隧道裂縫自動識別性能影響因素研究*

段中興， 周 建， 陳 勝， 裴 可

(西安建筑科技大學 信息與控制工程學院，陜西 西安 710055)

?

隧道裂縫自動識別性能影響因素研究*

段中興， 周 建， 陳 勝， 裴 可

(西安建筑科技大學 信息與控制工程學院，陜西 西安 710055)

在室內環境下，利用混泥土試驗模塊，設計一種基于互補金屬氧化物半導體(CMOS)傳感器件的裝置來進行隧道裂縫自動識別試驗。將裂縫圖像灰度值分布作為衡量自動識別的重要指標，分析有效像素、檢測距離、光照強度等因素對自動檢測性能的影響。模擬試驗結果表明：有效像素和檢測距離對圖像分布的特征影響不大；有效像素增大，檢測距離減小，相應的檢測性能增加；光照強度不僅對裂縫圖像灰度分布特征影響大，對自動檢測性能也有顯著的影響，光照強度過高或過低都會影響檢測性能。

隧道裂縫； 互補金屬氧化物半導體傳感器； 自動識別； 檢測性能

0 引 言

隧道裂縫檢測和識別一直都是我國隧道裂縫治理和維護的一個難題。目前檢測裂縫的方法主要有超聲波檢測法、沖擊彈性波檢測法、光纖傳感檢測法以及圖像處理檢測方法[1，2]。

目前對裂縫裝置檢測性能的具體實驗研究還較為缺乏。針對這一不足之處，本文設計一種基于互補金屬氧化物半導體(CMOS)傳感器件的裂縫識別檢測裝置[3]。本文在室內的環境中，選取一塊含有裂縫的混凝土模型，模擬不同情況下的隧道檢測，分析光照強度、檢測的距離、有效像素等因素對隧道裂縫檢測的影響規律。該實驗分析結果可為我國研究高效的自動檢測隧道裂縫車提供參考和理論的依據[4～6]。

1 裂縫檢測試驗系統設計

1.1 試驗設備

要完成通過計算機來進行裂縫的處理和判斷，必須對圖像采集，LED光源燈可以給足夠的光源，利用CMOS傳感器件進行圖像的采集，而自身的A/D轉換功能可以將圖像的信息轉變成數字信號。再通過處理器將這些信號通過運算來提取隧道裂縫的位置、走向、長度、寬度等特征參數。通過對這些特征值得分析和處理，就可以得到影響裂縫自動檢測的因子了，裂縫自動檢測的系統圖如圖1所示。

圖1中CMOS傳感器件可以以一定的角度旋轉。移動支架可以以6 km/h的速度移動，LED光源具有很強的光照強度，且分布均勻。

圖1 裂縫自動檢測系統圖Fig 1 Crack automatic detecting system

1.2 試驗模型和工況

在本試驗中截取長、寬、高分別為30,20,10 cm的含有裂縫的試驗樣塊，圖2區域表示采集的裂縫圖像信息，選取長、寬分別為8,8 cm的區域進行裂縫的自動識別的影響因素分析。

圖2 試驗圖像分析區域Fig 2 Test image analysis area

選取了光照強度、檢測的距離、檢測的速度、有效的像素3種影響因子，總共進行52組試驗，每一組試驗中有3個試驗，選取了其中具有代表性的9組試驗數據來分析，具體的試驗情況如表1所示。

表1 檢測試驗工況

1.3 試驗步驟

在室內環境下，圖3顯示了裂縫自動檢測的示意圖，通過移動支架的移動使得CMOS傳感器件移動來采集裂縫的圖像信息，利用處理器來提取裂縫的特征值。

圖3 試驗步驟示意圖Fig 3 Test procedure diagram

具體的步驟如下：

1)利用光照度表測量，選取4,6,8 klux三種不同的光照強度，分析不同的光照強度對裂縫檢測試驗的影響效果。

2)將模塊和移動支架之間的距離分別調整為1.0,1.5,2.0 m，并在不同的距離下對裂縫的特征值進行采集，分析不同的距離對裂縫灰度值的影響。

3)將CMOS傳感器件的像素分別調到1 024,2 048,4 096 pixel時，并在不同像素的時候對裂縫特征值進行提取。此時模擬在不同像素的情況下的裂縫試驗。

