橋梁裂縫病害自動識別算法研究

王 超

(遼寧省交通規(guī)劃設計院有限責任公司技術研發(fā)中心,遼寧 沈陽 110111)

1 概 述

隨著我國國民經濟的發(fā)展,交通運輸也得到了突飛猛進的發(fā)展,橋梁數量不斷增加,截至2021年末,全國公路橋梁83.25萬座、總長度73 802.1 km;其中,遼寧省公路橋梁達到4.99萬座、累計長度2 045.7 km。在道路橋梁快速建設和發(fā)展的過程中,由于客觀因素和人為因素的影響,出現了一些問題:路橋運營中超限超載造成設施疲勞老化;自然災害造成橋梁損傷;橋梁自然劣化等。無論是什么樣的問題導致道路橋梁出現安全事故,帶來的損失都是無法估量的。為了確保橋梁完好,預防重大橋梁安全事件的發(fā)生,需要做好橋梁檢測工作,找準問題,采取必要措施,排除大橋安全隱患。

如何提高橋梁檢測的效率一直是橋梁人努力的方向:在實際的橋梁檢測工程中,從最初的人工肉眼觀測,到使用橋梁檢測車,再到各種結構的無損檢測,都是在實際的應用與實踐中,逐步地發(fā)現問題,探究對策,最后提出新方法、新思路提高橋梁檢測的效率和專業(yè)化程度。現階段橋梁檢查工作存在如下的問題:公路橋梁的檢測大多通過人工觀測,這種靠肉眼觀測和借助工具測量的方法效率低且無法保證檢測結果的可靠性,已遠遠不能滿足現代化質量檢測的標準,急需可以提升作業(yè)效率和檢查質量的檢測手段和設備。

機器視覺(MachineVision),用計算機來模擬人的視覺功能,從圖像中提取信息,進行處理,多用于檢測、測量和控制。機器視覺因具有的高精度、不需接觸被測物體表面和高可靠性等特點,在國內外工業(yè)領域應用十分廣泛,在土木工程行業(yè),機器視覺技術也慢慢開始使用。課題組基于機器視覺技術,利用單反相機、兩軸電動云臺等設備集成了橋梁表觀病害自動采集系統(tǒng)。

根據統(tǒng)計結果可知,對結構影響較大的裂縫接近病害數量的1/10,是橋梁中最主要的病害之一,而且裂縫產生后,鋼筋銹蝕等病害也會緊隨其后。高寒地區(qū)為了保持道路暢通,在雪天會通過撒鹽等方式進行除雪,帶有氯離子的溶液會滲入到混凝土的孔隙中,與鋼筋接觸,加速鋼筋銹蝕,橋梁整體強度下降。另據統(tǒng)計,我國混凝土橋梁的病害有80%以上都是由裂縫造成的。因此,對橋梁的健康檢測主要是對橋梁表觀裂縫進行檢測與測量錯誤[1]。開展針對裂縫的自動識別算法的研究工作,是橋梁檢測效率提升、檢測質量提升的重頭戲。

2 裂縫病害識別算法

為了提高識別效率,在保證圖像質量的前提下對圖像進行縮放處理。常用的影像縮放方法主要有最鄰近插值、雙線性插值、雙立方插值等。雙線性插值縮放后畫質較高,克服了灰階不連續(xù)等不足,所以使用雙線性插值法對原始尺寸圖像進行縮小,并在識別結束后使用該方法對圖像進行放大。

縮放后的圖像進行病害識別前,還需要進行一系列的預處理,包括灰階轉換、數據增強、數據濾波等環(huán)節(jié)。

因為采集到的圖像為彩色圖像,為了方便后續(xù)辨識處理,先將影像灰度轉換,使用心理學灰度公式,對彩色圖像的B(藍)、G(綠)、R(紅)三個通道使用不同權值進行加權計算,得到對應的灰度值,如公式(1)

Gray=0.30·R+0.59·G+0.11·B

(1)

由于裂縫區(qū)域相對橋體面積較小,為了突出病害區(qū)域,對灰度圖進行圖像增強,以增強系統(tǒng)判讀和識別效果。為了凸顯出圖像中的裂縫區(qū)域,本系統(tǒng)使用直方圖均衡化的方法增強圖像的對比度。直方圖均衡化通常用來增加圖像的全局對比度錯誤[2],特別是當圖像中有興趣灰度值比較接近時,通過這種方法可以在直方圖上更好地分布亮度。這樣就可以在不影響整體對比度的情況下,用來增強局部的對比度。

