江仲慶

(上海浦江橋隧運(yùn)營(yíng)管理有限公司,上海 200023)

隧道通常是指作為地下通道的工程建筑物，具有某些其他工程無法比擬的優(yōu)勢(shì)[1]。它能克服高程障礙，縮短線路長(zhǎng)度，減小坡度和曲率，從而提高線路技術(shù)標(biāo)準(zhǔn)。滲漏水和裂縫是2類最常見的隧道病害，隧道滲漏水是降低襯砌承載力、腐蝕隧道、致使混凝土開裂凍脹的主要原因[2]，嚴(yán)重威脅了隧道的安全；而裂縫會(huì)降低鋼筋混凝土結(jié)構(gòu)的承載能力，甚至導(dǎo)致襯砌失穩(wěn)和突然坍塌，威脅到隧道結(jié)構(gòu)的運(yùn)營(yíng)安全。因此，通過傳感器實(shí)時(shí)自動(dòng)地檢測(cè)隧道內(nèi)滲漏水及裂紋的存在，進(jìn)而能夠及時(shí)準(zhǔn)確的實(shí)施防護(hù)措施對(duì)整個(gè)隧道工程有著至關(guān)重要的作用。

目前，國(guó)內(nèi)的隧道裂紋檢測(cè)方法主要以人工肉眼和人工儀器為主[3]，如文獻(xiàn)[4]提到一套裂縫儀器檢測(cè)方法，采用DJCK-2智能裂縫測(cè)寬儀測(cè)量隧道裂縫，測(cè)量時(shí)程序自動(dòng)掃描捕獲裂縫并在顯示屏上實(shí)時(shí)顯示裂縫的寬度數(shù)值，該方法檢測(cè)精度高，需要大量的人力和時(shí)間?；趫D像處理[5-6]的裂縫檢測(cè)方法能夠彌補(bǔ)傳統(tǒng)檢測(cè)方法的不足，高效準(zhǔn)確地獲取裂縫數(shù)據(jù)并節(jié)約人工成本，是一種理想的裂縫自動(dòng)檢測(cè)技術(shù)，該方法圖像數(shù)據(jù)獲取困難，檢測(cè)范圍受限。國(guó)外Yu等[7]通過控制移動(dòng)機(jī)器人與墻壁保持恒定距離的同時(shí)利用電荷耦合器件(CCD)相機(jī)采集圖像數(shù)據(jù)，并利用圖像處理從采集的圖像中提取裂紋信息，能夠保證裂紋的精確識(shí)別，檢測(cè)與交通不能同時(shí)進(jìn)行。劉志強(qiáng)等[8]提出一種Permalog+區(qū)域漏水噪聲監(jiān)測(cè)系統(tǒng)，從聲學(xué)原理角度分析了滲漏水聲波的產(chǎn)生、傳播途徑、特點(diǎn)，實(shí)現(xiàn)對(duì)供水管網(wǎng)實(shí)現(xiàn)漏水監(jiān)測(cè)的目的。吳鵬程[9]提出一種基于MCU的智能防漏水系統(tǒng)方案，該檢測(cè)電路采用適當(dāng)?shù)碾姌O型水傳感器，根據(jù)電極浸水阻值變化原理，通過電壓檢測(cè)確定傳感器的狀態(tài)，該方案能有效處理家居中漏水問題，不適用于開放性場(chǎng)景。同濟(jì)大學(xué)劉學(xué)增等[10]以隧道襯砌滲漏水面積為檢測(cè)目標(biāo)，研究出包括去噪、銳化、分割、修正的一整套數(shù)字圖像處理算法，并開發(fā)了隧道襯砌表面病害數(shù)字圖像識(shí)別系統(tǒng)，為隧道襯砌滲漏水病害檢測(cè)提供一種便捷、低成本、直觀、高效的方法。

