桥梁裂缝病害自动识别算法研究

王 超

(辽宁省交通规划设计院有限责任公司技术研发中心,辽宁 沈阳 110111)

1 概 述

随着我国国民经济的发展,交通运输也得到了突飞猛进的发展,桥梁数量不断增加,截至2021年末,全国公路桥梁83.25万座、总长度73 802.1 km;其中,辽宁省公路桥梁达到4.99万座、累计长度2 045.7 km。在道路桥梁快速建设和发展的过程中,由于客观因素和人为因素的影响,出现了一些问题:路桥运营中超限超载造成设施疲劳老化;自然灾害造成桥梁损伤;桥梁自然劣化等。无论是什么样的问题导致道路桥梁出现安全事故,带来的损失都是无法估量的。为了确保桥梁完好,预防重大桥梁安全事件的发生,需要做好桥梁检测工作,找准问题,采取必要措施,排除大桥安全隐患。

如何提高桥梁检测的效率一直是桥梁人努力的方向:在实际的桥梁检测工程中,从最初的人工肉眼观测,到使用桥梁检测车,再到各种结构的无损检测,都是在实际的应用与实践中,逐步地发现问题,探究对策,最后提出新方法、新思路提高桥梁检测的效率和专业化程度。现阶段桥梁检查工作存在如下的问题:公路桥梁的检测大多通过人工观测,这种靠肉眼观测和借助工具测量的方法效率低且无法保证检测结果的可靠性,已远远不能满足现代化质量检测的标准,急需可以提升作业效率和检查质量的检测手段和设备。

机器视觉(MachineVision),用计算机来模拟人的视觉功能,从图像中提取信息,进行处理,多用于检测、测量和控制。机器视觉因具有的高精度、不需接触被测物体表面和高可靠性等特点,在国内外工业领域应用十分广泛,在土木工程行业,机器视觉技术也慢慢开始使用。课题组基于机器视觉技术,利用单反相机、两轴电动云台等设备集成了桥梁表观病害自动采集系统。

根据统计结果可知,对结构影响较大的裂缝接近病害数量的1/10,是桥梁中最主要的病害之一,而且裂缝产生后,钢筋锈蚀等病害也会紧随其后。高寒地区为了保持道路畅通,在雪天会通过撒盐等方式进行除雪,带有氯离子的溶液会渗入到混凝土的孔隙中,与钢筋接触,加速钢筋锈蚀,桥梁整体强度下降。另据统计,我国混凝土桥梁的病害有80%以上都是由裂缝造成的。因此,对桥梁的健康检测主要是对桥梁表观裂缝进行检测与测量错误[1]。开展针对裂缝的自动识别算法的研究工作,是桥梁检测效率提升、检测质量提升的重头戏。

2 裂缝病害识别算法

为了提高识别效率,在保证图像质量的前提下对图像进行缩放处理。常用的影像缩放方法主要有最邻近插值、双线性插值、双立方插值等。双线性插值缩放后画质较高,克服了灰阶不连续等不足,所以使用双线性插值法对原始尺寸图像进行缩小,并在识别结束后使用该方法对图像进行放大。

缩放后的图像进行病害识别前,还需要进行一系列的预处理,包括灰阶转换、数据增强、数据滤波等环节。

因为采集到的图像为彩色图像,为了方便后续辨识处理,先将影像灰度转换,使用心理学灰度公式,对彩色图像的B(蓝)、G(绿)、R(红)三个通道使用不同权值进行加权计算,得到对应的灰度值,如公式(1)

Gray=0.30·R+0.59·G+0.11·B

(1)

由于裂缝区域相对桥体面积较小,为了突出病害区域,对灰度图进行图像增强,以增强系统判读和识别效果。为了凸显出图像中的裂缝区域,本系统使用直方图均衡化的方法增强图像的对比度。直方图均衡化通常用来增加图像的全局对比度错误[2],特别是当图像中有兴趣灰度值比较接近时,通过这种方法可以在直方图上更好地分布亮度。这样就可以在不影响整体对比度的情况下,用来增强局部的对比度。

图像预处理后,就可以进行图像分割,图像分割是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的过程。

为了提取图像中的裂缝区域,首先对灰度图像进行阈值分割,将灰度图转化为二值图,由于桥体本身并不光滑,使得二值图像中随机离散的杂讯非常多。利用中值滤镜对画面进行降噪处理。

通过滤波后的图像能够看出,裂缝区域在二值图像中存在断续的现象,因此使用相干增强滤波的方法将断续部分进行连接。

相干增强滤波法,对图像进行定位,确定图像中最强烈的相干性方向,并对边缘进行探测,判断图像中的终止位置可能会发生反射,最终对图像进行滤波处理。非线性相干增强扩散方程的基础是线性扩散方程,加上结构张量,可以分析定位,使之结合成扩散张量的等式。对于裂隙病害这种方向连续的图像,非线性相干增强扩散可以过滤相干性较强的地方,对图像的线性结构有良好的保护作用。

非线性相干增强扩散方程为

(2)

式中:D为扩散矩阵;▽u是图像的梯度。

由结构张量形成扩散张量,通过图像梯度形成积数

(3)

式中:▽为图像梯度运算;T代表转置运算。

通过标准偏差可得出一个结构张量,这个张量是ρmatrix函数与矩阵的卷积

(4)

式中:λ1和λ2为其张量特征值,由Sp的较小的特征值对应的特征向量来决定图像结构纹理的方向,根据结构张量的出扩散张量D

(5)

上面公式(5)中分别为扩张向量的特征值,扩散张量的特征向量和结构张量是一样的,因此

(6)

