复杂环境公路隧道裂缝快速识别与分割算法研究

随着我国公路隧道由建设为主朝建养并重转化,在运营里程快速增长与既有隧道劣化加剧的双重作用下,移动检测及结构安全快速诊断已成为目前公路隧道运营维养领域的研究热点之一。我国已研发了多种类型的隧道检测车,为裂缝、渗漏水等表观病害的快速检测提供了手段,然而公路隧道衬砌图像背景复杂、干扰因素多、裂缝占比小的特点,给检测数据的快速分析带来巨大挑战,已成为制约技术推广的主要瓶颈。基于深度学习算法,本文提出了一种将目标识别与语义分割进行组合的裂缝快速提取方法,首先采用Faster R-CNN网络对原始衬砌图像进行目标识别,判定所采集图片是否存在裂缝并智能框选出裂缝区域;随后对框选出的裂缝区域自动裁切,由此过滤不含裂缝的图片并去除含裂缝图片中的干扰背景,再利用U-Net语义分割网络对裂缝进行像素级分割。通过实际工程验证发现,单幅图像裂缝整体分割时间小于0.15 s,在常见各类干扰因素下,目标识别F1值可达到92%,语义分割像素准确度可达到98%以上。与阈值分割和同类智能分割算法相比,本方法显著提高了识别速度与精度,为从隧道检测车海量数据中进行快速准确的裂缝提取提供了良好手段。     

基于深度学习的盾构隧道渗漏水病害图像识别

随着城市地铁隧道急剧增加的养护需求,地铁盾构隧道结构病害尤其是渗漏水病害亟需快速精准的识别诊断。利用计算机视觉对盾构隧道进行健康检测是近年来国内外的一种新趋势,但目前渗漏水病害图像的识别效果尚不能满足实际工程的需要。在分析盾构隧道衬砌表面图像特点的基础上,将渗漏水图像分为6种类别,采用深度学习的方法,提出一种新颖的基于全卷积网络的盾构隧道渗漏水病害图像识别算法,并从图像识别结果、错检率和运行时间三个方面与大律法、区域生长法、分水岭法等传统图像识别方法进行对比分析。研究表明:基于全卷积网络的盾构隧道渗漏水病害的图像识别能够有效地避免管片拼缝、螺栓孔、管线、支架等干扰物的影响,特别是在克服管线遮挡方面具有优越的鲁棒性;与传统图像识别算法相比,提出方法在错检率和运行时间上具有较大优势,能够更好地满足工程需要。     

隧道衬砌裂缝自动检测性能影响因素模型试验研究

 采用混凝土试块并涂抹防火涂料模拟不同工况下的隧道衬砌,设计基于线阵电荷耦合元件(CCD)的移动装置和相应软件进行隧道衬砌裂缝自动检测模型试验,选取图像灰度分布和裂缝检测精度作为评价自动检测性能的定量指标,总结检测距离、光源照度、有效像素和检测速度等因素对自动检测性能的影响规律。模型试验结果表明：图像灰度分布沿裂缝宽度方向呈现波谷特征;检测距离和有效像素对图像灰度分布影响不大,主要影响裂缝检测精度,随检测距离减小、有效像素增大,裂缝检测精度基本呈线性增高;光源照度和检测速度对图像灰度分布和裂缝检测精度都有较大影响,光源照度过高或过低会导致裂缝检测精度降低,随检测速度增大,裂缝检测精度基本呈线性降低。     

纵向裂缝对隧道衬砌承载力的影响分析

 基于隧道衬砌拱顶结构1∶1的荷载试验,建立衬砌裂缝深度与衬砌刚度的关系,提出裂缝处衬砌刚度计算的梁弹簧模型。基于梁弹簧模型分析裂缝位置、裂缝深度和地层抗力对衬砌结构承载力的影响。计算结果表明：隧道拱顶安全系数随裂缝深度增加呈线性降低,裂缝深度为衬砌厚度的50%时,安全系数则降低78%;相同裂缝深度情况下,裂缝在拱顶时最不利,裂缝在拱腰、边墙以及拱脚时对结构安全系数影响较小;地层抗力对拱顶、边墙以及拱腰的安全系数影响较大,对拱脚的安全系数影响较小。     

公路隧道衬砌裂缝稳定性的多因素影响分析

基于重庆酉阳地区21座公路隧道的病害检测结果,对公路隧道病害特征进行定量分析,并以马夫井隧道为例,基于断裂力学理论及有限元数值模拟,计算裂缝尖端的应力强度因子,研究隧道裂缝在不同位置、不同深度、不同角度的应力强度因子变化规律,进一步揭示裂缝的失稳扩展深度和稳定系数的变化规律,确定隧道衬砌不同裂缝类型的稳定系数计算公式。结果表明,研究区隧道衬砌病害的养护关注度系数最高,达到89.06%;衬砌病害中纵向裂缝占比和影响最大,且主要分布于边墙位置;衬砌裂缝稳定性与裂缝位置、裂缝类型、裂缝角度密切相关。     