然而，這些研究工作主要針對(duì)單一病害進(jìn)行，檢測(cè)需要做大量準(zhǔn)備工作，傳感器覆蓋區(qū)域小，導(dǎo)致檢測(cè)范圍受限且不實(shí)時(shí)。為此，本文提出了一種基于多傳感器的隧道自動(dòng)異常檢測(cè)系統(tǒng)，將工業(yè)相機(jī)和紅外熱成像攝像機(jī)功能模塊化，安裝在隧道中的運(yùn)動(dòng)巡檢設(shè)備中，并設(shè)計(jì)了一種多鄰域生長(zhǎng)動(dòng)態(tài)異常區(qū)域識(shí)別算法，對(duì)熱成像攝像機(jī)獲取的偽彩圖進(jìn)行滲漏水檢測(cè)；為使裂紋檢測(cè)范圍更廣及識(shí)別更精確，設(shè)計(jì)了一種基于相機(jī)標(biāo)定的圖像拼接算法獲取隧道全部視場(chǎng)。經(jīng)實(shí)驗(yàn)驗(yàn)證，該系統(tǒng)能夠?qū)崟r(shí)、準(zhǔn)確地對(duì)隧道環(huán)境中的滲漏水和裂縫進(jìn)行檢測(cè)，對(duì)隧道的智能安全防護(hù)有積極的意義。

1 多傳感器異常檢測(cè)系統(tǒng)的設(shè)計(jì)

傳感器(sensor)能夠通過將感受到的信息轉(zhuǎn)變成電信號(hào)或者其他形式的信號(hào)，將其轉(zhuǎn)換得到所需的能夠進(jìn)行處理的信息。與機(jī)器結(jié)合相當(dāng)于讓其能夠擁有視覺[11-13]、觸覺[14]等感官，能夠特定的識(shí)別和檢測(cè)預(yù)定的目標(biāo)，具有高效和準(zhǔn)確等優(yōu)點(diǎn)。而單一傳感器所能獲取的信息是有限的，因此，通過集成多傳感器(multi-sensor)的異常檢測(cè)系統(tǒng)，可增加其感官獲取隧道中更多的信息，從而進(jìn)行更加準(zhǔn)確充分的識(shí)別和處理。

整個(gè)隧道異常檢測(cè)系統(tǒng)如圖1所示，高清相機(jī)和紅外熱成像攝像機(jī)模塊化安裝在隧道移動(dòng)設(shè)備內(nèi)，使用低功耗嵌入式中央處理器對(duì)傳感器采集到的數(shù)據(jù)進(jìn)行處理，再通過一套完整的網(wǎng)絡(luò)系統(tǒng)進(jìn)行信息和數(shù)據(jù)的傳輸。該系統(tǒng)是一個(gè)完整的系統(tǒng)，采用了標(biāo)準(zhǔn)的三層網(wǎng)絡(luò)架構(gòu)：① 數(shù)據(jù)采集傳感器與嵌入式系統(tǒng)的數(shù)據(jù)采集傳輸層；② 設(shè)備內(nèi)的各模塊經(jīng)過內(nèi)置4G路由器進(jìn)行相互通信；③ 主控室通過快速以太網(wǎng)建立服務(wù)器、客戶端和移動(dòng)設(shè)備之間的通信控制層。

2 滲漏水檢測(cè)

滲漏水是運(yùn)營(yíng)隧道的一種比較普遍的病害。它不僅會(huì)腐蝕隧道的內(nèi)部設(shè)備，而且是襯砌損裂[15]的主要原因。隧道環(huán)境復(fù)雜，頂壁和側(cè)壁經(jīng)常會(huì)發(fā)生滲漏水等隧道病害，越早發(fā)現(xiàn)則可以越早的防止危害進(jìn)一步擴(kuò)大，能夠大大降低養(yǎng)護(hù)費(fèi)用和維護(hù)成本。

通過安裝在運(yùn)動(dòng)巡檢設(shè)備中的紅外熱成像傳感器，實(shí)時(shí)采集隧道內(nèi)現(xiàn)場(chǎng)的紅外數(shù)據(jù)，設(shè)備在固定于隧道墻面頂端的軌道上來回巡檢，經(jīng)過中央處理器的分析處理，及時(shí)對(duì)隧道內(nèi)有無滲漏水情況進(jìn)行監(jiān)測(cè)。若發(fā)現(xiàn)滲漏水情況則通過網(wǎng)絡(luò)系統(tǒng)發(fā)送異常信號(hào)至PC客戶端，主控室的操作員則可通過中央計(jì)算機(jī)系統(tǒng)發(fā)現(xiàn)有滲漏水情況。與此同時(shí)，高清相機(jī)采集現(xiàn)場(chǎng)圖像并通過圖像拼接來將超高分辨率的現(xiàn)場(chǎng)圖像傳至云服務(wù)器，主控室工作人員根據(jù)從云服務(wù)器上下載的高清圖像來確認(rèn)是否有滲漏水。

