机器视觉检测技术助力地铁巡检

随着我国城市轨道交通发展日新月异，线路的安全和监测压力也明显增大。传统人工巡检劳动强度大、工作效率低、检测质量分散，机器视觉检测技术的出现，为地铁巡检带来了大大的便利。

自1969年10月1日北京地铁1号线通车，我国的城市轨道交通建设不断向前发展。目前，北上广深几个大城市，在世界城市轨道交通领域，至少已经达到前五水平。地铁承载着巨大的客运量，一旦发生事故，将会给生命财产带来巨大损失。为了确保轨道交通运行安全，需要定期对地铁隧道进行巡检工 作。

传统巡检方式已不能满足需求

夜深人静，城市末班地铁停止了运行，人们进入甜美的梦乡，忙碌了一天的地铁站终于安静下来。此时，地铁隧道巡检员的工作才刚刚开始。人工巡检工作最初主要靠肉眼观察、手写记录，漆黑的隧道环境、潜在的隐患为人工巡检带来了许多挑战。如若在巡检时发现问题，隧道巡检员需要在凌晨1点到凌晨4点间及时修复，从而确保清晨第一辆地铁安全通过。

走进隧道里面进行检测，在北方相对容易，但在南方的过江或过河隧道就有些难度。这些隧道地质条件变化比较大，有裂纹，裂纹会产生漏水，为安全行车带来了隐患。在现场勘察过程中，常常会用到超声波检测法，列大检测法，声发检测法，声、电、磁、光超声波等技术手段。电磁波检测技术的检测精度更高一些，但是存在速度低、效率慢的问题，难以满足现代轨道交通快速发展的需求。

机器视觉检测

在近20多年的发展中，我国轨道交通智能检测得益于从信息化到智能化的跨度，目前可以利用多维传感、先进感知技术，把最新算法和技术应用到轨道交通智能检测领域。机器视觉检测技术也发展起来，其具有效率高，非接触，移动式，信息处理自动化、智能化，性价比高，而且容易操作的特 点。

北京交通大学王耀东教授的裂缝检测智能巡检技术主要分两个步骤：一是图像裂缝采集，主要是利用高速相机和特制的辅助光源，采集高质量的隧道图像;二是裂缝病害图像的处理，主要通过对所有图像进行预处理，如匀光处理、连通区域分块化、噪声滤波等，提取纹理目标进行特征判断，最终识别裂缝区域，为后续速调维护提供技术支持。

为确保机器能够全面、精細采集图像，并像人脑一样准确识别裂缝种类，王耀东团队在精细化算法和关键技术方面做出了许多尝试：为了避免图像重叠和数据冗余，他们在图像采集系统样机中引入线阵相机;为了降低扫描图像的漏检率，他们通过设备的定向运动，利用高分辨率采集性能，对隧道表面进行扫描式图像采集。除此之外，王耀东团队还开发出一套表面裂缝图像的批量识别软件，设计出核心算法进行图像处理，通过不断挑战和突破，解放人力、服务地铁日常运维。

创新开拓未来

目前，我国轨道交通运营里程虽已经位居世界第一位，智能运维也处于世界前列，但许多轨道交通智能数据采集设备、高精尖的传感器还需从国外进口。面对国外的技术垄断，王耀东表示：“我们科技工作者还要继续努力，推动基础研究创新，将主动权掌握在自己手中。”

在未来检测算法上，王耀东希望能够加强对不同类型纹理噪声的识别，提高图像处理的计算效率，进一步提高隧道病害检测效率。目前，王耀东团队建立了隧道病害样本库，同时还在研制多种类、移动式隧道检测平台，通过不断地采集数据、优化分析方法，努力为中国隧道和轨道维护工作作出应有的贡献。

2035年，我国要基本建成交通强国，这将推动我国城市轨道交通进一步向大数据、智能化、精准化方向发展。相信在不久的将来，机器视觉检测技术会在隧道检测方面有更为深入的应用及更远大的发展前景。

3654500338279