2 裂縫特征分析與檢測性能評價

2.1 隧道裂縫特征分析[7～11]

1)非負性：裂縫圖像具有一個很大的特征——非負特征，圖像的灰度值比背景的灰度值低

(1)

k={1,2,…,m×n}

(2)

2)對比度：裂縫圖像與非裂縫圖像有著很強的對比度C為

(3)

式中 Vb為連續的裂縫區域灰度平均值；Va則表示非裂縫區域的均值，Vmax則表示為最大值，Vmin為最小值；N為鄰域非裂縫區域像素個數。

3)灰度共生矩陣:裂縫圖像在一定區域內是連續的而且相近，可以將裂縫的這種特征描述相似性分布的共生矩陣特征

(4)

式中 i，j為像素坐標；p(i,j)為一定區域的灰度共生矩陣，若p(i,j)中小的元素接近矩陣主對角線，則表明該窗口中的近鄰元素有較大的反差，也就是說存在裂縫。

圖像的灰度特征是評價隧道自動檢測性能的一個重要指標，灰度的分布對裂縫的提取和檢測都有著直接的影響。因而可以利用灰度特征來描述在不同的情況下，影響裂縫自動檢測性能的不同影響規律。

2.2 檢測性能分析

2.2.1 光照強度

為了檢測光照強度對自動檢測性能的影響，利用光照度表測量。圖4是在1.5m,2048pixel勻速的情況下采集的裂縫圖像。

圖4 不同光照強度下的裂縫圖像Fig 4 Cracks image under different light intensities

由圖5可以看出在三種不同的光照強度下波形灰度的最大值分別為127，121，116。而波形灰度的最小值分別為34，23，18。可以得出結論，隨著光照強度增強，圖像的灰度值也增大，不同的光照強度對像素灰度的特征分布有著很大的影響。

圖5 不同光照強度下的像素灰度分布Fig 5 Pixel gray distribution under different light intensities

2.2.2檢測距離

檢測距離影響CMOS器件的光學分辨率，為了總結模型和移動設備之間距離對自動檢測性能的影響，將模塊和移動支架之間的距離分別調整為1.0,1.5,2.0 m，并采集此時的裂縫圖像信息，圖6是在4 klux,2 048 pixel,勻速的情況下采集的裂縫圖像。

圖6 不同檢測距離下的裂縫圖像Fig 6 Crack image under different detection distance

由圖7可以看出在三種不同的檢測距離下波形灰度的最大值分別為122，121，119。而波形灰度的最小值分別為22，21，20。可以得出結論，隨著檢測距離的增大，圖像的灰度值變化不大，幾乎沒有變化，不同的檢測距離對對像素灰度的特征分布的影響作用不大。

圖7 不同檢測距離下的像素灰度分布Fig 7 Pixel gray distribution under different detection distance

2.2.3 有效像素

有效像素是CMOS傳感器件的一個重要參數，它表示光學儀器在光敏區域的參與成像的像素，它對光學儀器的分辨率有著巨大的影響，因此對有效像素的試驗分析是非常必要的。圖8是在4 klux,1.7 m/s,1.5 m情況下采集的裂縫圖像。

圖8 不同有效像素下的裂縫圖像Fig 8 Cracks image under different effective pixels

由圖9可以看出:在3種不同的有效像素下波形灰度的最大值分別為121，120，119。而波形灰度的最小值分別為20，19，18，不同的檢測速度對對像素灰度的特征分布影響不大。

圖9 不同有效像素下的像素灰度分布Fig 9 Pixel gray distribution under different effective pixels

3 結 論

本文利用在室內進行了隧道裂縫自動識別的實驗研究，將裂縫灰度值和測量的相對誤差作為評價裂縫自動識別的定量標準。分析了有效像素、檢測距離、光照強度等因素對裂縫隧道自動識別的影響規律并得出結論：