圖1 隧道異常檢測(cè)系統(tǒng)結(jié)構(gòu)圖Fig.1 The structural diagram of tunnel anomaly detection system

2.1 紅外成像原理

在電磁輻射中，Planck 定律描述了黑體輻射的能量

(1)

式中：h為普朗克常量；c為真空中的光速；k為電磁輻射頻率；T為發(fā)射體的絕對(duì)溫度；I(v,T)為黑體發(fā)射單位時(shí)間內(nèi)的能量。

而對(duì)于紅外輻射體，將式(1)進(jìn)行全譜和全空間積分，考慮發(fā)射率影響，可得到單位面積在每秒時(shí)間內(nèi)的紅外輻射能量密度，遵從Stefan-Boltzmann規(guī)律

(2)

式中：ε為發(fā)射常數(shù)；σ為Stefan常數(shù)；T為發(fā)射體溫度；A為輻射面積；P為凈輻射能量。

式(2)常被用來測(cè)量物體的表面溫度，通過紅外攝像儀采集紅外輻射體的溫度分布與變化。

2.2 滲漏水檢測(cè)算法

運(yùn)動(dòng)巡檢設(shè)備在隧道往返運(yùn)動(dòng)的過程中，熱成像模塊持續(xù)采集偽彩圖，提出了一種基于多鄰域生長(zhǎng)動(dòng)態(tài)算法進(jìn)行滲漏水檢測(cè)，該算法在中央處理器執(zhí)行，對(duì)采集到的熱成像偽彩圖數(shù)據(jù)進(jìn)行分析處理，持續(xù)得出檢測(cè)結(jié)果。算法流程圖如圖2所示，先將采集到的紅外圖像進(jìn)行轉(zhuǎn)灰度圖，并二值化處理，之后建立灰度閾值塊，閾值塊的大小根據(jù)取得的數(shù)據(jù)設(shè)定，并逐行滑動(dòng)，滑至某處檢測(cè)出異常時(shí)，進(jìn)行多鄰域的滑動(dòng)來判斷是否為誤檢。若此異常區(qū)域的鄰域異常數(shù)值達(dá)到預(yù)設(shè)參數(shù)值，則判定為該處有滲露水現(xiàn)象，發(fā)出指令進(jìn)行滲漏水報(bào)警；若未達(dá)到預(yù)設(shè)的參數(shù)值繼續(xù)進(jìn)行滑動(dòng)，直至到圖像的最末行末列，即整幅圖像檢測(cè)完畢，未發(fā)現(xiàn)異常區(qū)域，則繼續(xù)取下一張圖并檢測(cè)。

圖2 多鄰域生長(zhǎng)動(dòng)態(tài)算法流程圖Fig.2 Flow chart of dynamic algorithm formulti-neighborhood growth

3 圖像拼接與裂紋檢測(cè)

對(duì)于墻面裂痕的提早發(fā)現(xiàn)是隧道維護(hù)的一個(gè)關(guān)鍵點(diǎn)，較深的裂痕可能對(duì)隧道的安全造成重大的影響?，F(xiàn)階段檢測(cè)墻面裂痕基本采用人工的方式，進(jìn)行肉眼的檢測(cè)，在一定程度上無法做到全部裂痕的發(fā)現(xiàn)與排查，留有隱患。墻體裂痕的早期發(fā)現(xiàn)有利于隧道的安全，對(duì)此，如何早期便可以發(fā)現(xiàn)墻體裂痕并及時(shí)修整，防患于未然，是隧道維護(hù)方面應(yīng)注意的問題。

傳統(tǒng)視覺檢測(cè)系統(tǒng)由于視場(chǎng)角限制，一次只能獲取周圍環(huán)境部分的視場(chǎng)信息，其余大部分視場(chǎng)信息彼放棄了，無法提供全方位的決策依據(jù)信息?；蚴遣捎萌跋鄼C(jī)、魚眼鏡頭等設(shè)備，它們通過鏡面反射或光學(xué)裝置可將周圍的場(chǎng)景投射到單個(gè)相機(jī)鏡頭中，從而獲得大的視場(chǎng)。但得到的圖像嚴(yán)重扭曲，分辨率低，對(duì)于后期的圖像處理和檢測(cè)算法極為不利。而該系統(tǒng)采用高分辨率的工業(yè)相機(jī)進(jìn)行取圖，利用圖像拼接技術(shù)得到隧道中墻面和路面的全景圖像，并采用基于霍夫變換的OSTU改進(jìn)算法[16]對(duì)取得的全景圖進(jìn)行裂紋檢測(cè)。通過基于相機(jī)標(biāo)定的方法能夠準(zhǔn)確快速完成隧道無特征點(diǎn)環(huán)境的圖像拼接，使得能夠一次性地提供從給定視點(diǎn)處所能獲取的全部視覺信息，為后續(xù)的圖像處理，信息歸類提供了有利的條件，其技術(shù)優(yōu)勢(shì)十分明顯。

