【52监测网讯】第223期 基于机器视觉的隧道结构病害快速检测技术与装备
52监测网专家报告分享-第223期 《基于机器视觉的隧道结构病害快速检测技术与装备》 上海地下基础设施安全检测与养护装备工程技术研究中心 刘学增 目录 一、隧道检测现状 二、快速检测技术 三、病害自动识别技术 四、快速检测装备 五、未来展望 内容介绍 一、隧道检测现状 ► 行业背景 ▪ 截至2019年我国运营公路隧道19067座,总里程18967公里,规模居世界首位; ▪ 运营规模快速发展的同时,隧道结构病害问题逐年加重; ► 隧道病害统计(基于2860公里公路隧道病害数据) ► 检测技术现状 检测人员步行或在高空作业车配合下,采用裂缝测宽仪、裂缝测深仪、量筒、量杯、激光断面仪、地质雷达等常规检测工具,对裂缝、破损、渗漏水及剥落剥离等外观病害以及结构和围岩状态检测,了解病害分布、规模和程度。 缺点:耗时费力、效率低、对作业人员技术要求高、安全隐患大,检测结果主观性强、反馈周期长,单点检测、检测数据覆盖性差、需要交通管制。 运营隧道增多、检查作业时间短、人工检查成本高、检查质量要求高; 紧迫:随着隧道运营里程的增加,养护工作日趋繁重,频繁的封道检查对交通干扰很大,迫切需要快速检测技术手段和装备。 二、快速检测技术 ► 隧道快速检测技术 ► 表观病害检测技术 数字照相技术: 数字照相技术主要是利用数字相机或摄像机采集隧道表面图像,将采集到的图像进行处理,将裂缝或渗漏水等病害区域识别出来。 ▪ 相机控制与存储:多相机同步控制和图像高速存储技术 运用纳秒级脉冲信号并行激励手段和基于病害图像高频频域特征的JPEG灰度图编码压缩算法,相机阵列数据同步采集和干兆级图像流实时高速存储。 ▪ 补光光源:高光功率密度低热阻大热流散热红外光源 运用高密度低热阻红外LED芯片,解决远距离成像红外补光光功率不足的问题,实现对交通无干扰的图像采集补光。 优点:与传统人工检测方法相比,数字照相技术可以采集图片信息,信息量更丰富,利用图像识别技术可以获取精确的病害信息,如渗漏水水边缘信息甚至是裂缝宽度; 缺点:对光源的要求较高,闪光灯频繁闪烁会对操作人员的视觉造成影响; 应用现状:数字照相获取的隧道内表面只能是局部信息,若要获取完整的隧道内表面展开图,还需大量图像拼接工作,需要专业人员及使用专用图像处理软件处理。 三维激光扫描技术 激光扫描技术主要是利用激光扫描仪得到隧道内表面点云数据,利用点云数据,判断隧道结构变形状态。目前三维激光扫描仪检测多数用于隧道收敛变形检测、渗漏水检测,高精度的三维激光扫描仪也可用于检测裂缝。 优点:可以同时检测隧道收敛变形和裂缝、渗漏水等多种病害特征,覆盖范围广、测量精度高,点云数据可用于三维建模和可视化。 缺点:设备成本极高,需要定点扫描,检测时间较长; 应用现状:三维激光扫描设备的高成本限制了其在隧道检测领域的推广应用,其三维轮廓扫描的功能在工程领域更为常见,在一些需要进行数字化建模的工程中,会引入三维激光扫描设备及配套建模软件用于建立精准三维可视化模型。 红外热像采集技术 运用红外热像仪探测物体各部分辐射出的红外线能量,根据物体表面的温度场分布状况所形成的热像图,直观地显示材料、结构物等存在的不连续缺陷的检测技术。 优点:操作较为便捷,除渗漏水等表观病害外,也能检测到一些浅层的空洞、裂隙等内部病害。 缺点:检测精度受环境温度影响较大,从红外热图像中识别病害对于技术人员的专业水平和经验有较高的要求; 应用现状:红外热像采集技术主要用于检测隧道衬砌渗漏水,能进行全断面较高精度的渗漏水检测,但是其成本较高,且附近不能有热源。 ► 内部病害检测技术 超声波检测技术 超声波通过混凝土传播后,其声学参数将发生变化,根据这些声学参数的变化和分布特征,可以探测混凝土内部缺陷、裂缝及质量情况。 