基于红外热成像的朔黄铁路隧道衬砌渗漏水检测技术

2022-09-05马学志段培勇李健超

铁道建筑 2022年8期

马学志段培勇李健超

中国铁道科学研究院集团有限公司铁道建筑研究所，北京 100081

朔黄（朔州—黄骅）铁路是我国西煤东运第二大通道和国家能源集团矿石、铁路、港口、电力、航运、石油一体化工程的重要组成部分，在全国路网中占有重要地位，对加快沿线地方经济发展，保证华东、东南沿海地区的能源供应，扩大我国煤炭出口能力具有极其重要的战略意义。朔黄线路全长598 km，属国家Ⅰ级干线双线电气化重载铁路［1］。建成至今已经安全运营20余年。

朔黄铁路共有隧道77座，总长度达66.3 km。但随着服役年限的增长、沿线地质条件多变等多种因素的影响，多座隧道出现不同程度、不同类型病害，其中隧道衬砌渗漏水是较常见的病害类型［2］。隧道衬砌渗漏水会对衬砌结构造成直接损害，减少隧道使用寿命，还可能影响接触网供电。如果结冰，还可能侵入隧道建筑限界，严重威胁行车安全［3］。因此，对隧道衬砌渗漏水进行快速有效检测和治理十分必要。本文通过处理红外相机采集到的隧道衬砌图像，分析渗漏水在红外图像中的特征信息，自动检测出图像中的渗漏水，为隧道精准维修提供依据。

1 隧道衬砌渗漏水检测现状

隧道衬砌渗漏水主要是由围岩地下水、地表水等水源以渗漏、涌入等不同形式通过隧道衬砌、施工缝等非预期路径进入隧道所致［4］。国内外学者一直在研究隧道衬砌渗漏水无损检测方法，目前主要有人工目视检查、分布式光纤测温检测、地质雷达检测、红外热成像检测等方法。

人工目视检查是目前铁路系统最常用的渗漏水检查方法。利用作业天窗进入隧道，通过肉眼观察检查，记录隧道衬砌渗漏水情况。该方法比较依赖作业人员经验，不同人员的检查结果可能存在差异，且每次作业前需申请天窗，程序复杂，作业时间有限，效率低下。

分布式光纤测温检测需在待检测区域预先铺设光纤，通过光纤周围温度变化来确认是否存在渗漏水情况。若某区域存在严重渗漏水，该处光纤温度会产生较大变化［5］。因需预先铺设光纤施工难度较大，成本较高，适合于重点区域长期监测，不适合全线范围内隧道检测。

地质雷达检测是目前工程上常用的渗漏水检测方法。其主要原理是依据电磁波在介质中的传播特性，当电磁波遇到不均匀体（界面）时会发生反射。反射系数由介质的相对介电常数决定［6］。含有渗漏水的隧道衬砌和正常隧道衬砌相比，相对介电常数会高出许多，电磁波会发生反射。接收天线接收后，对反射信号进行处理即可检测出隧道衬砌中的渗漏水。地质雷达检测要求雷达距离隧道衬砌足够近（厘米级），故每次检测前需让接触网断电，否则难以保证人员及设备安全，且检测过程中为保证数据质量速度不能过快，通常不超过5 km/h，效率较低。

红外热成像检测是依据各种介质的热辐射强度不同来区分含有渗漏水的隧道衬砌和正常隧道衬砌［7-8］。该方法检测范围广，红外热成像仪在检测车上合理布局可使相机视野覆盖隧道全断面，不留检测死角，检测效率高，非接触式检测，无需让接触网停电，甚至无需单独申请作业天窗，可在检测车正常行驶过程中同步检测。可见，与其他检测方法相比，红外热成像检测优势明显。

2 红外热成像检测原理

自然界物体内分子存在热运动，所有物体温度都大于绝对零度，并时刻以电磁波形式向外界辐射能量［9-10］。波长涉及紫外光、可见光、红外光等不同光区，但主要集中在0.8~15.0μm的红外光区［11-12］。物体向外辐射电磁波的波长λ与物体表面温度T成反比，即λT=c。式中，c为维恩位移常量。λ-T关系曲线见图1。可见，远红外波段物体表面温度在-79.96~209.82℃，基本涵盖正常情况下铁路隧道内结构物温度，因此采用红外热成像技术检测隧道衬砌渗漏水可行。

图1 λ-T的关系曲线

与隧道衬砌混凝土相比，水的比热容较大，水温不易受外界环境温度影响，且渗漏水蒸发时吸收周围热量。这些原因会使渗漏水处隧道衬砌温度比正常隧道衬砌低，因此可通过测量红外辐射能量计算该区域隧道衬砌的温度。通过对比温差检测出隧道中渗漏水位置。

红外热成像原理见图2。红外热成像系统由红外线探测器、光学成像物镜等光学元件接收被测目标的红外辐射能量，并将其汇聚到焦平面探测器上［13］。焦平面探测器完成光电转换，产生电信号，再经过放大和数字化处理即可生成被测目标的红外热成像图。

图2 红外热成像原理

3 红外热成像图处理算法

红外热成像仪测温范围在-20~150℃，测温灵敏度0.1℃。红外探测器敏感材料为氧化钒，可测波长在8~14μm，图像分辨率为384×288。将红外热成像仪安装在试验轨道车上，使之直视隧道壁，轨道车以20 km/h速度前行，红外热成像仪持续采集并保存隧道图像。

红外热成像图处理流程如图3所示。

图3 红外热成像图处理流程

为减少图像数据量，提升运算效率，首先将彩色红外热成像图转换成灰度图。灰度图中颜色深浅程度可表示检测区域表面温度的高低。颜色越深表示温度越低，颜色越浅表示温度越高。朔黄线路一隧道渗漏水处红外灰度图见图4。

图4 红外灰度图

为保证检测结果的准确性，对红外灰度图进行高斯滤波［14-15］，降低噪声对图像质量的影响。高斯滤波是一种线性平滑滤波，对整张图像的灰度值进行加权平均计算。每个像素点的灰度值均由其本身及其邻域像素点的灰度值加权平均得到，故能够有效抑制图像高斯噪声，平滑图像。

使用灰度直方图（图5）确定滤波后图像灰度值的分布情况。图中两个峰值位置即为含渗漏水的隧道衬砌（左）和正常隧道衬砌（右）中出现频次最多的灰度值，将两峰值之间最小值作为该图像最优二值化阈值。依据不同图像的灰度直方图计算最优二值化阈值可避免因单一固定阈值将含有渗漏水的衬砌归为正常衬砌，或将正常衬砌归为含有渗漏水的衬砌。依据最优二值化阈值进行二值化处理，结果见图6。

图5 灰度直方图

图6 二值化处理后的图像

采用prewitt算子［16-17］对二值化处理后的图像进行边缘检测。prewitt算子是一种一阶微分算子的边缘检测算法，计算当前像素点与上下、左右近邻点的灰度差。若像素点处于边缘位置，其灰度差便会达到极值，去掉部分伪边缘，进而寻找到图像中的边缘位置。具体操作过程是在图像中利用两个方向模板对图像进行邻域卷积，两个模板一个检测水平边缘，一个检测垂直边缘。应用prewitt算子可准确检测出图像中渗漏水位置，再配合形态学闭运算、连通域标记等图像处理方法，即可检测出准确的渗漏水位置。根据热成像仪焦距、物距等信息，可计算图像像素精度，进而计算得到渗漏水实际面积。