基于紅外熱成像的朔黃鐵路隧道襯砌滲漏水檢測技術

馬學志 段培勇 李健超

中國鐵道科學研究院集團有限公司鐵道建筑研究所，北京 100081

朔黃（朔州—黃驊）鐵路是我國西煤東運第二大通道和國家能源集團礦石、鐵路、港口、電力、航運、石油一體化工程的重要組成部分，在全國路網中占有重要地位，對加快沿線地方經濟發展，保證華東、東南沿海地區的能源供應，擴大我國煤炭出口能力具有極其重要的戰略意義。朔黃線路全長598 km，屬國家Ⅰ級干線雙線電氣化重載鐵路［1］。建成至今已經安全運營20余年。

朔黃鐵路共有隧道77座，總長度達66.3 km。但隨著服役年限的增長、沿線地質條件多變等多種因素的影響，多座隧道出現不同程度、不同類型病害，其中隧道襯砌滲漏水是較常見的病害類型［2］。隧道襯砌滲漏水會對襯砌結構造成直接損害，減少隧道使用壽命，還可能影響接觸網供電。如果結冰，還可能侵入隧道建筑限界，嚴重威脅行車安全［3］。因此，對隧道襯砌滲漏水進行快速有效檢測和治理十分必要。本文通過處理紅外相機采集到的隧道襯砌圖像，分析滲漏水在紅外圖像中的特征信息，自動檢測出圖像中的滲漏水，為隧道精準維修提供依據。

1 隧道襯砌滲漏水檢測現狀

隧道襯砌滲漏水主要是由圍巖地下水、地表水等水源以滲漏、涌入等不同形式通過隧道襯砌、施工縫等非預期路徑進入隧道所致［4］。國內外學者一直在研究隧道襯砌滲漏水無損檢測方法，目前主要有人工目視檢查、分布式光纖測溫檢測、地質雷達檢測、紅外熱成像檢測等方法。

人工目視檢查是目前鐵路系統最常用的滲漏水檢查方法。利用作業天窗進入隧道，通過肉眼觀察檢查，記錄隧道襯砌滲漏水情況。該方法比較依賴作業人員經驗，不同人員的檢查結果可能存在差異，且每次作業前需申請天窗，程序復雜，作業時間有限，效率低下。

分布式光纖測溫檢測需在待檢測區域預先鋪設光纖，通過光纖周圍溫度變化來確認是否存在滲漏水情況。若某區域存在嚴重滲漏水，該處光纖溫度會產生較大變化［5］。因需預先鋪設光纖施工難度較大，成本較高，適合于重點區域長期監測，不適合全線范圍內隧道檢測。

地質雷達檢測是目前工程上常用的滲漏水檢測方法。其主要原理是依據電磁波在介質中的傳播特性，當電磁波遇到不均勻體（界面）時會發生反射。反射系數由介質的相對介電常數決定［6］。含有滲漏水的隧道襯砌和正常隧道襯砌相比，相對介電常數會高出許多，電磁波會發生反射。接收天線接收后，對反射信號進行處理即可檢測出隧道襯砌中的滲漏水。地質雷達檢測要求雷達距離隧道襯砌足夠近（厘米級），故每次檢測前需讓接觸網斷電，否則難以保證人員及設備安全，且檢測過程中為保證數據質量速度不能過快，通常不超過5 km/h，效率較低。

紅外熱成像檢測是依據各種介質的熱輻射強度不同來區分含有滲漏水的隧道襯砌和正常隧道襯砌［7-8］。該方法檢測范圍廣，紅外熱成像儀在檢測車上合理布局可使相機視野覆蓋隧道全斷面，不留檢測死角，檢測效率高，非接觸式檢測，無需讓接觸網停電，甚至無需單獨申請作業天窗，可在檢測車正常行駛過程中同步檢測。可見，與其他檢測方法相比，紅外熱成像檢測優勢明顯。

2 紅外熱成像檢測原理

自然界物體內分子存在熱運動，所有物體溫度都大于絕對零度，并時刻以電磁波形式向外界輻射能量［9-10］。波長涉及紫外光、可見光、紅外光等不同光區，但主要集中在0.8~15.0μm的紅外光區［11-12］。物體向外輻射電磁波的波長λ與物體表面溫度T成反比，即λT=c。式中，c為維恩位移常量。λ-T關系曲線見圖1。可見，遠紅外波段物體表面溫度在-79.96~209.82℃，基本涵蓋正常情況下鐵路隧道內結構物溫度，因此采用紅外熱成像技術檢測隧道襯砌滲漏水可行。