(7)

(8)

(9)

相干滤波增强扩散方法在处理图像时,图像的各个像素点沿着相干方向平滑扩散,在图像线状结构处有效抑制杂讯,同时也使图像边缘不受影响,防止边缘部分的模糊。

对滤波后的图像进行相干增强滤波操作后,消除了图像中零散点的干扰,对断续的区域进行了连通,保留了裂缝区域在图像中的连续性。

区域生长是指从某个像素出发,按照一定的准则,逐步加入邻近像素,当满足一定的条件时,终止区域生长[3]。经过区域生长后的图像将距离相近的部分进行了连通,但图像中除了裂缝区域,还包括其他噪声干扰,因此,还需提取图像中的目标区域的连通域,计算目标区域连通域的面积、长度、宽度及长宽比,根据目标区域连通域的尺寸信息对连通域进行筛选,保留病害区域,并在原图像中进行标示。

3 系统实现

系统主界面的上部,是功能菜单模块,从功能菜单中可以看出本系统分为四大业务模块,分别为图像采集、图像管理、云台控制和图像识别。

图像采集子模块主要是控制采集设备进行桥梁图像的采集工作,包含了拍摄预览、拍摄画面实时监测、拍摄准备和采集等功能。系统提供了自动采集和手动补拍两种模式,进行桥梁图像采集时,输入拍摄的矩阵,云台根据设定的参数自动转动,进行图像的采集工作,系统还提供了手动补拍的功能,在拍摄一些图像失败时手动进行采集。

图片管理子模块可对相机中的图像进行相关的管理操作。通过列表的形式对采集的照片进行加载和展示,还可以对单张图片进行浏览和查看,将图片下载到本地或者删除等。

云台控制子模块实现云台参数的配置及调节转动工作,为相机采集做好准备工作。“云台页面”主要包括串口数据接收窗口、串口设置面板窗口、云台指令窗口和测距仪指令窗口。

图像识别子模块实现对桥梁病害的自动识别工作,包含桥梁病害识别与导出识别结果等功能。系统需要首先加载待识别图像文件,待识别的文件可以是图像采集子模块采集的图像,也可以是通过其他设备采集的桥梁病害图像。加载成功后,系统将采集信息显示在右侧“病害总体描述”窗口,其中包括图像采集日期、采集图像的范围大小即矩阵行数和列数,将原图像缩略图显示在窗口“相片列表”内。图像加载完,需要对设备采集的图像进行拼接,将多张图片拼接成一张大图,拼接动作完成后,系统后台启动对图像的畸变矫正。由于桥体的高度、位置等因素,相机在拍摄时会偏转一定角度,这会使图像发生挤压、伸展、偏移和扭曲等变形,使图像的几何位置、尺寸、形状、方位等发生改变,畸变校正就是把采集到的图像校正到正面拍摄的效果。

经过上述一系列的预处理,就可以对图像中的病害进行识别,系统在后台调用裂缝识别算法,图片已经通过畸变转换成正面拍摄的效果,根据激光测距仪得到距离信息,进而计算出裂缝参数信息,包含裂缝的长度和宽度等关键信息。识别完成后,将识别结果进行展示,包括桥梁代码、部件号、部件编号、病害类型、病害等级、检测时间及裂缝方向、尺寸等。

识别出病害结果后,可以通过导出识别结果功能将识别结果导出,导出的文件是csv格式,导出的病害表格格式与桥梁检测报告中的内容一致,直接放入检测报告中。

4 系统实验测试

系统开发完成后,课题组挑选了辽宁沈海高速上的鞍山小桥9等4座桥梁对进行了依托工程验证工作,通过桥梁检测人员现场使用来对病害检测系统的病害识别率进行判断和评价。课题组确定的病害识别率判断的方法是:通过桥梁病害检测系统采集的照片,桥梁检测人员人工判断病害的位置与大小,使用病害检测系统进行病害的识别,通过两者的对比,两者的相似度超过75%,则认为病害正确识别。裂缝病害识别率统计见表1。

表1 裂缝病害识别率

实验共采集了71张照片,对所有的照片进行了病害的识别,裂缝病害的识别正确率73.24%。从结果上看,裂缝的识别算法识别效果较为一般,原因是裂缝病害虽然病害特征较为单一,但病害的干扰因素比较多,例如几乎所有的裂缝旁边都会被检测人员使用油笔沿裂缝走向画上一条线,对裂缝识别造成的干扰比较大。对于桥梁病害来说,不同的背景噪声及不同的拍摄角度下,同一类别病害特征存在一定差异形,特征很难归纳,传统的识别算法难以适应。另一方面,随着检测次数与数量的增加,病害样本数据库不断扩充,考虑更好地利用已经识别的病害样本数据库识别,对于已经识别的病害进行统计和学习,可通过深度学习的方式提高系统适应不同采集条件获取图像和新样本的能力,后续课题组会继续通过深度学习的方式来提升病害的识别率。

5 结束语

针对辽宁省内公路桥梁病害现状,将“互联网+”运用到现实管养工作中,提出基于图像识别的桥梁表观病害检测技术,并据此开发桥梁病害检测系统,基于混凝土桥梁病害主要是裂缝的状况,采用双线性插值法缩小图像。图像通过直方图均衡化的方式增强,然后用中值滤镜对画面进行降噪处理,利用相干增强滤波器和区域生长法处理影像,保持病害区域的完整,然后提取连通域,计算形状特征来进行裂缝病害的识别。通过对病害的自动识别,及时发现结构的主要病害及破损程度,对大桥的总体技术状况有系统的了解和掌握。提高桥梁检测效率和自动化水平。