針對市（shì）政橋梁施（shī）工中容易（yì）出現的施工缺陷進行識別（bié）與檢測，提高施工過程中橋梁建設的質（zhì）量與安全係數。利用無人機搭載高清成像係統采集橋梁各方位圖像（xiàng），對圖像進行灰（huī）度轉換、濾波去噪、圖像增強等預處理；以橋梁缺陷特征提取結果作為（wéi）測試樣本與訓練樣本，構建了卷積（jī）神經網絡模型（xíng）識別圖像中橋梁缺陷類型。經實際工程驗證，此方法可以精準識別橋梁施工的多種缺陷，具有廣闊的推廣價值與空間。
        關鍵（jiàn）詞：市政橋梁；卷積神經網絡；缺陷識別（bié）
        1 引言
        我國城（chéng）市（shì）橋梁施工正朝（cháo）著立體（tǐ）化、多層次的（de）趨勢邁進，國內橋梁建設需求與力度不斷（duàn）加大，市政（zhèng）橋梁建設項目數量和規模擴張，對施工質量水（shuǐ）平提出（chū）了新的標準與要求。橋梁施工質量問題是影響交通安全運輸的主要因素之一，保障市政橋梁施工（gōng）質量、減少施工缺陷是提高市民生命（mìng）安全係數（shù）、促進社會和諧穩定（dìng）的基本要求[1]。所以，結合當前科技發展水平設（shè）計一套識別與檢測橋梁施工缺陷的方（fāng）案勢在必行，市政橋梁施工中缺陷識別既要（yào）高（gāo）效，又（yòu）要具有精準性（xìng），才能符合當前橋梁施工建設水平。裂縫是常見的橋梁施工缺陷，由於（yú）大部分橋梁施（shī）工的關鍵材料是混（hún）凝土，混凝土結構構築容（róng）易發生裂（liè）縫現象，裂縫（féng）不及時修補為（wéi）橋梁坍塌埋下安全隱患[2]。本次研究結合缺陷識別領域（yù）應用頻率較高的圖（tú）像處理技術，對橋梁施工的裂縫、蜂窩（wō）、鏽蝕等缺陷進行識別與檢測，及時查找出市政施工中的安全隱患（huàn），增強橋梁運（yùn）行的整體質量。
        2市政橋梁施工中缺陷識別技術研（yán）究
        2.1基（jī）於無人機的橋梁施工圖像采集與處理
        2.1.1無人機圖（tú）像采集技術
        無人機采集橋梁施工圖像具有較高的靈活（huó）性，可以全方位自由采集（jí）橋底麵、側麵等難以到達的部位信息。無人機采集橋梁施工圖像需要搭載高清的成像係（xì）統，識別橋（qiáo）梁裂縫的精度可達0.1mm，本次研（yán）究選用大疆品牌（pái）無人機配（pèi）合使用高清成像係統，聯合采集橋梁各個角度、層麵的缺陷信息。本次研究中無人機搭載高清攝像頭的結構如下：包括雲台、高清成像係統、LED燈具、激光測距儀、旋翼、防撞係統等主要構件[3]。其中，高清成像係統運用5000萬像素的攝像頭，符合高精度圖像采集的標準（zhǔn）；防撞係統、雲台技（jì）術可以減少無人機的（de）自身抖動程度、提高圖像采集的穩定性，降低噪聲幹擾；LED燈具能（néng）夠為光線不足環境（jìng）提供照明補（bǔ）充，提高橋（qiáo）底施工圖像采集（jí）的清晰（xī）度；激光測距儀（yí）可以測量到（dào）圖像拍攝的位置信息，為（wéi）橋梁（liáng）缺（quē）陷定位提供數據基礎。
        2.1.2 橋梁施工圖像預處理
        橋梁施工圖像預處理的方（fāng）法與步驟如下：
        （1）圖像灰度化處理。無（wú）人機采集的彩色圖像蘊含豐富且大量的圖像信息，圖像特征（zhēng）提取與缺陷識別（bié）僅應（yīng）用到灰度信息，圖像灰度化處理後可以減少算法運行所（suǒ）占（zhàn）空間，提高橋梁施工缺陷識別的效率[4]。本文采用加權（quán）平均法轉換圖像的灰度模式，此方法在諸多相（xiàng）關（guān）特征提取實驗（yàn）中取得了優異成果。
        （2）圖像濾波去噪（zào）處理（lǐ）。無（wú）人機采集橋梁（liáng）圖像時受光線、設備性能、不確定因素幹（gàn）擾產生大量噪聲（shēng），影響裂縫缺陷特征提取效果。本文基於均值濾波算法對橋梁（liáng）圖像（xiàng）去噪，該方法優點是運算效率高、濾波器容易實現。
        （3）圖（tú）像增強處理。對采集的橋（qiáo）梁施（shī）工圖像進行灰度與濾波處（chù）理後，圖像的（de）噪聲含量有所減（jiǎn）少（shǎo）。為提高圖像中橋梁缺陷提取精度，需要對圖像實施增強處理進一步優化圖像質量。圖像增強（qiáng）改善圖像質量的同時重在突出圖像邊緣、輪廓等感興趣（qù）區域，強（qiáng）調了圖像對（duì）比度，有助於圖中橋梁裂縫缺陷的識別（bié）檢測。用於增強圖像效果的方法較（jiào）多，此處采用小波變換圖像增強法（fǎ），使用多重小（xiǎo）波函數描述信號（hào），能夠（gòu）對圖像的時頻實（shí）施綜合性解析，優勢是有效抑製圖像噪聲、加強橋（qiáo）梁施工圖（tú）像（xiàng）的細節表（biǎo）達。
        2.2裂縫（féng）缺（quē）陷特征提取與識別
        以預處理完成的橋（qiáo）梁圖像為基礎（chǔ），采用二維OTSU算法分割圖像信息，提取橋梁圖像中的缺陷特征。然後將特征提取結果作為缺陷識別的（de）樣本，構建卷積神經網絡模型對目標缺陷（xiàn）進行分類識別，完（wán）成橋梁施工缺陷的（de）檢測工作[5]。卷積神經網絡模型構建步（bù）驟如（rú）下：
        （1）準（zhǔn）備600幅橋梁（liáng）缺陷圖像作為（wéi）訓練樣本集、150幅橋（qiáo）梁缺陷（xiàn）圖像作為測試樣本集（jí），如圖像數量不（bú）足可（kě）通（tōng）過旋轉、平移等方式擴充圖像庫。圖（tú）像統一像素（sù）、格（gé）式之後標記序號備用（yòng）。
        （2）本次構建的卷積神經網（wǎng）絡模型如（rú）圖1所示（shì）。橋梁（liáng）施工缺陷圖像（xiàng）輸入大小為統一規範，通過（guò）第一次卷積與抽樣操作完成第一次映射，通（tōng）過第二次卷積與抽樣操作完成第（dì）二次（cì）映射（shè）。第一（yī）次特征映射操（cāo）作的圖像數量為4幅，第二次特征映射操作的圖像數量為6幅，全連接層的缺陷結果輸出（chū）類型為4種[6]，分別為混凝土裂縫缺陷、麻麵缺陷、蜂窩缺陷、鏽蝕缺陷。
        
