基于机器视觉的铁路混凝土桥梁裂缝检测系统研究与应用.pdf

文章编号:()收稿日期:基金项目:中国国家铁路集团有限公司科技研究开发计划项目()中国铁路设计集团有限公司科技开发课题()作者简介:魏剑峰()男山西盂县人工程师硕士主要研究方向为铁路桥梁智能监测、检测与运维技术:.引文格式:魏剑峰李艳禚一 等.基于机器视觉的铁路混凝土桥梁裂缝检测系统研究与应用.铁道建筑技术():.基于机器视觉的铁路混凝土桥梁裂缝检测系统研究与应用魏剑峰李 艳 禚 一邸 昊(中国铁路设计集团有限公司 天津)摘 要:铁路混凝土桥梁是我国高速铁路建设的主力梁型建设规模巨大 在铁路混凝土桥梁的建造和运维过程中混凝土桥梁的裂缝检测是一项十分重要的工作 为了降低检测人员的劳动强度解决裂缝检测效率低、精度差的问题本文对基于机器视觉技术的铁路混凝土桥梁的裂缝检测系统开展研究与应用 搭载着高分辨率相机的图像采集子系统用于桥梁裂缝图像采集提出了一种基于机器视觉技术的裂缝智能识别算法算法以裂缝检测模块的形式集成于系统当中能够对采集的桥梁图像中的裂缝进行实时检测 系统在铁路梁场简支梁破坏试验中进行了应用检测精度和时间均能满足试验规范的要求应用效果良好关键词:铁路桥梁 机器视觉 深度学习 裂缝检测中图分类号:.文献标识码:./.():.:引言截止到 年底我国铁路运营里程达到.万 其中高速铁路.万 铁路建设取得了举世瞩目的成果 在我国高速铁路建设中桥梁在整个高速铁路线路中的占比很高常用跨度的混凝土标准简支梁作为高速铁路桥梁的主力梁型占桥梁总长度的 在高速铁路建造和运维过程中占有重要地位混凝土桥梁裂缝是一种十分常见的病害 裂缝直接影响结构的耐久性对结构的运营安全存在较大威胁 在简支梁静载试验和破坏试验中对于试验裂缝的判定是一项十分重要的内容在简支梁试验方法 预应力混凝土梁静载弯曲试验(/)中对于裂缝的判定是对箱梁质量评判的重要的依据 由于裂缝普遍较为细微并且数量较多目前对于裂缝的检测仍采用常规的人工检测的方式进行采用肉眼观察铁道建筑技术 ()魏剑峰 等:基于机器视觉的铁路混凝土桥梁裂缝检测系统研究与应用结构表面的裂缝用裂缝测宽仪对裂缝的宽度和长度进行测量检测工作量大检测效率低检测结果存在较强的主观性并且检测过程中会对检测人员的人身安全产生威胁为了提高混凝土结构裂缝的检测效率和精度基于图像的裂缝检测方面开展了大量的研究工作取得了一定的成果 在早期的研究中混凝土裂缝的识别与检测采用包括边缘检测等在内传统的数字图像处理的方法在实际工程应用中传统的图像检测方法容易受到环境因素影响会导致检测精度降低检测误差增大甚至会产生错误的结果这使得传统图像处理方法下的裂缝检测方法有着较大的局限性 随着近些年来机器视觉技术的快速发展在铁路建设和运维中机器视觉技术得到了广泛的应用在异物侵限车辆故障诊断铁路基础设施检测等方面开展了广泛应用 为解决目前铁路混凝土桥梁裂缝检测难点本文研发了基于机器视觉技术的铁路混凝土桥梁裂缝智能检测系统依托深度学习技术和图像形态学理论开发了适用于铁路混凝土桥梁的裂缝检测算法能够实现对图像中的裂缝进行自动检测并标识裂缝宽度 研制了一套适用于铁路混凝土桥梁图像自动采集系统与裂缝识别算法相结合实现对铁路混凝土桥梁裂缝的自动检测 系统架构铁路混凝土桥梁裂缝智能检测系统整体架构根据各自模块功能实现不同和裂缝检测的流程划分为 个层级分别是图像采集层、图像分析层和结果展示层系统整体架构如图 所示图 系统架构.