3.1 基于相機(jī)標(biāo)定的圖像拼接算法

圖像拼接(mosaicing)是將多幅圖像組合成一幅高分辨率圖像的過程，拼接好的圖像稱為全景圖像。此項(xiàng)技術(shù)在該系統(tǒng)中起到2個(gè)作用：① 滲漏水檢測(cè)系統(tǒng)發(fā)出異常信息后，操作員能夠通過圖像拼接的高清圖像準(zhǔn)確判定是否為滲漏水；② 增加圖像中隧道裂紋的可識(shí)別度和檢測(cè)準(zhǔn)確度，能夠檢測(cè)到整個(gè)隧道的狀態(tài)。

現(xiàn)有的圖像拼接技術(shù)都是基于頻域、基于灰度和基于特征點(diǎn)的經(jīng)典的全景圖拼接方法。頻域相關(guān)匹配方法將圖像在空間域中的匹配轉(zhuǎn)換成頻率域的匹配，利用了傅里葉變換的平移原理。該方法對(duì)于待拼接圖像間只存在平移關(guān)系時(shí)有較好的效果，但當(dāng)存在旋轉(zhuǎn)變換時(shí)，則需要大量反復(fù)的空域和頻域轉(zhuǎn)換，較大的計(jì)算量影響到了配準(zhǔn)的效率?；诨叶鹊姆椒ɡ脠D像的灰度信息進(jìn)行配準(zhǔn)。該方法雖然易于實(shí)現(xiàn)，但也存在計(jì)算量大，效率低的問題?；趫D像的特征進(jìn)行拼接，可以提取直線、弧、特征點(diǎn)、輪廓等圖像特征進(jìn)行圖像匹配。該種方法會(huì)對(duì)圖像的特征點(diǎn)進(jìn)行大量的計(jì)算提取，這導(dǎo)致了配準(zhǔn)效率的下降。

無論采用什么方法，圖像拼接過程一般都由預(yù)處理、圖像配準(zhǔn)、圖像融合3個(gè)步驟組成，以上3種拼接方法都是在圖像配準(zhǔn)這部分需要大量的計(jì)算，導(dǎo)致效率低。因此，采用基于相機(jī)標(biāo)定的方法(見圖3)，事先標(biāo)定好相機(jī)獲取的圖像間的旋轉(zhuǎn)平移參數(shù)，在圖像拼接過程直接利用這些參數(shù)進(jìn)行拼接融合，可節(jié)省大量時(shí)間，極大地了提高拼接效率。

圖3 基于相機(jī)標(biāo)定的圖像拼接過程Fig.3 The image mosaic process based on camera calibration

3.2 裂紋檢測(cè)

由于照明光源影響、道路兩旁物體的投影、路面上的污漬等外界因素，以及路面本身紋理特征的干擾，拍攝到的圖像普遍存在著缺陷：圖像整體偏色、亮度不均、噪聲多且雜等。這些會(huì)使裂縫很難被辨識(shí)或者被完整的提取。為了能清晰完整的分割裂縫與背景，需對(duì)裂縫圖像進(jìn)行預(yù)處理：① 對(duì)圖像進(jìn)行灰度化及降低分辨率處理。② 用加權(quán)鄰域平均法[17]對(duì)圖像進(jìn)行平滑操作，去除噪聲。③ 用八方向Sobel算子[18]對(duì)圖像進(jìn)行邊緣增強(qiáng)。