1)在裂縫圖像沿裂縫寬度方向上的灰度值曲線表明，波谷的顯現出來的特征能表明裂縫區域與背景區域的差別，波谷區域特征越是顯著，則其余背景的區別越大，對裂縫的自動識別更加有利。

2)光照強度的增加對裂縫像素的分布有著很大的影響，光照強度越大，圖像的灰度值也會相應的增大；有效像素，檢測距離對裂縫像素的灰度分布影響不大。但是這兩個因子也影響裂縫的檢測性能，隨著有效像素的增大，檢測距離的縮短，灰度的分布增大，檢測性能相對的增加。本次實驗的研究成果可以為我國隧道裂縫自動檢測車的研制提供參考依據。

[1] 楊 帆.數字圖像處理與分析[M].北京:北京航空航天大學出版社，2007：207-242.[2] Cheng H D,Chen J R.Novel approach to pavement cracking detection based on ruzzy set theory[J].Journal of Computing in Civil Engineering,ASCE,1999,13(4):270-280.

[3] Blankfin系列DSP原理與設計 [M]. 2版. 北京:電子工業出版社，2010.

[4] 章秀華，洪漢玉，侯 佳，等.路面破損圖像實時檢測方法研究[J].電子設計工程，2009,17(6):36-37.

[5] 張 娟，沙愛民，孫朝云.路面裂縫自動識別的圖像增強技術[J].中外公路，2009,29(4):304-305.

[6] Kopparapu S K. Lighting design for machine vision applica-tion[J].Image and Vision Computing，2006,24(7):720-726.

[7] 宋蓓蓓，韋 娜.FCM分割和形態學的瀝青路面圖像裂縫提取[J].計算機工程與應用,2013,49(4):31-34.

[8] 于泳波，李萬恒，張勁泉，等.基于圖像連通域的橋梁裂縫提取方法[J].公路交通科技，2011，28(7):90-93.

[9] 儲江偉，初秀民，王榮本，等.瀝青路面破損圖像特征提取方法研究[J].中國圖象圖形學報，2003,16(3):11-14.

[10] 王平讓，黃宏偉，薛亞東.基于圖像局部網格特征的隧道襯砌裂縫自動識別[J].巖石力學與工程學報，2012,31(5):991-999.

[11] 耿 飛，錢春香.圖像分析技術在混凝土塑性收縮裂縫定量測試與評價中的應用研究[J].東南大學學報:自然科學版，2003,33(6):773-776.

設計與制造

Study of factors affecting automatic identification performance of cracks in tunnel*

DUAN Zhong-xing, ZHOU Jian, CHEN Sheng, PEI Ke

(School of Information and Control Engineering,Xi’an University of Architecture and Technology，Xi’an 710055,China)

In indoor environment,using concrete test module,design a device based on CMOS sensor to automatically identify cracks in tunnel test.Crack image gray value distribution is regarded as an important indicator for automatic recognition.Analyze effective pixels,testing effect of distance,light intensity and other factors on automatic detection performance.Simulation results show that the effective pixel and detection distance have little effect on features of image distribution. Effective pixels is increased,detecting distance is reduced,corresponding detecting performance is increased;light intensity not only has great impact on fracture image gray distribution feature,but also has a significant impact on automatic detection performance,too high or too low light intensity will affect detecting performance.

cracks in tunnel;complementary metal-oxide-semiconductor(CMOS) sensor; automatic identificating; detection performance

2016—01—04

國家自然科學基金資助項目(50575168);陜西省教育廳自然科學專項基金資助項目(07JK281)

10.13873/J.1000—9787(2016)10—0060—03

U 451

A

1000—9787(2016)10—0060—03

段中興(1969-)，男,湖南茶陵人,教授,博士生導師，從事智能信息處理與智能控制，建筑環境控制與節能優化等研究工作。