图像采集层图像采集层的功能是获取原始图像并将原始图像信息传递给图像分析层 图像自动采集子系统位于图像采集层图像自动采集子系统对待检测的铁路混凝土桥梁进行自动巡检可事先规划好巡检路线巡检时间等参数图像自动采集子系统利用高分辨率相机对混凝土桥梁表面的图像进行采集采集完成后将图像信息等内容以可拓展标记语言()文件形式传递给图像分析层进行进一步的分析.图像分析层图像分析层的功能是对图像采集层获取的原始图像进行分析处理自动检测图像中是否存在裂缝如果存在裂缝将自动分析图像中的裂缝宽度统计裂缝数量并将图像的裂缝检测结果进行输出 图像分析层是铁路混凝土桥梁智能检测系统的核心部分在图像分析层中首先解析由图像采集层传来的数据得到待检测的混凝土桥梁表面图像 将图像输入至裂缝检测模块中经过基于深度学习的铁路混凝土裂缝识别算法对图像中是否存在裂缝进行判定对于存在裂缝的图像输入至裂缝特征参数分析模块中对检测到的裂缝的长度宽度等特征参数进行自动分析最终将裂缝检测结果以可拓展标记语言文件形式传递至结果展示层.结果展示层结果展示层的功能是将裂缝检测结果进行展示通过对图像分析层传递的数据进行解析得到裂缝检测的结果最终将结果在系统界面上进行展示并将检测结果进行自动存档记录自动生成检测报告 裂缝检测模块实现.裂缝识别算法由于铁路混凝土桥梁的裂缝普遍较为细微根据裂缝特点基于深度学习与计算机视觉技术建立适用于铁路桥梁裂缝识别的深度神经网络模型 本系统选择 的深度神经网络模型实现对裂缝进行语义分割网络模型如图 所示 适用于裂缝识别的深度神经网络模型 整体采用编码器 解码器模式并引入空间空洞卷积池化金字塔()对主干网络提取的特征依次进行 的卷积膨胀率为 的 空洞卷积之后进行池化操作最终经过 卷积提取信息 解码器先由编码器的主干网络输出结果经过 卷积得到边界细节信息之后与经过双线性上采样得到的特征层进行拼接经过 的卷积后再进行一次双线性上采样后得到最终的输出结果铁道建筑技术 ()魏剑峰 等:基于机器视觉的铁路混凝土桥梁裂缝检测系统研究与应用图 网络模型空间空洞卷积池化金字塔模块在输入特征图上应用多采样率扩张卷积、多接收野卷积和池化探索多尺度上下文信息 编码器 解码器模式通过逐渐恢复空间信息来捕捉清晰的目标边界模型充分结合了两者的优点模型的特征提取骨干网络采用 网络具有模型体积小轻量化易于训练的特点 其中深度可分离卷积模块是网络的核心部分包括深度卷积和逐点卷积可以极大地减少模型的参数量加快网络的收敛速度 此外 网络引入线性瓶颈模块和倒置残差结构其中线性瓶颈模块可防止激活函数破坏低维空间信息倒置残差结构使用先升维后降维的方式来构成模型的骨干网络即首先使用 卷积作为模型拓展层进行升维之后采用 卷积作为特征提取层进行特征提取最后再使用 卷积作为压缩层进行降维处理 网络模型如图 所示整个网络结构可以有效保留特征信息同时大幅减少了模型参数量提高了计算效率图 网络模型裂缝病害数据集的构件对于神经网络模型的训练结果有着巨大的影响会直接影响到最终模型的泛化能力通过收集 张典型的铁路混凝土桥梁的裂缝图像数据使用数据增强的手段将图像切分为 的子图像制作病害数据集用于模型的训练和验证 模型训练硬件设备采用 至强处理器搭载 内存 操作系统采用.使用 深度学习框架进行模型训练.