 28-33. (in Chinese))

[4] 蔡守允,朱其俊,张笑红. 模型试验含沙量测量仪器的分析研究[J]. 水资源与水工程学报, 2007, 18(5):83-85. (CAI Shou-yun, ZHU Qi-jun, ZHANG Xiao-hong. Study on the Instruments of Measuring Sediment Concentration in the Model Test[J]. Journal of Water Resources and Water Engineering, 2007, 18(5):83-85. (in Chinese))

[5] 雒 征, 黄良文, 詹义正. 悬移质含沙量沿垂线分布的探讨[J]. 武汉大学学报(工学版), 2002, 35(2):21-24. (LUO Zheng, HUANG Liang-wen, ZHAN Yi-zheng. Study on Vertical Distribution of Concentration of Suspended Load[J]. Engineering Journal of Wuhan University, 2002, 35(2):21-24. (in Chinese))

[6] 吴新生,廖小永,黄卫东. 新型在线泥沙粒度与含沙量测控系统设计[J]. 人民长江,2011，42(23):51-53. (WU Xin-sheng, LIAO Xiao-yong, HUANG Wei-dong. Design of a New On-line Automatic Monitoring and Controlling System for Particle Size and Sediment Concentration[J]. Yangtze River, 2011, 42(23):51-53. (in Chinese))

[7] 陈思平. 医学超声影像产业现状和发展[J]. 应用声学, 2005, 24(4):201-207. (CHEN Si-ping. Medical Ultrasound Imaging Equipment Industry: Status and Trends[J]. Applied Acoustics, 2005, 24(4):201-207. (in Chinese))

[8] 周 健, 钱 进. B超图像的计算机实时成像研究[J]. 声学技术, 2003, (3):195-198. (ZHOU Jian, QIAN Jin. Real-time Reconstruction of B-Mode Ultrasound Images[J]. Technical Acoustics, 2003, (3):195-198. (in Chinese))

[9] 宋光德, 陈驷辉, 赵伯雷,等. B超序列截面图像轮廓的提取[J]. 天津大学学报, 2000, 33(2):382-385. (SONG Guang-de, CHEN Si-hui, ZHAO Bo-lei,etal. Extracting the Contour of B-Ultrasonic Cross Sectional Images[J]. Journal of Tianjin University, 2000, 33(2):382-385. (in Chinese))

[10] 蒋 国, 王 钊, 邱金营. 国产滤纸吸力-含水量关系率定曲线的研究[J]. 岩土力学, 2000, 21(1):72-75. (JIANG Guo, WANG Zhao, QIU Jin-ying. Suction Calibration Curve of Homemade Filter Paper[J]. Rock and Soil Mechanics, 2000, 21(1):72-75. (in Chinese))

[11] 杜 军,张石娃,金广峰.超声测沙仪研究[J]. 气象水文海洋仪器, 2006, (4):34-38. (DU Jun, ZHANG Shi-wa, JIN Guang-feng. Ultrasonic Sand Measure Meter[J]. Meteorological, Hydrological and Marine Instruments, 2006, (4):34-38. (in Chinese))

[12] 张升堂, 康绍忠. 基于拉格朗日插值法修正地形影响的分布式降水模型研究[J]. 水文, 2004, 24(6):6-9. (ZHANG Sheng-tang, KANG Shao-zhong. A Distributed Precipitation Model Based on Lagrange Interpolation Revised Terrain Effect[J]. Hydrology, 2004, 24(6):6-9. (in Chinese))