圖1 λ-T的關系曲線

與隧道襯砌混凝土相比，水的比熱容較大，水溫不易受外界環境溫度影響，且滲漏水蒸發時吸收周圍熱量。這些原因會使滲漏水處隧道襯砌溫度比正常隧道襯砌低，因此可通過測量紅外輻射能量計算該區域隧道襯砌的溫度。通過對比溫差檢測出隧道中滲漏水位置。

紅外熱成像原理見圖2。紅外熱成像系統由紅外線探測器、光學成像物鏡等光學元件接收被測目標的紅外輻射能量，并將其匯聚到焦平面探測器上［13］。焦平面探測器完成光電轉換，產生電信號，再經過放大和數字化處理即可生成被測目標的紅外熱成像圖。

圖2 紅外熱成像原理

3 紅外熱成像圖處理算法

紅外熱成像儀測溫范圍在-20~150℃，測溫靈敏度0.1℃。紅外探測器敏感材料為氧化釩，可測波長在8~14μm，圖像分辨率為384×288。將紅外熱成像儀安裝在試驗軌道車上，使之直視隧道壁，軌道車以20 km/h速度前行，紅外熱成像儀持續采集并保存隧道圖像。

紅外熱成像圖處理流程如圖3所示。

圖3 紅外熱成像圖處理流程

為減少圖像數據量，提升運算效率，首先將彩色紅外熱成像圖轉換成灰度圖。灰度圖中顏色深淺程度可表示檢測區域表面溫度的高低。顏色越深表示溫度越低，顏色越淺表示溫度越高。朔黃線路一隧道滲漏水處紅外灰度圖見圖4。

圖4 紅外灰度圖

為保證檢測結果的準確性，對紅外灰度圖進行高斯濾波［14-15］，降低噪聲對圖像質量的影響。高斯濾波是一種線性平滑濾波，對整張圖像的灰度值進行加權平均計算。每個像素點的灰度值均由其本身及其鄰域像素點的灰度值加權平均得到，故能夠有效抑制圖像高斯噪聲，平滑圖像。

使用灰度直方圖（圖5）確定濾波后圖像灰度值的分布情況。圖中兩個峰值位置即為含滲漏水的隧道襯砌（左）和正常隧道襯砌（右）中出現頻次最多的灰度值，將兩峰值之間最小值作為該圖像最優二值化閾值。依據不同圖像的灰度直方圖計算最優二值化閾值可避免因單一固定閾值將含有滲漏水的襯砌歸為正常襯砌，或將正常襯砌歸為含有滲漏水的襯砌。依據最優二值化閾值進行二值化處理，結果見圖6。

圖5 灰度直方圖

圖6 二值化處理后的圖像

采用prewitt算子［16-17］對二值化處理后的圖像進行邊緣檢測。prewitt算子是一種一階微分算子的邊緣檢測算法，計算當前像素點與上下、左右近鄰點的灰度差。若像素點處于邊緣位置，其灰度差便會達到極值，去掉部分偽邊緣，進而尋找到圖像中的邊緣位置。具體操作過程是在圖像中利用兩個方向模板對圖像進行鄰域卷積，兩個模板一個檢測水平邊緣，一個檢測垂直邊緣。應用prewitt算子可準確檢測出圖像中滲漏水位置，再配合形態學閉運算、連通域標記等圖像處理方法，即可檢測出準確的滲漏水位置。根據熱成像儀焦距、物距等信息，可計算圖像像素精度，進而計算得到滲漏水實際面積。

4 工程應用

分別采用人工檢測和紅外熱成像檢測兩種方法對朔黃鐵路5座隧道進行滲漏水檢測。人工共檢測出18處滲漏水（表1），再通過紅外熱成像檢測復測，18處滲漏水全部被檢測出，且紅外熱成像檢測計算所得滲漏水區域面積與人工現場實測面積的誤差最大為16%。

表1 朔黃鐵路部分隧道滲漏水檢測結果

5 結語

本文對比分析了目前常用的隧道襯砌滲漏水檢測方法，介紹了紅外熱成像檢測的基本原理，設計了紅外熱成像圖處理算法。在朔黃鐵路5座隧道中的檢測實踐表明，紅外熱成像檢測不但能夠快速、準確地檢測出滲漏水位置，而且能夠自動計算出滲漏水區域面積，便于施工人員現場處理。