裂缝尺寸自动计算裂缝尺寸计算是裂缝检测的重要内容为实现裂缝尺寸的自动计算使用基于图像形态学原理的裂缝骨架提取来获取裂缝的长度和宽度 首先将包含裂缝的图像进行二值化处理对裂缝图像使用闭运算即先对二值化后的裂缝图像进行膨胀运算再做腐蚀运算将识别断开的裂缝进行连接 进一步采用二值图像细化的方法能够将图像中连通区域细化为一个像素的宽度计算提取出的裂缝骨架的像素点总数即为裂缝的像素长度对进行闭运算后的二值化图像的裂缝像素进行统计像素的总数即为裂缝面积得到裂缝长度和裂缝面积后将每个连通域的裂缝面积除以裂缝长度即可获得裂缝的平均像素宽度 像素长度与宽度通过对相机标定后获取的标定系数进行换算可得到检测的裂缝真实的长度和宽度 图像自动采集子系统图像自动采集子系统是铁路桥梁裂缝智能检测系统的重要组成部分 子系统的主要功能是根据规划好的巡检路径检测时间等指标自动拍摄混凝土桥梁表面图像获取图像数据 可用于铁路混凝土桥梁试验裂缝自动检测硬件系统主要包括行走轨道机构和智能检查车行走轨道机构用于智能检查车的行驶智能检查车是图像自动采集子系统的核心部分由行走机构、电动升降柱、风琴防护罩、车体控制箱、回转摇臂、电动伸缩臂、高分辨率摄像机以及微控云台组成云台周围有一圈 灯带用于高分辨率摄像机拍摄时进行补光 小车的作用是用于梁体裂缝识别的原始图像的采集 智能检查车模型图与实物图如图 所示图 智能检查车智能检查车具有自动巡航和手动移动的功能 可以通过平板电脑和主控台进行操作 便携式平板电脑较为灵活适用于环境复杂的场景 搭载着高清摄像头的小车在轨道上行驶的过程中对混凝土梁底板的图像进行采集 机械臂可以根据实际需要进行伸缩和旋转铁道建筑技术 ()魏剑峰 等:基于机器视觉的铁路混凝土桥梁裂缝检测系统研究与应用搭载摄像头的微控云台可以进行旋转根据需要对拍照姿态进行调整 高清摄像头的图像采集方式可以采用手动抓图和自动巡检采集图像获取的混凝土图像采用无线通讯的方式传至主控台 现场应用效果为验证铁路混凝土桥梁裂缝智能检测系统的检测效果在某铁路预制梁场进行了试验验证 试验由两部分组成.试验一为验证测试系统裂缝检测精度使用提前预制好的混凝土块和混凝土板通过加载的方式使其产生裂缝使用裂缝测宽仪测量制造的裂缝宽度记录裂缝宽度 使用智能检测系统对人为制造的裂缝进行检测将系统检测结果与人工观测结果进行对比试验一对比结果见表 试验一裂缝识别结果如图 所示 从表 中结果可以看出检测系统的裂缝识别结果与人工观测的结果吻合较好验证了铁路混凝土桥梁裂缝检测系统对于细微裂缝检测的可靠性检测精度能够满足工程应用的要求表 试验一检测结果对比裂缝编号系统检测裂缝宽度/人工观测裂缝宽度/相对误差.图 试验一裂缝检测结果.试验二为验证整个系统在铁路混凝土桥梁的试验中的应用效果选取一片铁路混凝土简支梁的破坏试验根据在简支梁试验方法 预应力混凝土梁静载弯曲试验(/)中规定的要求裂缝检测覆盖范围为梁体跨中及跨中两侧各不小于 范围内每轮加载持荷过程中均需进行裂缝检测检测时间不超过 根据破坏试验要求设定了检测参数在试验持荷过程中进行梁体的裂缝检测同时采用人工复核的方式对梁体裂缝进行检查检测结果如图 所示 检测系统和人工复核均发现宽度为.的裂缝检测时间也满足规范要求裂缝检测结果如图 所示 这验证了本铁路混凝土桥梁裂缝识别系统的可靠性和准确性能够满足工程应用的要求图 试验二裂缝检测结果 结论本文对铁路混凝土桥梁裂缝智能检测系统开展研究与应用检测系统由裂缝识别模块和图像采集子系统组成得到以下结论:()基于 深度神经网络模型提出了适用于铁路混凝土桥梁裂缝识别检测方法收集铁路混凝土桥梁典型裂缝图像数据制作了数据集并对模型进行训练和验证效果较好()研制了由行走轨道机构和智能检查车组成混凝土桥梁图像采集子系统可以根据检测需要自行拍摄混凝土表观图像集成裂缝识别模块可实现铁路混凝土桥梁的裂缝实时检测()在某铁路预制梁场开展系统的试验与验证工作试验验证结果表明智能检测系统的裂缝检测精度和检测时间均能较好满足工程应用的需要参考文献 魏剑峰禚一邢雨等.