优点:技术成熟、设备简单便携、操作方便。 缺点:混凝土结构尺寸、内部钢筋位置等对检测精度有一定的影响,目前以接触式检测为主,隧道顶部检测难度较大,需要耦合剂; 应用现状:超声波检测技术及与回弹法结合的的超声回弹检测技术广泛应用于混凝土内部缺陷检测,技术和相关设备较为成熟,但主要用于单点检测,从超声波形图中读取混凝土的缺陷信息对技术人员的专业水平要求较高。 探地雷达扫描技术 与超声波类似,电磁波通过混凝土传播后,传播路径、电磁场强度和波形将发生改变,可根据这些参数的变化和分布特征探测混凝土内部缺陷状况。 优点:技术成熟、设备简单便携、操作方便。 缺点:混凝土结构尺寸、内部钢筋位置等对检测精度有一定的影响,目前以接触式检测为主,隧道顶部检测难度较大。 应用现状:探地雷达目前广泛用于隧道衬砌脱空、混凝土不密实、厚度不足等质量缺陷的检测,技术和相关设备较为成熟,但与超声波检测类似,从雷达扫描图中读取混凝土的缺陷信息对技术人员的专业水平要求较高。 三、病害自动识别技术 ► 病害识别现状 ▪ 人工识别病害为主 1)成像质量差:光环境复杂;粉尘严重;病害图像噪点数据多; 2)人工识别为主:识别误差大,主观性强;效率低,<1km/人.日;成本高; 3)病害历史数据溯源难:数据二维表达,不直观;历史数据对比分析困难; 海量检测数据(10万张图片/公里)如何精准高效快速提取病害?也是制约快速检测的关键因素。 ▪ 自动识别面临的技术难题 ► 病害高精度自动快速识别算法 ▪ 病害自动辨别分类 人工提取图像病害样本,利用深度学习方法,建立了适用于公路隧道病害识别分类的训练模型,识别准确率达95%。 ▪ 裂缝特征参数自动识别 针对裂缝形态复杂、噪声多、边缘识别难,提出裂缝路径分叉智能搜索、边缘自适应修正和改进的裂缝边缘亚像素检测算法,建立多级联卷积神经网络模型,实现裂缝长度、宽度快速精准自动辨识,裂缝宽度识别能力由0.2mm提高至0.1mm。 ▪ 面状病害特征参数自动识别 针对渗漏水、剥落等区域病害灰度多样性、识别难,提出灰度能量差异的水平集边缘分割改进模型,实现区域病害高精度快速自动辨识,区域病害面积识别能力0.01m2病害自动识别率>95%。 ▪ 隧道轮廓变形快速检测 针对轮廓采集存在的方位漂移、噪点杂乱等难题,提出噪点多层次选代剔除与隧道中轴线重构方法,通过最小二乘法曲线拟合获得当前模内平均拟合断面,并与历史或设计断面进行比对,隧道变形快速检测精度2mm。 ► 病害和结构三维可视化表达方法 ▪ 病害可视化 针对海量病害历史数据溯源、比对难,发明了特征点自动匹配计算的隧道病害三维展布图生成方法,实现了隧道结构病害“一张图”数字化表达与管理,可视化分析病害历史演化过程。(病害分类→特征识别→精准定位→可视化表达) 四、快速检测装备(详见技术报告) 五、未来展望 1)立体式全方位的快速检测 结合浅层病害的红外检测、深层病害的雷达扫描、裂缝深度的激光扫描等技术,实现表观病害和内部病害“由表及里”的立体式快速检测; 2)高效率智能化的精准辨识 结合大数据、云计算等新技术,进一步提高表观与内部病害特征的辨识精度和效率,努力实现全自动化智能辨识; 3)多源数据融合的精细诊断 融合施工期的地质、监测和运营期长期监测等多源信息,精细化分析、跟踪结构安全状态,为科学养护提供依据。 《基于机器视觉的隧道结构病害快速检测技术与装备》 上海地下基础设施安全检测与养护装备工程技术研究中心 刘学增 注:本内容仅供个人研学交流,版权归原作者所有 |
2019-12-05
2021-07-07
2021-06-29
2021-09-06
2021-09-07
请发表评论