        圖（tú）1 卷積神（shén）經網絡模型結構
          
        （a）預處理前                      （b）預處理後
        圖2 本文（wén）方法預處理效果
        3 實驗驗證與分析
        為驗證本文（wén）提出的（de）橋梁缺陷識別方法可行實（shí）用，以某市政橋梁施工工程為例開展缺陷檢測測（cè）試。本（běn）次測試應用的硬（yìng）件設備包括大疆無人機、5000萬像素的高清（qīng）成像係統、激光測距（jù）儀、LED照明設（shè）備。計算機處理環境如下：Intel Core CPU、主頻2.60 GHz、運行內存（cún）可達8 GB。在橋梁施工現場采集圖像總計（jì）750幅，其（qí）中150幅作為測試集，600幅作為訓練樣本集。卷積神經網絡模型識別橋梁施工缺陷的迭代次數設為150次，每次迭代消耗5s。本次測試中各類型缺陷設置情況與本文方法識別缺陷結果見表1，並以橋梁裂縫缺陷為例展（zhǎn）示了圖像預處理前後的圖像質（zhì）量情況，見圖2。
        表1 本文方（fāng）法（fǎ）缺陷識別與檢測結果
        
        數據顯示，本（běn）文方法識別市（shì）政橋梁缺陷（xiàn）的誤差約在1.70%～4.30%之（zhī）間，識別混凝土裂縫缺陷的效果最佳，識別橋梁混（hún）凝土蜂窩（wō）缺陷的誤差相對（duì）較高。總體而言，本文（wén）方法識別橋梁缺陷的精度均大於95%，滿足了現實橋梁施工對（duì）缺陷檢測精度的要求。
        由圖2可知，經過本文方法與處理前（qián）後（hòu）的圖像質量與清晰度差距顯著，無（wú）人機采集的原始（shǐ）圖像雜色、噪聲較（jiào）多，裂縫特征的邊緣較（jiào）為模糊，影響裂縫特征提取的質量；預處理後的圖像裂縫更為突出（chū），裂縫界限清晰，便（biàn）於精準提取圖像的感興趣區域。
        4結（jié）論
        本文研究的市政橋梁施工缺陷（xiàn）識別方法存在兩項優勢特征：其一，使用無人機搭載高清成（chéng）像係統采集橋梁圖像，采集方式靈活、采集範圍（wéi）較為全麵；其二，構建了卷（juàn）積神經網絡對橋梁缺（quē）陷（xiàn）特（tè）征進行分類，輸出結果可表征4種缺陷類型，通過（guò）預先學習缺陷（xiàn）類型的方式精準識別測試集中的橋（qiáo）梁缺陷並進行分類，滿足了橋（qiáo）梁（liáng）施工的質量檢測需求。實驗結果（guǒ）證明（míng）了此方法（fǎ）識別（bié）橋梁（liáng）缺陷的（de）有效（xiào）性，關於混凝土蜂窩缺陷識（shí）別能力相對較弱的問題，未來可（kě）進一步加強探索研究，有針對性的改進卷積神經（jīng）網絡構建性能，全方位優化（huà）市政橋梁施工缺陷識別效果。