4 實(shí)驗(yàn)結(jié)果與分析

為了測(cè)試該系統(tǒng)的可行性，將通車前的杭州文一路隧道作為實(shí)驗(yàn)場(chǎng)景(見圖4)，該隧道是杭州“一環(huán)、三縱、五橫”城市快速路網(wǎng)系統(tǒng)中“一橫”德勝路至文一路的重要組成部分，且車流量較大，隧道內(nèi)日常人工巡檢帶來了人員安全風(fēng)險(xiǎn)和影響路網(wǎng)通行能力的困擾。通過在杭州文一路隧道應(yīng)用該套基于多傳感器的隧道自動(dòng)巡檢系統(tǒng)，可以實(shí)現(xiàn)自動(dòng)巡檢逐步替代人工巡檢，解決上述兩點(diǎn)難題。異常檢測(cè)隧道環(huán)境的截面如圖5所示，裝有紅外熱成像傳感器和高清相機(jī)的移動(dòng)設(shè)備(見圖6)在固定于隧道斜上方的軌道上來回運(yùn)動(dòng)，對(duì)整個(gè)隧道頂部的滲漏水和地面和頂部的裂紋進(jìn)行實(shí)時(shí)檢測(cè)，并通過在隧道頂端持續(xù)抹水創(chuàng)造有滲漏水的實(shí)驗(yàn)環(huán)境來驗(yàn)證多鄰域生長(zhǎng)動(dòng)態(tài)算法；設(shè)計(jì)了一套轉(zhuǎn)臺(tái)機(jī)械結(jié)構(gòu)來采集待拼接的圖像序列，在中央處理器執(zhí)行圖像拼接，采用的基于霍夫變換的OSTU改進(jìn)算法文[16]已經(jīng)得到充分的驗(yàn)證。

圖4 杭州文一路隧道應(yīng)用場(chǎng)景實(shí)物圖Fig.4 The application scene physical map of Wenyi Tunnel in Hangzhou

圖5 隧道異常檢測(cè)截面示意圖Fig.5 The diagrammatic sketch of tunnel anomaly detection

圖6 運(yùn)動(dòng)巡檢設(shè)備Fig.6 The moving inspection equipment

4.1 熱成像檢測(cè)結(jié)果

系統(tǒng)采用測(cè)溫型熱成像攝像機(jī)DH-TPC-BF5400，將其模塊化裝在運(yùn)動(dòng)巡檢設(shè)備中(見圖6)，其探測(cè)器類型為非制冷氧化釩焦平面探測(cè)器，支持14種偽彩色，編碼輸出的偽彩圖像為 1 280×1 024 pixel，熱成像選用的鏡頭焦距為7.5 mm，使其在同等條件下具有更大的視場(chǎng)，通過千兆網(wǎng)口與中央處理器相接實(shí)現(xiàn)采圖，實(shí)時(shí)采到的白熱偽彩圖識(shí)別檢測(cè)結(jié)構(gòu)如圖7所示，攝像機(jī)朝向隧道頂部防護(hù)板，在沒有溫差的正常情況下拍攝結(jié)果為無特征的固定灰度的偽彩圖。

圖7(a)表示沒有任何水的情況，剩下的5幅圖與其進(jìn)行對(duì)比可觀察到黑色區(qū)域深淺不一，表示的是溫度差異，實(shí)際則表示滲水的程度不一樣，圖像灰度值較高(偽彩圖中顯示為越黑)的區(qū)域滲水的程度較深，與之對(duì)應(yīng)的就是長(zhǎng)時(shí)間滲漏水的實(shí)際情況。如圖7(b)～(f)所示，檢測(cè)到滲漏水的區(qū)域用白框框選出來，而相對(duì)灰度值不高的區(qū)域根據(jù)閾值大小將其視為正常區(qū)域。

建立一個(gè)10×10 pixel的滑動(dòng)窗口分別在不同比較閾值下檢測(cè)異常區(qū)域，該閾值為區(qū)域塊的平均灰度值減去整幅圖像的平均灰度值，以圖7中的(a)、(b)、(c)、(e)和(f)這5幅熱成像偽彩圖作為實(shí)驗(yàn)對(duì)象，檢測(cè)到的平均灰度值(gray_l)和鄰近異常區(qū)域數(shù)量(num)如表1所示。

圖7 隧道異常檢測(cè)截面示意圖Fig.7 The diagrammatic sketch of tunnel anomaly detection

表1 熱成像檢測(cè)結(jié)果比較分析Tab.1 Comparison and analysis of thermal imaging test results