高速铁路调跨简支箱梁足尺破坏试验与数值模拟研究.铁道学报():.国家铁路局.简支梁试验方法 预应力混凝土梁静载弯曲试验:/.北京:中国铁道出版社:.李良福马卫飞李丽等.基于深度学习的桥梁裂缝检测算法研究.自动化学报():.占继刚.基于图像处理的桥梁底面裂缝检测识别方法研究.北京:北京交通大学:.王磊.基于深度学习的输电线路绝缘子目标增强识别研究.铁道建筑技术():.柴雪松朱兴永李健超等.基于深度卷积神经网络的隧道衬砌裂缝识别算法.铁道建筑():.:.(下转第 页)铁道建筑技术 ()郝勇:高速铁路 节段预制胶拼梁构造设计与受力研究图 依次安装所有节段并张拉预应力(工序)工序:放松中部吊杆落梁至设计位置 安装支座 架梁完成架桥机过孔进入下一跨架设 如图 所示图 放松中部吊杆落梁至设计位置(工序)由上述施工步骤可知各节段在起吊安装过程中存在两种受力状态一种是工序 中每个节段单独起吊受力吊点承受此节段自身的重量另一种是工序 中由两个梁端节段承受全桥起吊重量 针对此两种受力状态进行受力分析()起吊受力分析标准节段:标准节段长度为.节段重量为.每个节段设 个吊点以承受节段自身重量参考公路规范相关规定设计时仅考虑 个吊环同时发挥作用 计算得钢筋应力为.满足受力要求梁端节段:梁端节段长度为.重量为.每个节段共设置 个吊点承受落梁工况下的半跨.梁重 参考公路规范相关规定设计时仅考虑 个吊环同时发挥作用 计算得钢筋应力为.满足受力要求 结论()本文以东南亚地区某高速铁路工程 节段预制胶拼简支梁为研究对象介绍了其桥跨形式和构造特点并通过建立/有限元分析模型进行了梁体的强度检算、变形检算 计算结果表明该 节段预制胶拼简支梁的强度和变形指标满足规范要求适用于高速铁路工程可以为同类型项目提供借鉴()本文介绍了节段预制胶拼简支梁胶接缝处的抗剪计算方法并运用此方法进行抗剪检算计算结果表明该 节段预制胶拼简支梁剪力键设置合理胶接缝处抗剪性能可靠()本文介绍了节段预制胶拼简支梁在桥位处的施工方法针对其在吊装过程中两种不同的起吊受力状态进行检算确保梁部节段在施工过程中的安全参考文献 孙海富.中国高铁标准在泰国的适应性分析.铁道工程学报():.冯印.境外普速铁路中小跨度桥梁结构选型与实践.铁道标准设计():.商耀兆.泰国曼谷至呵叻高速铁路装配式标准跨梁体设计与施工.铁道标准设计():.刘安双马振栋.预制节段拼装桥梁在城市轨道交通中的应用.公路交通技术():.陈开御.节段预制拼装式桥梁在铁路客运专线上运用的探讨.桥梁建设():.高明昌.铁路节段预制胶接拼装简支箱梁的技术特点和优势.铁道建筑():.张雷季伟强苏伟等.高速铁路()预应力混凝土连续梁节段预制胶拼法建造技术研究.铁道标准设计():.赵成龙.架桥机刚度对节段胶拼简支梁桥受力影响分析.铁道建筑技术():.李磊.铁路 跨节段预制胶拼连续梁施工技术与创新.铁道建筑技术():.许敏许志艳.高速铁路节段预制胶结拼装简支梁设计.中国勘察设计():.潘旦光韦杉杉 等.变高度简支箱梁剪力滞半解析解.力学季刊():.历付.节段预制胶拼简支梁的构造和力学性能分析.高速铁路技术():.(上接第 页).:().:.张修杰袁嘉豪岳学军等.基于优化 的混凝土梁裂缝分割及特征量化.科学技术与工程():.屈景怡刘畅.基于轻量化网络 的航班延误预测模型.信号处理():.蔡啟军彭程石向文.基于 轻量级人脸识别算法.计算机应用():.王钰婷.图像目标的显著性骨架计算方法研究.济南:山东大学:.铁道建筑技术 ()