圖像預處理后,就可以進行圖像分割,圖像分割是把圖像分成若干個特定的、具有獨特性質的區(qū)域并提出感興趣目標的過程。

為了提取圖像中的裂縫區(qū)域,首先對灰度圖像進行閾值分割,將灰度圖轉化為二值圖,由于橋體本身并不光滑,使得二值圖像中隨機離散的雜訊非常多。利用中值濾鏡對畫面進行降噪處理。

通過濾波后的圖像能夠看出,裂縫區(qū)域在二值圖像中存在斷續(xù)的現象,因此使用相干增強濾波的方法將斷續(xù)部分進行連接。

相干增強濾波法,對圖像進行定位,確定圖像中最強烈的相干性方向,并對邊緣進行探測,判斷圖像中的終止位置可能會發(fā)生反射,最終對圖像進行濾波處理。非線性相干增強擴散方程的基礎是線性擴散方程,加上結構張量,可以分析定位,使之結合成擴散張量的等式。對于裂隙病害這種方向連續(xù)的圖像,非線性相干增強擴散可以過濾相干性較強的地方,對圖像的線性結構有良好的保護作用。

非線性相干增強擴散方程為

(2)

式中:D為擴散矩陣;▽u是圖像的梯度。

由結構張量形成擴散張量,通過圖像梯度形成積數

(3)

式中:▽為圖像梯度運算;T代表轉置運算。

通過標準偏差可得出一個結構張量,這個張量是ρmatrix函數與矩陣的卷積

(4)

式中:λ1和λ2為其張量特征值,由Sp的較小的特征值對應的特征向量來決定圖像結構紋理的方向,根據結構張量的出擴散張量D

(5)

上面公式(5)中分別為擴張向量的特征值,擴散張量的特征向量和結構張量是一樣的,因此

(6)

(7)

(8)

(9)

相干濾波增強擴散方法在處理圖像時,圖像的各個像素點沿著相干方向平滑擴散,在圖像線狀結構處有效抑制雜訊,同時也使圖像邊緣不受影響,防止邊緣部分的模糊。

對濾波后的圖像進行相干增強濾波操作后,消除了圖像中零散點的干擾,對斷續(xù)的區(qū)域進行了連通,保留了裂縫區(qū)域在圖像中的連續(xù)性。

區(qū)域生長是指從某個像素出發(fā),按照一定的準則,逐步加入鄰近像素,當滿足一定的條件時,終止區(qū)域生長[3]。經過區(qū)域生長后的圖像將距離相近的部分進行了連通,但圖像中除了裂縫區(qū)域,還包括其他噪聲干擾,因此,還需提取圖像中的目標區(qū)域的連通域,計算目標區(qū)域連通域的面積、長度、寬度及長寬比,根據目標區(qū)域連通域的尺寸信息對連通域進行篩選,保留病害區(qū)域,并在原圖像中進行標示。

3 系統(tǒng)實現

系統(tǒng)主界面的上部,是功能菜單模塊,從功能菜單中可以看出本系統(tǒng)分為四大業(yè)務模塊,分別為圖像采集、圖像管理、云臺控制和圖像識別。

圖像采集子模塊主要是控制采集設備進行橋梁圖像的采集工作,包含了拍攝預覽、拍攝畫面實時監(jiān)測、拍攝準備和采集等功能。系統(tǒng)提供了自動采集和手動補拍兩種模式,進行橋梁圖像采集時,輸入拍攝的矩陣,云臺根據設定的參數自動轉動,進行圖像的采集工作,系統(tǒng)還提供了手動補拍的功能,在拍攝一些圖像失敗時手動進行采集。

圖片管理子模塊可對相機中的圖像進行相關的管理操作。通過列表的形式對采集的照片進行加載和展示,還可以對單張圖片進行瀏覽和查看,將圖片下載到本地或者刪除等。

云臺控制子模塊實現云臺參數的配置及調節(jié)轉動工作,為相機采集做好準備工作。“云臺頁面”主要包括串口數據接收窗口、串口設置面板窗口、云臺指令窗口和測距儀指令窗口。