通過分析上表中的數(shù)據(jù)，若窗口中的平均灰度值比整幅圖像的平均灰度值大40為最合理判定閾值，即在此閾值下鄰近異常區(qū)域數(shù)量>8則判定為該區(qū)域異常，通過網(wǎng)絡(luò)系統(tǒng)完成滲漏水報(bào)警。并發(fā)送圖像拼接命令將現(xiàn)場(chǎng)高清圖像傳至云臺(tái)，等待操作人員確認(rèn)是否為滲漏水。該模塊現(xiàn)場(chǎng)檢測(cè)效果如圖8所示，該圖為系統(tǒng)的巡檢結(jié)果與現(xiàn)場(chǎng)的真實(shí)圖像疊加形成，具有較高的檢測(cè)精度。

圖8 滲漏水檢測(cè)效果圖Fig.8 The effect image of leakage water detection

圖10 圖像拼接結(jié)果Fig.10 The image mosaic results

4.2 圖像拼接結(jié)果

為能夠拍攝到隧道中全部視場(chǎng)，設(shè)計(jì)了一個(gè)轉(zhuǎn)動(dòng)的機(jī)械機(jī)構(gòu)及一套工業(yè)相機(jī)調(diào)焦機(jī)構(gòu)，采集隧道中的圖像進(jìn)行拼接。系統(tǒng)接收到拼接指令后，控制轉(zhuǎn)臺(tái)舵機(jī)先轉(zhuǎn)至第一個(gè)位置，調(diào)焦舵機(jī)轉(zhuǎn)至對(duì)應(yīng)位置，之后觸發(fā)相機(jī)SDK進(jìn)行采圖。并設(shè)定一個(gè)采圖的數(shù)量，如果未達(dá)到指定值則重復(fù)上一過程，反之則表示完成采圖，進(jìn)行圖像拼接。該機(jī)械結(jié)構(gòu)三維圖如圖9所示，整個(gè)高清相機(jī)模塊(見圖6)同樣安裝在運(yùn)動(dòng)巡檢設(shè)備中。

圖9 高清相機(jī)轉(zhuǎn)臺(tái)圖Fig.9 The graphic model of high resolution camera turntable

利用標(biāo)定板對(duì)旋轉(zhuǎn)的單相機(jī)進(jìn)行標(biāo)定，通過相機(jī)標(biāo)定得到相機(jī)每個(gè)位置相機(jī)變換參數(shù)，再利用標(biāo)定得到的參數(shù)完成圖像拼接，最后進(jìn)行圖像融合去拼縫，得到拼接圖像。圖像拼接過程各相關(guān)參數(shù)如表2所示。

表2 圖像拼接過程相關(guān)參數(shù)Tab.2 The parameters of image mosaic process

由于隧道環(huán)境特征點(diǎn)少，而傳統(tǒng)圖像拼接基于特征點(diǎn)查找匹配，本文采用相機(jī)標(biāo)定得到全景圖拼接所需的參數(shù)完成拼接過程中圖像配準(zhǔn)這一步驟，可實(shí)現(xiàn)無特征點(diǎn)圖像拼接，減少了拼接時(shí)間，并極大地提高圖像拼接精度，該算法具有強(qiáng)魯棒性。

5 結(jié) 語

針對(duì)隧道中裂紋和滲漏水的情況，提出了一種基于多傳感器的隧道自動(dòng)異常檢測(cè)系統(tǒng)。將紅外熱成像設(shè)備和工業(yè)相機(jī)模塊化安裝于運(yùn)動(dòng)巡檢設(shè)備中，分別對(duì)滲漏水和裂紋進(jìn)行實(shí)時(shí)檢測(cè)，該系統(tǒng)在一套完整的網(wǎng)絡(luò)架構(gòu)下進(jìn)行通信和數(shù)據(jù)傳輸。實(shí)驗(yàn)結(jié)果表明，本文提出的系統(tǒng)能有效檢測(cè)到隧道滲漏水和裂紋，能夠及時(shí)反饋至控制中心采取措施，提出的滲漏水檢測(cè)算法能夠準(zhǔn)確快速檢測(cè)到溫度異常的區(qū)域，且設(shè)計(jì)出的基于相機(jī)標(biāo)定的圖像拼接算法具有很高的魯棒性，拼接得到的圖像分辨率高、成像質(zhì)量好。該系統(tǒng)所采用的改進(jìn)的OSTU裂紋檢測(cè)算法效果良好、穩(wěn)定，抗干擾能力強(qiáng)。