一种改进的用于裂缝图像分割的Otsu方法

裂缝是隧道衬砌最常见的病害之一,基于近几年快速发展的工程检测系统与图像处理算法的研究,提出了一种CCD相机的衬砌裂缝快速检测系统采集裂缝图像。在提取裂缝特征之前,需要将裂缝区域与图像背景分离。采用Otsu法进行分割处理,然而传统的Otsu方法对裂缝区域过小的图像易产生欠分割;对背景不单一或光照度不均匀的裂缝图像易造成过分割的情况。根据Ostu方法分割特点对该方法进行改进,以达到更好的裂缝图像分割效果,从而为实现隧道裂缝的快速检测埋下基础。     

运营期隧道带裂缝二衬承载力评价

为研究运营期隧道二衬开裂后对于衬砌结构承载力和安全性能的影响,基于隧道裂缝调查结果,结合二次衬砌质量检测结果,建立带裂缝衬砌计算模型,分析带裂缝隧道衬砌结构的实际承载能力及裂缝对二次衬砌结构安全性的影响程度。     

基于语义分割的混凝土裂缝图像识别方法研究

因快速、无损等优势,基于深度学习的图像识别技术已成为混凝土裂缝智能检测研究的热点,其中语义分割算法可实现对裂缝图像像素级别的分割,进而实现裂缝信息量化识别。基于U-Net语义分割网络,本文提出一种混凝土裂缝图像识别方法。首先,针对混凝土裂缝检测,训练了改进的U-Net网络模型,对裂缝图像实施精准分割;其次,对分割后的裂缝图像,采用最大内切圆算法提出了裂缝宽度计算方法;最后,通过室内混凝土板模型试验对所提方法进行验证。结果表明,本文算法和设备条件对于宽度为0.30mm左右的裂缝计算结果较差,最大误差为0.26mm;对于宽度大于0.60mm的裂缝计算效果较好,最大误差为0.14mm。考虑到可以通过提高相机分辨率进一步提升检测精度,本文方法可应用于混凝土结构表观裂缝检测,大幅提高基础设施的智能化管养水平。     

基于数字图像的盾构隧道衬砌裂缝病害诊断EI北大核心CSCD

采用计算机视觉对隧道衬砌表面的结构病害进行快速无损检测已成为发展趋势,如何通过图像识别结果客观地评定病害严重程度是保障隧道结构服役性能的重要切入点。以地铁盾构隧道衬砌结构表面的裂缝病害二值图像为研究对象,提出客观的新型盾构隧道裂缝诊断指标(Tunnel Defect Index-Crack,简称TDI-C)及其分级标准。首先,通过数字图像处理对裂缝病害进行量化,得到长度、最大宽度、分形维数等3个参数;提出一种动态分块法来计算裂缝病害的长度和最大宽度;采用盒维数计算裂缝病害的分形维数,发现其值越大,所对应裂缝病害的形态越复杂。其次,以200环衬砌管片的隧道区段作为诊断尺度,计算病害量化参数的累计值,建立由21个隧道区段组成的病害样本空间;采用K-means++聚类,合理地确定裂缝病害的分级档数为三级与样本空间中各个样本的病害等级;通过偏最小二乘回归分析,提出隧道裂缝诊断指标TDI-C,并建立病害等级的分级标准。最后,给出地铁区间隧道裂缝病害诊断的应用实例,并指出本文方法较现有方法具有较大优势。     

公路隧道衬砌多病害安全性分析

基于隧道衬砌检测数据结果,建立荷载-结构法有限元模型,分别对衬砌背后空洞、衬砌裂缝和衬砌欠厚多工况多部位组合计算分析,得出隧道衬砌多病害共存对衬砌各部位安全性影响的规律.研究结果表明衬砌拱顶裂缝比衬砌拱腰裂缝、其他位置裂缝更加危险,拱顶裂缝需采取必要措施处理,隧道设计和施工阶段,应着重对拱顶进行重点关注,以减少隧道运营...     

