橋梁是保證道路通暢的重要因素之一,近幾年隨著交通網絡覆蓋領域增大,受地形(xíng)及地域因素的影響,各式公路橋梁的數目也逐漸增多(duō);橋梁交通流量的增加對橋梁狀態的(de)實時性監(jiān)測的需求頗為迫切,橋梁的養護計劃也依托檢測(cè)出的狀態加以(yǐ)確定。
橋梁外觀的檢測(cè)主要涉及橋麵的鋪裝、防撞護欄、上部(bù)的橋梁結構及下部的橋墩橋(qiáo)台(tái)等。而(ér)橋梁養護(hù)多以橋梁的外觀檢測為基礎,並貫穿於整個運營期。例如橋梁檢測人員通過目測橋梁表麵的凹坑、麻麵(miàn)等來判(pàn)斷是否需要進行養護(hù),並且采(cǎi)取(qǔ)何種力(lì)度的處治方式;利用簡單儀器檢測橋麵是(shì)否發(fā)生超過安全限度的位移等。這些(xiē)傳統(tǒng)的橋梁外觀檢測(cè)方法需要大量技術人(rén)員參與,成本較高、實時性差,且(qiě)檢測時會對交通產生一定的阻礙。2007年8月1日I-35W密西(xī)西(xī)比大橋曾發生由於養護不足而突然(rán)坍塌的事故,由此可見,養護工作在橋梁服(fú)役周(zhōu)期(qī)內至關(guān)重要,故亟需研發出可實時且準確檢測橋梁外觀(guān)的新技術。
近年來,計算機技術的突飛猛進使得圖像識別再次進入大(dà)眾的視野,也給各(gè)行業研究人員新的啟發,圖像識別在醫學、航天等領域的成功應用更增添了人們的信心。本文在傳統橋梁外觀檢測方法的基礎上,提(tí)出基於圖像識別的外觀(guān)檢測新技術,將會有效推動公(gōng)路(lù)橋梁(liáng)檢測技術的進(jìn)步。
常用外觀檢測技術(shù)之優劣(liè)
目測(cè)是傳統橋(qiáo)梁外觀檢測常用的方法。該(gāi)方法對承擔該項任務的人員的知識經驗要求較高,需要政府投入較多的人力及資金,而且檢測作業(yè)的安(ān)全難以受到保障。受橋梁結構的影響,人(rén)工(gōng)檢測的盲區較多,例如裂縫通常分為顯性(xìng)與隱(yǐn)形,由於觀測隱形裂縫比較困難,會使技(jì)術(shù)人員忽視對該部分的養護工(gōng)作,從而給橋梁(liáng)安全(quán)埋下隱患。橋梁檢測(cè)車也在橋梁檢(jiǎn)測(cè)過程中發揮(huī)一定作用,但因受市場範(fàn)圍的(de)限製,目前對其研究投入較少,對它的使用壽(shòu)命亦無明確的規定(dìng),導(dǎo)致企業對橋梁檢測車的維護不(bú)夠充分,在實際檢測作業中易發生事故;因其體積較大,當其作業(yè)時需要封閉部(bù)分交通;此外,由於結構設(shè)計的影響,它(tā)檢測時也存在較大盲區。GPS技術則主要用於橋梁外觀檢測中的變形檢測(cè),但(dàn)受限於其(qí)精度,無法(fǎ)捕捉一些間(jiān)隔較短的形(xíng)變信息;而光纖傳感器易受環境因素的影響,難以實現(xiàn)長期監測。
隨(suí)著近(jìn)幾年攝像機精度的大幅提升,對激光雷達等儀器設備(bèi)的研究不(bú)斷深入(rù),橋梁檢測中(zhōng)出現了無損檢測,並開始在此方向(xiàng)上繼續(xù)探索。無損(sǔn)檢測,顧名思義即在進(jìn)行檢測工作時並未對被檢物(wù)體造成損(sǔn)傷,目前所適用的主要設備為激(jī)光雷達、傳感(gǎn)器及超聲波等,本文所介紹的(de)圖(tú)像檢測(cè)亦(yì)屬此列(liè)。當攝像機進行檢測時無(wú)須接觸橋梁,更不會對橋梁造成(chéng)損傷,且無必要根據不同的(de)檢測內容更換相(xiàng)機設備。而激光雷達一般隻在橋梁的厚度或密度檢測時才能(néng)發揮良好的效果;由於道(dào)路橋梁環境複(fù)雜(zá),超(chāo)聲(shēng)波檢測出的結果易受幹擾,致使結果不準確或難以分析;傳感器檢測技術則對與之配合使用的轉換裝置提出較高要求。
圖1 正在(zài)實施檢測的(de)橋梁檢測車
異軍(jun1)突起的圖像檢(jiǎn)測
