趙美娟

(山西欣奧特自動(dòng)化工程有限公司，山西 太原 030012)

0 引言

隨著我國近年來大規(guī)?；A(chǔ)設(shè)施的不斷發(fā)展，很多隧道、橋梁等基礎(chǔ)設(shè)施已逐漸由建設(shè)期轉(zhuǎn)入維護(hù)期。為了保證運(yùn)營期的結(jié)構(gòu)和功能安全，必須進(jìn)行廣泛而及時(shí)的結(jié)構(gòu)健康監(jiān)測(cè)，以維持此類基礎(chǔ)設(shè)施系統(tǒng)的穩(wěn)定運(yùn)行[1]。目前的監(jiān)測(cè)主要依靠人工視覺檢查，但是對(duì)于大型、巨型項(xiàng)目，需要大量的時(shí)間，并帶來高成本[2]。為了改進(jìn)此類檢測(cè)，消除主觀性，無損檢測(cè)方法如超聲波斷層掃描、地質(zhì)雷達(dá)、聲發(fā)射、視覺成像和射線照相技術(shù)等已被用于缺陷檢測(cè)[3]。但是，上述方法通常實(shí)現(xiàn)的識(shí)別精度和效率不夠，仍然需要大量的人工輔助。為了提高檢測(cè)效率，人們開發(fā)了各種利用成像技術(shù)的自動(dòng)視覺檢測(cè)系統(tǒng)。并且，許多旨在識(shí)別隧道襯砌表面剝落的識(shí)別算法已經(jīng)被提出[4]。利用現(xiàn)成的先進(jìn)計(jì)算技術(shù)，已經(jīng)提出了各種基于深度學(xué)習(xí)的方法來檢測(cè)隧道缺陷[5]。這些識(shí)別方法各有優(yōu)勢(shì)，也有挑戰(zhàn)，它們?nèi)狈ν暾乃淼懒芽p識(shí)別解決方案，不能完全滿足隧道檢測(cè)的要求。鑒于此，本文的目的是開發(fā)一個(gè)基于圖像處理技術(shù)和機(jī)器學(xué)習(xí)的耦合模型，采用混合算法、交互式三維表示，并輔以回歸分析來預(yù)測(cè)剝落深度，以期待該技術(shù)可幫助基礎(chǔ)設(shè)施管理人員預(yù)測(cè)和檢測(cè)隧道襯砌表面的損害情況，并幫助其制定未來的計(jì)劃和決策。

1 總體檢測(cè)方法

本文所提出的圖像識(shí)別方法從上述系統(tǒng)采集的數(shù)據(jù)入手，以實(shí)現(xiàn)剝落識(shí)別和評(píng)價(jià)的最終研究目標(biāo)。其中包括三個(gè)主要階段：圖像采集、使用混合算法進(jìn)行圖處理，并輔以回歸分析來預(yù)測(cè)剝落深度。

2 圖像處理與機(jī)器學(xué)習(xí)耦合的襯砌監(jiān)測(cè)

2.1 隧道襯砌表面缺陷圖像采集方案

檢測(cè)系統(tǒng)包括兩部分：缺陷檢測(cè)設(shè)備和缺陷識(shí)別算法。如圖1所示，該系統(tǒng)由一個(gè)移動(dòng)小車和一個(gè)電荷耦合器件(CCD)相機(jī)組成，利用速度傳感器和減震裝置來控制線路CCD相機(jī)，獲得隧道襯砌表面圖像。

圖1 隧道襯砌表面缺陷檢測(cè)裝置原理圖

在這一階段，利用CCD數(shù)碼相機(jī)獲取隧道襯砌表面的無數(shù)圖像。圖像數(shù)據(jù)展示了結(jié)構(gòu)表面所有可見的缺陷，然而本研究只考慮圖像中的剝落區(qū)域。采集后，圖像通過通用串行總線(USB)傳輸?shù)接?jì)算機(jī)。為了優(yōu)化數(shù)據(jù)分析，在采集數(shù)字圖像時(shí)應(yīng)考慮一些必要的因素，從而準(zhǔn)確地完成缺陷的識(shí)別和量化。首先，采集的圖像應(yīng)與表面正交，并有適當(dāng)?shù)闹丿B，以減少投影的誤差，保證更好的區(qū)域覆蓋率。第二，在需要的時(shí)候應(yīng)該使用照明(圖1中的原理圖所示)，保證圖像的一致性。第三，近距離圖像能夠提供物體物理屬性的詳細(xì)信息。

