隧道衬砌雷达检测智能判识系统研究

耿天宝，宋 恒*，王东杰，胡 楠

（安徽数智建造研究院有限公司，安徽 合肥）

引言

随着中国建造技术的发展，隧道作为穿山过岭的一种主要结构在铁路、公路、地铁等领域越来越广泛应用。尤其西部地区隧道多、里程长，国家重点工程川藏铁路的桥隧比更是达到了81%。由于隧道施工本身的特殊性和不可预见性，不可避免会出现病害。隧道病害关乎国家安全、人民生命。国家铁道管理部门规定[1]，隧道如果检测不到位，将对施工单位和检测单位并罚，一年内不得投标，建设单位亦承担连带责任。

地质雷达检测法是隧道工程质量检测中广泛采用的方法，但检测结果完全依靠人工经验判读，费时耗力且容易产生误判和数据的多解性。此外，人工处理雷达数据很难确保数据未经篡改。因此，迫切需要建立统一的标准化工具，从雷达回波中自动识别各种隧道工程质量数据（空洞、厚度、钢筋数量等），辅助检测人员判读雷达图像，为隧道工程质量检测工作提质增效。

基于此，本文提出一种隧道衬砌雷达检测人工智能（AI）分析系统。该系统能够批量自动分析雷达原始数据和B-scan 图像，高效管理隧道质量检测工程，实现隧道工程质量检测的数字化、标准化、智能化。

1 隧道衬砌雷达检测发展现状

探地雷达（GPR）是隧道衬砌内部结构探测的最有效仪器，可分为雷达硬件采集信号和信号解译（判读）两方面。下面分别从这两方面简述隧道衬砌雷达检测的研究发展情况。

1.1 探地雷达

1971 年美国地球物理探测仪器公司（GSSI）研发出第一台商用探地雷达[2]。此后，加拿大、瑞典、意大利、英国、俄罗斯、德国、挪威和中国等国家纷纷研制出性能相当的探地雷达[3]。目前，国内隧道检测行业主流的探地雷达品牌主要有：美国GSSI 公司的SIR 系列、意大利IDS 公司的RIS 系列、青岛电波所的LTD系列等[4，5]。近十多年来，隧道检测探地雷达在硬件发展上几乎处于停滞状态，仅在天线数字化、双频组合天线等技术点上有些改进。

1.2 信号解译

雷达信号的人工解译仅针对GPR 图像进行处理和判读。由于硬件模块噪声、地下介质的不均匀性等因素影响，GPR 图像通常存在一定干扰和畸变。因此，GPR 信号解译一直是一个具有挑战性的问题。

在探地雷达B-scan 图中，地下目标往往呈现出类似双曲线的形状特征。基于此，大量学者将隧道衬砌GPR 信号解译问题转化为类双曲线提取问题进行研究。近年来，基于卷积神经网络（CNN）的方法被大量用于GPR 图像解译研究。与传统机器学习不同，CNN 无需人工“特征工程”，直接从GPR 数据中学习解译对象的特征表示。2015 年，Besaw等人应用CNN从GPR 图像中提取关键特征[6]。2016 年，文献采用数据增强（Data Augmentation, DA）技术增加GPR 数据可用训练集的数量和可变性[7]。这些研究大大推动了探地雷达信号智能判识（解译）技术研究趋于成熟。但至今为止，国内外尚未见到具备智能判识功能的成熟探地雷达产品，隧道衬砌雷达检测智能分析算法也尚未见大规模商用。

2 隧道衬砌雷达检测智能判识系统

我们提出的隧道衬砌雷达检测智能判识系统包括雷达数据智能分析、项目管理、数据可视化和检测报告自动生成等功能。系统采用云平台架构，具体如图1 所示。

图1 隧道雷达检测数字化云平台架构

2.1 系统架构

由图1 可见，在隧道作业中，探地雷达采集的原始数据通过WIFI 无线传输到检测员智能手持设备（手机）中。智能手持设备通过WIFI、4G 或5G 方式将原始数据发送到云端。云端部署AI 分析引擎、数据管控系统、数据挖掘引擎，对汇总雷达数据进行统一管理和分析。系统提供大屏、PC 和APP 三种展示及控制方式。

2.2 智能判识算法

我们在充分结合雷达B-scan 目标成像原理和隧道检测资深专家经验的基础上，提出深度学习多模态多任务隧道雷达波形识别算法架构，如图2 所示。

图2 隧道雷达波形识别算法架构

图2 中，融合后处理方法即如何根据钢筋、衬砌、拱架及脱空、预埋、不密实等缺陷在雷达图像中可能位置及大小信息的先验知识，融合分析识别结果，剔除错误和补全遗漏。隧道雷达检测数据常常存在较大干扰，对抗扰动学习机制是在算法训练过程中加入对抗扰动机制，提高训练模型的抗干扰性能。

此外，脱空、预埋、不密实等缺陷在隧道检测雷达B-scan 图像中表现为稀松不规则目标，存在小样本和类别不平衡问题。我们在训练过程中采用局部注意力反复学习机制应对小样本问题，在损失函数中用样本挑选机制解决类别不平衡问题，并设计目标影像切分增强机制应对目标不规则问题。

2.3 业务流程管理

隧道衬砌雷达检测智能判识系统按照当前隧道衬砌雷达检测业务规范，优化建立了一套高效的业务管理流程。管理人员利用系统的业务流程管理功能，可以便捷的对项目新建、设计参数导入、雷达数据分析、质量判定和检测报告生成等业务进行数字化管理。

3 在建隧道现场试用

我们以中铁四局集团有限公司近二十年的隧道雷达检测数据为基础，研发出一套上述架构的隧道衬砌雷达智能判识系统。该系统已通过安徽省电子产品监督检验所全面测评，并在赣深铁路（江西段）项目（关西隧道）、池州至黄山高速铁路工程（HCZQ-2 标段岭上村隧道）、宣城至绩溪高速铁路工程（XJZQ-3 标段枫树岭隧道）等多个在建隧道工程中试用，综合精度达到95%。图3 展示了试用过程中的智能判识效果。

图3 隧道衬砌雷达检测效果

试用证实，我们提出的系统判识精度高，数据管理流程贴合业务实际，满足快响应、高并发应用需求。同时，试用中也发现，系统对部分采集效果不佳、干扰较大的数据容易出现误判。对此，我们补充设计了在线学习功能，可将典型误判数据上传系统，系统补充学习误判数据特征，并自动迭代更新模型。

在系统试用中，我们与专家人工分析进行了深入对比，发现智能处理与分析雷达数据的优势是：

第一，雷达数据上传、分析、管理流程均可实现自动化，大幅提高检测工作效率，降低人力成本。

第二，直接分析雷达原始数据，采用多模态深度学习方法融合分析雷达A-scan 时序信息和B-scan空间信息，准确率高，客观性强。

第三，无需人工处理和存储GPR 图像，仅存储雷达原始数据便满足检测质量倒查、问题复现等需求，不仅确保了原始数据不可篡改性，还大幅节约存储和计算资源。

结束语

本文提出了一种云架构的隧道衬砌雷达检测智能判识系统，剖析了系统架构和智能算法设计原理，并介绍了在真实在建隧道中的试用情况。隧道检测工作现场分散、环境艰苦且技术性强，智能化替代人工是必然趋势。下一步我们将广泛推广该系统，在使用中不断迭代完善，并将云端AI 算法嵌入雷达前端，研究前端采集智能，最终实现隧道衬砌雷达检测无人化。