Application and validation of simple image-mosaic technology for interpreting cracks on tunnel lining

As a simple, portable method that uses inexpensive tools for structural safety inspections of tunnels, this study presents a novel image-mosaic technology that generates layouts of tunnel wall surfaces. Geometric distortion in camera images of 3D tunnel surfaces is rectified through equations related to projection characteristics and the bilinear interpolation method. Successive taken images with at least four reference points in each one are then resampled to a 2D coordinate for the layout of tunnel surfaces. Test results for a laboratory-scale tunnel demonstrate that the spatial accuracy of the proposed image-mosaic technology for a mosaicked layout from vertical images is approximately 1.6° with sufficient image resolution for detecting lining cracks with widths exceeding 0.45 mm. Field application to a full-size, operational tunnel indicates that the layout of tunnel wall surfaces by the proposed technology is sufficient for identifying lining crack distributions and detecting temporal variations in cracks.     

基于计算机视觉技术的结构表面裂缝检测方法研究

计算机视觉技术用于混凝土结构表面裂缝检测,具有现场检测方便、效率高、客观性强的特点,但图像数据分析是该技术的核心,其中裂缝提取与定量测量较为复杂。为提高裂缝图像处理效率和准确率,将深度学习和数字图像处理技术相结合,提出一种裂缝检测方法。建立基于深度卷积神经网络的裂缝识别模型,在图像上自动定位裂缝并结合图像局域阈值分割方法提取裂缝。在裂缝宽度定量测量方面,采用双边滤波算法和三段线性变换对裂缝图像进行预处理,提高了裂缝边缘识别的精确度。通过改进边缘梯度法,实现裂缝最大宽度的定位和裂缝最大宽度的自动获取。该研究为全自动识别裂缝图像及高精度测量裂缝宽度提供了一种解决方法。     

隧道衬砌裂缝特征提取方法研究

 衬砌裂缝图像的分割和信息提取是裂缝自动检测系统中的重点。本文在采集图片大量试验的基础上对裂缝信息采集流程进行优化。其中,针对衬砌图像分割,提出结合prewitt算子和otsu的梯度类间阈值法,并用数学形态学对图片进行进一步优化,从而得到裂缝区域完整而杂质区域较少的二值图像;针对裂缝特征提取,通过对试验图片集合特征的分析确定描绘子为集中度、外接矩形长宽比、外接矩形占有率、平均宽度等。应用实例表明,梯度类间阈值法能够更好地实现对图像的分割,较常用的otsu算法更能适应复杂背景的裂缝图片。通过对优化图像的不同区域进行描绘特征提取统计,可形成具有一定代表性的图片库,为实现裂缝自动识别奠定基础。     

基于机器视觉的高铁隧道衬砌裂缝骨架拐点识别

裂缝作为隧道工程衬砌结构中最为普遍的缺陷,具有不断生长延展的特性。以单裂缝为研究主题,采用基于机器视觉的检测系统对同一裂缝不同时期的高效识别可掌握病害发展状况并制定相应的整改措施。因此本文基于裂缝本身特征研究,提出一种裂缝骨架拐点识别的方法。采用改进的八方向Freeman链码技术,在对可疑拐点进行初步识别后,进行伪拐点剔除,得到真实拐点位置。试验证明,针对不同形态的裂缝图像,该算法具有良好的适应性,拐点剔除率达82%～96%,保留了真实有效的拐点。所提取的拐点前后线段长度比值及拐角作为裂缝特征,具有“基因”属性,该特征可用于匹配原始裂缝和延展裂缝,实现对同一裂缝不同时间点的精确定位。     

纵向裂缝隧道衬砌结构的安全评价与加固研究

 裂缝是运营期隧道衬砌结构的主要病害形式之一,特别是拱部纵向裂缝对隧道原有结构的承载力影响较大。通过公路隧道衬砌结构裂缝评价方法,对隧道主要裂缝进行安全评价,给出安全等级,同时应用刚度退化模型对隧道原结构进行承载力评价,给出加固前的隧道结构安全系数,通过工程实例验证说明,通过刚度退化模型计算承载力是可行的,为隧道的加固补强提供重要依据,并为今后纵向裂缝情况下衬砌结构的安全性评价、承载力的计算分析以及加固设计提供新的技术方法。     

基于FDEM的隧道衬砌裂缝开裂过程数值分析

采用杂交有限元–离散元法(FDEM),与日本等比尺浅埋隧道衬砌试验结果进行了对比分析。数值模型较好地再现了试验中衬砌结构性裂缝的初裂、增扩直至破坏的全过程。其次,建立荷载结构模型,针对影响衬砌开裂的3个主要荷载因素,即局部偏压、背后空洞和拱顶松弛地压,分别研究了这些压力不同作用位置、作用范围、作用大小下的裂缝扩展过程、分布规律。为用非连续方法研究衬砌裂缝开裂过程提供了借鉴,同时也为隧道衬砌裂缝病害的防治与加固修复打下了基础。