2.2 用襯砌監(jiān)測(cè)混合算法進(jìn)行圖像處理

本文提出了一種不同空間和頻域?yàn)V波器的混合算法，以實(shí)現(xiàn)剝落區(qū)域的提取，從而實(shí)現(xiàn)缺陷的檢測(cè)和識(shí)別。圖2展示了所提出的算法的工作流程。它首先是讀取、調(diào)整和顯示圖像。由于采集的圖像是RGB圖像。這一步允許選擇一個(gè)合適的顏色平面進(jìn)行剝落識(shí)別，并提取一個(gè)灰度表示，這將為下一步包括圖像增強(qiáng)和檢測(cè)過程準(zhǔn)備圖像。

圖2 隧道襯砌新型檢測(cè)算法

隨后，在灰度圖像上應(yīng)用圖像平滑技術(shù)。通過使用該技術(shù)，盡管排除了背景噪聲，但圖像中的重要模式仍被保留，這將有助于從圖像中獲得更多的特征向量來進(jìn)行數(shù)據(jù)分析。在本研究中，利用各向異性擴(kuò)散法對(duì)圖像數(shù)據(jù)進(jìn)行平滑處理，應(yīng)用偏微分方程、局部梯度函數(shù)，并實(shí)現(xiàn)順序迭代，使平滑操作只發(fā)生在ROI的內(nèi)部，而不跨越尖銳像素強(qiáng)度之間的邊界。

因此，通過將剝落缺陷從周圍背景中分割出來，對(duì)圖像進(jìn)行閾值化。閾值化的主要思想是選擇一個(gè)閾值T，將圖像分割成兩個(gè)離散的灰度集，如式(1)表示。

(1)

其中，Gri和Grj是閾值化圖像中選定的兩個(gè)灰度級(jí)；f(x，y)是圖像函數(shù)；b(x，y)是應(yīng)用閾值處理后的二值化圖像函數(shù)。通過閾值化處理，圖像中的多個(gè)灰度級(jí)減少到只有兩個(gè)灰度級(jí)(即Gri，Grj)。在這個(gè)階段，關(guān)鍵是要繪制圖像直方圖，并選擇一個(gè)閾值T，將圖像分成兩個(gè)不同的區(qū)域，即對(duì)象(spall)區(qū)域和背景區(qū)域。圖像直方圖描述了圖像中所有像素的灰度級(jí)分布。采用試錯(cuò)技術(shù)選擇最佳閾值，判斷所選數(shù)值是否提取到了所需的OOI(圖像中需要特別關(guān)注的部分)。

然后，采用高斯模糊三維濾波器來降低噪聲，提高圖像分辨率。它在公式(2)定義的二維濾波形式的基礎(chǔ)上進(jìn)行三維(3D)卷積。

(2)

其中，H(u，v)是濾波器傳遞函數(shù)；D(u，v)是點(diǎn)(u，v)到頻率矩形中心的距離；σ是關(guān)于中心的傳播量。高斯模糊三維濾波也是利用堆棧建立起來的。堆棧是由同一圖像的多個(gè)片斷(空間鏈接的圖像)組成，可以在一個(gè)窗口中顯示。組成堆棧的片段必須具有相似的大小和深度特征。

然后，應(yīng)用幾個(gè)彩色濾鏡(即顏色變換器、智能濾鏡)，對(duì)圖像像素進(jìn)行過濾，使接近某一種顏色的像素只被高亮顯示。因此，當(dāng)對(duì)灰度圖像應(yīng)用彩色濾鏡時(shí)，會(huì)產(chǎn)生一個(gè)索引彩色圖像，它是一個(gè)帶有顏色的單平面灰度圖像。處理后的圖像中的顏色差異揭示了OOI的不同強(qiáng)度水平，而不是所看圖像的顏色差異。這個(gè)過程繼續(xù)與縮放和校準(zhǔn)圖像。在圖像校準(zhǔn)之前，對(duì)表面圖進(jìn)行分析，并繪制出交互式的3D場景展示圖。

2.3 建立襯砌表面缺陷檢測(cè)的回歸模型

對(duì)回歸模型的不同函數(shù)和變量之間的相互作用進(jìn)行多次診斷檢驗(yàn)，同步輸入和輸出屬性，建立模型。將像素強(qiáng)度的RGB曲線投射到圖像中的剝落缺陷上，從而將投射曲線的強(qiáng)度與實(shí)際深度測(cè)量值相關(guān)聯(lián)。這個(gè)過程繼續(xù)通過定義回歸分析的順序函數(shù)形式，可以最好地適應(yīng)數(shù)據(jù)。根據(jù)幾個(gè)統(tǒng)計(jì)標(biāo)準(zhǔn)測(cè)試模型，檢查其功效。