近年來智能檢測技術得到不斷發展,與傳統檢測方法的最大差異在於,本文所述的圖像檢測技術可以實施無(wú)接觸(chù)檢測,在(zài)檢查裂縫及變形時未破壞部分橋(qiáo)梁的結構;而與其他無損檢測法相比,該方法適用於各種材質,降低了(le)投資成本。實時(shí)性(xìng)強的圖像檢測的原(yuán)理是利用圖像處理與模式識別等領域的理論(lùn)和方法,借助各種視覺傳感器采集(jí)數據檢測出圖像中存在的目(mù)標對象,並通過有線和無線傳輸的方(fāng)式送(sòng)至算(suàn)法端。軟件算法部分在完成了相機標(biāo)定後依靠內置各種(zhǒng)算法(fǎ)對數據進行(háng)處理,確定這些目標對象的語義類別(bié),並標定出目標對象在圖像中的位置或識別其特征,從而實現對橋梁的檢測。圖像檢測技術具有(yǒu)省時高效、性價比高(gāo)、檢測盲區(qū)少且準確性高的優點,已逐步(bù)應用於各行(háng)各業中。
目前常(cháng)用於工業中的攝像機有單目、雙目及單反三種類型,圖像技術首先利用(yòng)攝像機采集(jí)橋梁外觀圖像,並建(jiàn)立串聯的相機網絡,將相機采集到的圖像信息利用有線或無(wú)線傳遞(dì)到雲端。而人為檢測的主觀性較大,不同的技術人員(yuán)針對(duì)同(tóng)一個圖形得到的信息結果會存有差異,不(bú)利於對橋梁結構狀態(tài)進行準確評估。各種圖(tú)像處理方法為橋梁病害的測定打開了新思路,通過對相機進行標定,然後依據圖像信息將橋梁部分結構(gòu)外觀(guān)重建三維模型。針對不同問(wèn)題采(cǎi)用不(bú)同算法進(jìn)行特征檢測,並與正常狀況下的特征進(jìn)行匹配,進而得出需檢測部位的特征狀態,達(dá)到圖像檢測(cè)的效果(guǒ),其具體流程原理如(rú)圖2所示。硬件設備(bèi)相機的類型根據實(shí)際檢測的內容及檢測位置加以選擇,對其(qí)精度亦提出較高要求,若精度偏低則會(huì)導致所得到的圖像信息提取困難,而選取合(hé)適的相機標定方法也至關(guān)重要。
圖2 圖像法檢測橋(qiáo)梁外觀原(yuán)理圖
工程實際應用
因目前橋梁多為鋼筋混凝土材質,較易出現裂縫,且橋梁裂縫檢測中所用的裂縫邊緣檢測、閾值(zhí)分割、圖像噪聲處理、裂縫鏈(liàn)接等精細化處理及算法,也是用圖像識別技(jì)術進行檢測的核心部分,故(gù)本文(wén)以橋梁裂縫檢(jiǎn)測為例,對該項新技術加以探討。微小的裂縫在短時間內對橋梁的安全性影響(xiǎng)不大,但裂縫(féng)具有延展性,若不及時對其進(jìn)行養護,隨著時(shí)間推(tuī)移裂縫會逐(zhú)漸(jiàn)增大,進而危害橋梁行車安全。另外傳統檢測方法存在盲區,部分橋梁的結構狀態難於觀測,極易(yì)埋下安全隱患。根據使用(yòng)圖像技術開展橋梁裂縫檢測的流程(如圖(tú)4所示),首先利用高精度攝像機獲取橋梁各部分表麵圖像,通過閾值分割識別、邊緣檢測識別、種子遊走識別、基(jī)於頻域的(de)橋(qiáo)梁裂縫識別或基於(yú)卷積神經(jīng)網絡的識別等(děng)算法(fǎ),檢測出圖像中的裂縫輪廓(kuò)。隨(suí)後(hòu)擬合出裂縫的邊緣線,進而計算出裂縫的周長、麵積和寬度。相關(guān)技術人員將以此為依(yī)據,將裂縫寬度等數據(jù)與養護(hù)標準進行對照,從而有針對性地製定出準確合理的養(yǎng)護計(jì)劃。
圖3 實時采(cǎi)集橋梁表麵圖像信息
圖4 橋梁裂縫檢測圖像法流程圖
多方法融合的橋梁裂縫識別模式
基於圖像識別及深度學習(xí)技術,可實現橋梁及結構外觀損傷的遠距離、自動掃(sǎo)描、裂縫群識別和數字(zì)化(huà)重構等功能。結合橋梁(liáng)及結構BIM全息(xī)模型和智能養(yǎng)護管(guǎn)理係(xì)統(tǒng),則可實現其(qí)外觀損傷的(de)自(zì)動(dòng)檢測、分析及評估,有效解決高橋墩、橋塔(tǎ)以及其他不可及部位外觀損傷難以檢測的難(nán)題(tí)。