圖像識別子模塊實現對橋梁病害的自動識別工作,包含橋梁病害識別與導出識別結果等功能。系統(tǒng)需要首先加載待識別圖像文件,待識別的文件可以是圖像采集子模塊采集的圖像,也可以是通過其他設備采集的橋梁病害圖像。加載成功后,系統(tǒng)將采集信息顯示在右側“病害總體描述”窗口,其中包括圖像采集日期、采集圖像的范圍大小即矩陣行數和列數,將原圖像縮略圖顯示在窗口“相片列表”內。圖像加載完,需要對設備采集的圖像進行拼接,將多張圖片拼接成一張大圖,拼接動作完成后,系統(tǒng)后臺啟動對圖像的畸變矯正。由于橋體的高度、位置等因素,相機在拍攝時會偏轉一定角度,這會使圖像發(fā)生擠壓、伸展、偏移和扭曲等變形,使圖像的幾何位置、尺寸、形狀、方位等發(fā)生改變,畸變校正就是把采集到的圖像校正到正面拍攝的效果。

經過上述一系列的預處理,就可以對圖像中的病害進行識別,系統(tǒng)在后臺調用裂縫識別算法,圖片已經通過畸變轉換成正面拍攝的效果,根據激光測距儀得到距離信息,進而計算出裂縫參數信息,包含裂縫的長度和寬度等關鍵信息。識別完成后,將識別結果進行展示,包括橋梁代碼、部件號、部件編號、病害類型、病害等級、檢測時間及裂縫方向、尺寸等。

識別出病害結果后,可以通過導出識別結果功能將識別結果導出,導出的文件是csv格式,導出的病害表格格式與橋梁檢測報告中的內容一致,直接放入檢測報告中。

4 系統(tǒng)實驗測試

系統(tǒng)開發(fā)完成后,課題組挑選了遼寧沈海高速上的鞍山小橋9等4座橋梁對進行了依托工程驗證工作,通過橋梁檢測人員現場使用來對病害檢測系統(tǒng)的病害識別率進行判斷和評價。課題組確定的病害識別率判斷的方法是:通過橋梁病害檢測系統(tǒng)采集的照片,橋梁檢測人員人工判斷病害的位置與大小,使用病害檢測系統(tǒng)進行病害的識別,通過兩者的對比,兩者的相似度超過75%,則認為病害正確識別。裂縫病害識別率統(tǒng)計見表1。

表1 裂縫病害識別率

實驗共采集了71張照片,對所有的照片進行了病害的識別,裂縫病害的識別正確率73.24%。從結果上看,裂縫的識別算法識別效果較為一般,原因是裂縫病害雖然病害特征較為單一,但病害的干擾因素比較多,例如幾乎所有的裂縫旁邊都會被檢測人員使用油筆沿裂縫走向畫上一條線,對裂縫識別造成的干擾比較大。對于橋梁病害來說,不同的背景噪聲及不同的拍攝角度下,同一類別病害特征存在一定差異形,特征很難歸納,傳統(tǒng)的識別算法難以適應。另一方面,隨著檢測次數與數量的增加,病害樣本數據庫不斷擴充,考慮更好地利用已經識別的病害樣本數據庫識別,對于已經識別的病害進行統(tǒng)計和學習,可通過深度學習的方式提高系統(tǒng)適應不同采集條件獲取圖像和新樣本的能力,后續(xù)課題組會繼續(xù)通過深度學習的方式來提升病害的識別率。

5 結束語

針對遼寧省內公路橋梁病害現狀,將“互聯網+”運用到現實管養(yǎng)工作中,提出基于圖像識別的橋梁表觀病害檢測技術,并據此開發(fā)橋梁病害檢測系統(tǒng),基于混凝土橋梁病害主要是裂縫的狀況,采用雙線性插值法縮小圖像。圖像通過直方圖均衡化的方式增強,然后用中值濾鏡對畫面進行降噪處理,利用相干增強濾波器和區(qū)域生長法處理影像,保持病害區(qū)域的完整,然后提取連通域,計算形狀特征來進行裂縫病害的識別。通過對病害的自動識別,及時發(fā)現結構的主要病害及破損程度,對大橋的總體技術狀況有系統(tǒng)的了解和掌握。提高橋梁檢測效率和自動化水平。