3 技術(shù)的案例實(shí)現(xiàn)與結(jié)果分析

為了評(píng)估襯砌表面剝落缺陷的嚴(yán)重程度，我們對(duì)某隧道內(nèi)襯砌的不同元素共采集了75張圖像。CCD相機(jī)采用2592×3888像素的高分辨率數(shù)碼相機(jī)采集。

圖像預(yù)處理是在臺(tái)式電腦上進(jìn)行的(Intel Core i3-3220 CPU @3.30 GHz，64位操作系統(tǒng))。不同的圖像處理算法和過濾器被應(yīng)用在圖像上，以提高其質(zhì)量。此外，RGB(彩色)圖像被轉(zhuǎn)換為灰度級(jí)圖像，通過將原始圖像分割成三個(gè)平面：紅、綠、藍(lán)，這三個(gè)平面中的每一個(gè)平面都具有相同的大小和位深，它代表了一個(gè)灰度級(jí)圖像。因此，選擇紅色平面進(jìn)行進(jìn)一步處理，因?yàn)樗峁┝俗詈玫脑鰪?qiáng)圖像。

隨后，通過分割對(duì)圖像進(jìn)行平滑和閾值化等多項(xiàng)成像技術(shù)處理。閾值化是將感興趣的對(duì)象從圖像的背景中分離出來的方法。選擇灰度圖像的最佳閾值與繪制其直方圖有關(guān)，因此，生成圖像的直方圖，因?yàn)樗梢酝ㄟ^試錯(cuò)程序輔助操作二元變換。如圖3所示，包含了所選圖像閾值化及其直方圖。從圖3中可以清楚地看出，剝落部分(白色)已經(jīng)從圖像的背景(黑色)中分離出來。為了減少噪聲，增強(qiáng)圖像細(xì)節(jié)，應(yīng)用了高斯模糊3D濾波器。這種技術(shù)具有模糊效果，它計(jì)算出一個(gè)3D高斯低通濾波器，之后又采用了兩個(gè)顏色變換濾波器，這種算法可以讓觀察者區(qū)分圖像畫面中的深度。圖3是使用這些濾波器后的深度感知。

圖3 基于隧道襯砌新型檢測(cè)算法的圖像處理過程

接下來，通過設(shè)置適當(dāng)?shù)谋壤邔?duì)圖像進(jìn)行校準(zhǔn)。為了校準(zhǔn)的目的，如圖4所示，測(cè)量站內(nèi)剝落區(qū)域的主要軸線，并在軟件中輸入，從而像素值可與該輸入數(shù)據(jù)相關(guān)。然后，選擇該區(qū)域，可以使用彩色邊緣檢測(cè)算法進(jìn)行缺陷提取，如圖4所示。

圖4 襯砌表面剝落圖像的缺陷識(shí)別與檢測(cè)

在分析了表面圖后，開發(fā)了剝落區(qū)域的三維可視化模型，圖5中顯示了像素強(qiáng)度的三維圖(非RGB圖像)。紋理數(shù)據(jù)直接從數(shù)字圖像投影到三維網(wǎng)格方案上，通過加入深度感知來模擬現(xiàn)場場景。

圖5 襯砌表面剝落的三維模型

前面介紹的算法不僅對(duì)整個(gè)圖像處理技術(shù)進(jìn)行了分析和簡化，而且提出了一種一致的、準(zhǔn)確的檢測(cè)和可視化方法，能夠很好地預(yù)測(cè)剝落深度。

4 結(jié)論

綜上所述，針對(duì)目前國內(nèi)隧道中襯砌表面的缺陷檢測(cè)，本文提出了一種基于圖像數(shù)據(jù)處理和機(jī)器學(xué)習(xí)技術(shù)耦合的檢測(cè)技術(shù)。該集成模型由混合算法、交互式三維展示和輔以回歸分析組成。在圖像采集后，對(duì)各種空間域?yàn)V波器和頻域?yàn)V波器進(jìn)行精簡，以檢測(cè)剝落區(qū)域，可有效幫助基礎(chǔ)設(shè)施管理人員預(yù)測(cè)和檢測(cè)隧道襯砌表面的損害情況，并幫助其制定未來的計(jì)劃和決策。本技術(shù)應(yīng)用于高速公路隧道安全監(jiān)測(cè)，能有效保證運(yùn)營期的結(jié)構(gòu)和功能安全。