卷積神經網絡已(yǐ)在多(duō)個行業(yè)得以應用,並以其較高(gāo)的識別準確(què)率在圖像識別領域頗受推崇。卷積神經網絡首先需要大量橋梁外觀圖片數據集進行訓練,在此基礎上再對圖像或視頻檢測,根(gēn)據裂縫與其周(zhōu)圍位置的像素點差異,來識別圖像中的(de)裂縫特征點。然後(hòu)將有裂縫的(de)圖片分揀出來,並按照其特征加以分類,極大縮短了工作人員確定裂縫養護方法的時間。典(diǎn)型(xíng)卷積神經網絡模型如圖5所(suǒ)示。運用卷積神經網絡進行裂縫檢測,具有(yǒu)精(jīng)度與效率較高(gāo)、成本低、使檢測人員避免危險作業等優點。依托龐大的攝像機圖像數據資源,卷積神經網絡可實(shí)現對橋梁裂(liè)縫的實時性檢(jiǎn)測,提高橋梁養護的效率。
圖5 橋梁裂縫檢測識別典型卷積網絡結構
由於橋梁(liáng)表麵粗糙及受噪聲的影響(xiǎng),圖像中的裂縫易混在複雜背景中難以被(bèi)發現。而頻域識別則主要利用傅裏(lǐ)葉變換將時域圖轉變(biàn)為頻率圖,通過濾波的方式(shì)根據噪(zào)聲等因(yīn)素設定(dìng)頻率的閾值,過濾掉不符合條件的(de)頻率,隨後進行反變換(huàn)重新得到時域圖像,此時可采用降(jiàng)低裂縫所處環(huán)境的複雜度的方法,將裂縫凸(tū)顯出(chū)來。種子遊(yóu)走檢測法需要在圖(tú)像(xiàng)上規定位置隨機但(dàn)數(shù)目確定(dìng)的一定量種子,將圖像看成(chéng)包含“坑點”與“凹點”的路麵,設定一定(dìng)的規則讓所有的種子都處於坑或凹形中(zhōng),記錄它們的像素值後進行二值化處理,之後再(zài)通過實行噪聲處(chù)理及裂縫像素增長,最終獲得圖(tú)像中的裂縫特征。邊緣檢測識別法則將采集到(dào)的圖像先進行灰度化處理,再(zài)利用裂(liè)縫邊緣的像素與周圍環境的像素值(zhí)的明顯差異,提取出裂縫特征。
橋梁檢測新技術的(de)蓬勃發展
目前橋梁(liáng)正向大型化、空間化方向發展,對橋梁的各種性能要求也在逐步(bù)提升。橋梁建設周期(qī)較短,但(dàn)其運營期內的養護卻是個長期的過程。因橋梁傳統的維護(hù)方法存(cún)在較多缺陷,隨著近年來(lái)計算機技術的(de)突(tū)飛猛進,各行各業開始跨界融合,給予相關研究人(rén)員很大的啟發,促使他們深耕於橋梁檢測技術(shù)領域(yù),湧現了一批創新技術並得到推廣應用。此外,隨著大型橋梁的相繼湧現(xiàn),橋梁的高度也(yě)在不斷增加,特別在一些多風地區,橋(qiáo)梁(liáng)經常會受到較大風力的衝擊,故對其實時(shí)性監測至關重要。
針對橋梁外觀檢測,可采用無人機搭載高精(jīng)度攝像頭進行圖像采集,以無(wú)人(rén)機平台為基礎搭建橋梁外觀檢測係統,實現對其外觀表麵的自動掃(sǎo)描、圖像識別、表(biǎo)麵損傷自動判斷等功(gōng)能。某高校科研團隊為滬蘇通長江大橋設立了塔(tǎ)梁變形檢測係統,可實時監測塔梁的變(biàn)形情況,便於對塔梁實(shí)施養護,提高其(qí)使用壽命與橋梁的安全性;他們在婁底至雙峰路段的橋梁,通過機器(qì)視覺係統與振動分析相結合的方法來檢測(cè)大橋的損傷點及荷載;他們還在機器視覺與卷積神經網絡算法的基礎上,對橋梁支座病害進行實時性研究,並結合圖像對病害加以預測,為養護人員製定養護計劃提(tí)供科學依(yī)據等。
與傳(chuán)統的橋梁外觀檢測(cè)方法相比,本文所介紹的圖像識(shí)別法具(jù)有實時性強、易(yì)於識別(bié)損傷等優點(diǎn),它代表了橋梁檢測方法的(de)發展方向,對於橋梁病害的檢測有著重要的現實(shí)意義。
本文刊載 / 《大橋養護與運(yùn)營》雜(zá)誌
2021年 第(dì)4期 總第16期(qī)
作(zuò)者 / 韓毅 王(wáng)司宇 趙煜等
作者單位 / 長安大學