陽江　朱明明

摘? 要：針對現(xiàn)行山地橋梁檢測車造價高，人工車上檢查檢測過程危險，檢測車占用車道影響行車的問題，提出基于無人機圖像識別方式開展山地橋梁智能檢測，采用卷積神經(jīng)網(wǎng)絡(luò)模型進行圖像處理、分割、識別檢測，具有較高的識別精度，可以應(yīng)用于橋梁外觀病害檢測。

關(guān)鍵詞：無人機 卷積神經(jīng)網(wǎng)絡(luò) 橋梁檢測

0引言

隨著經(jīng)濟社會的發(fā)展，中國橋梁總數(shù)已超100萬座，橋高、橋長數(shù)據(jù)驚人。在自然環(huán)境、材料劣化、施工缺陷、超載等因素的作用下，橋梁結(jié)構(gòu)易出現(xiàn)不同程度的開裂破損、露筋銹蝕、支座脫空等損傷和病害，需要定期開展橋梁損傷程度檢測。

1無人機智能檢測技術(shù)

無人機圖像識別系統(tǒng)主要由無人機圖像采集單元、地面站與數(shù)據(jù)傳輸單元、圖像信息處理與識別檢測單元三部分組成。無人機一般采用起降平穩(wěn)的多旋翼無人機，利于數(shù)據(jù)采集和觀測;地面站與數(shù)據(jù)傳輸單元用于實時監(jiān)控?zé)o人機飛行、檢查拍攝情況，即時控制信號、檢測數(shù)據(jù)的傳輸，利于及時糾正飛行軌跡、發(fā)現(xiàn)橋梁明顯病害;圖像信息處理與識別檢測單元用于對圖像的灰度分部、亮度和顏色等信息進行各種運算處理，從中提取出目標對象的相關(guān)特征，完成對目標對象的測量與檢測任務(wù)。

2山地橋梁病害檢測

按照《公路橋涵養(yǎng)護規(guī)范》（JTG H11-2004）規(guī)定：橋梁定期檢查的主要工作為檢查記錄各部件缺損狀況并作出技術(shù)狀況評分，本次試驗利用無人機圖像識別代替目測，對橋跨、橋塔及橋墩混凝土結(jié)構(gòu)外觀進行拍照攝像，識別橋梁病害。

2.1典型缺陷圖像獲取

對無人機橋梁檢測系統(tǒng)進行全局整體設(shè)計，利用無人機攜帶高清拍攝設(shè)備對橋梁上部構(gòu)造及下部構(gòu)造混凝土結(jié)構(gòu)裂縫、蜂窩、麻面、露筋銹蝕等病害進行圖像識別。以重慶至合川為正方向的嘉陵江大橋檢測為例，按正方向?qū)蚨张_從左到右編為0號橋臺、1號橋墩……12號橋臺。主橋主跨按前進方向?qū)F(xiàn)澆段編為1號～51號現(xiàn)澆塊，邊跨從根部起編為1號～27號塊。

2.2卷積神經(jīng)網(wǎng)絡(luò)智能識別

以裂縫為例，采用無人機圖像信息處理與識別檢測技術(shù)，篩選多余信息，進行圖像預(yù)處理，抽出主要信息提取橋梁病害特征，利用卷積神經(jīng)網(wǎng)絡(luò)建模實現(xiàn)智能識別檢測，進行圖像識別檢算。

2.2.1識別路徑設(shè)計

裂縫識別具體分為圖像輸入、圖像預(yù)處理、裂縫典型特征信息提取、裂縫識別建模及智能識別分析等四個步驟。

2.2.2圖像預(yù)處理及典型特征提取

圖像分析前，需要進行圖像預(yù)處理，目的是消除圖像中無關(guān)的信息，恢復(fù)有用的真實信息，增強有關(guān)信息的可檢測性、最大限度地簡化數(shù)據(jù)，改進特征提取、圖像分割、匹配和識別的可靠性，預(yù)處理步驟分為灰度化、幾何變換、圖像增強。

灰度化是根據(jù)重要性及其它指標，將紅黃藍三個分量以不同的權(quán)值進行加權(quán)平均得到灰度圖像。圖像幾何變換是通過平移、轉(zhuǎn)置、鏡像、旋轉(zhuǎn)、縮放等幾何變換處理，用于改正圖像采集系統(tǒng)的系統(tǒng)誤差和儀器位置的隨機誤差。圖像增強是增強圖像中的有用信息，改善圖像的視覺效果，將原來不清晰的圖像變得清晰或強調(diào)某些感興趣的特征，滿足橋梁分析的需要。

2.2.3裂縫典型特征學(xué)習(xí)訓(xùn)練

基于深度學(xué)習(xí)的混凝土裂縫圖像特征識別具體步驟為：

（1）圖像分割，將無人機拍攝的橋梁混凝土結(jié)構(gòu)圖像進行分割，增加訓(xùn)練庫的圖片規(guī)模（1000幅以上），人工標注分隔的圖像，標出圖中有裂縫的圖片與沒有裂縫的圖片，形成訓(xùn)練數(shù)據(jù)庫（900幅以上），另外的100幅圖片為測試圖像。

（2）圖形訓(xùn)練，將帶有標簽的數(shù)據(jù)輸入到Faster-Rcnn中進行模型訓(xùn)練，根據(jù)訓(xùn)練情況判斷是否需要更改訓(xùn)練參數(shù)重復(fù)訓(xùn)練，直到判斷準確。

（3）訓(xùn)練庫中包含有裂縫的圖片，也包含無裂縫圖片，針對裂縫病害建立分類器，將無人機拍攝的圖片輸入Faster-Rcnn，依據(jù)種類判斷該結(jié)構(gòu)圖片是否有裂縫病害。

2.3卷積神經(jīng)網(wǎng)絡(luò)模型

卷積神經(jīng)網(wǎng)絡(luò)模型包含輸入層、卷積層、池化層、激活層、輸出層及輔助層^[2]。輸入層用于輸入圖片，輸入至卷積神經(jīng)網(wǎng)絡(luò)進行處理;卷積層含有卷積核，可以隨機確定其權(quán)重，用于圖像像素進行卷積運算，并不斷梯度方向更新，卷積層可以縮減數(shù)據(jù)規(guī)模減少計算消耗;池化層分為最大值和均值池化，分別選取池化層數(shù)據(jù)中最大值或平均值進行運算，可減少數(shù)據(jù)量。卷積層與池化層交替進行，卷積層得到的特征圖為輸入圖像和卷積核運算加上一個偏置后再通過激活函數(shù)所得的結(jié)果，池化運算后送入激活層，最后由sigmoid層輸出卷積后的結(jié)果是否為裂縫病害圖片，輔助層有截斷層和批量標準層用于截斷與標準化圖像。圖2為一個3*3的卷積核在5*5的圖像上進行卷積運算過程;圖3為最大池化運算過程。

3智能識別分析

采用無人機拍攝圖像，對橋梁混凝土結(jié)構(gòu)圖像缺陷進行分割成1000張小圖片，測試表明，采用卷積神經(jīng)網(wǎng)絡(luò)模型具有高速度和較高的識別精度的優(yōu)點。對于一張高清圖片在結(jié)構(gòu)裂紋識別中能達到80%左右的識別精度。

將無人機智能檢測技術(shù)，應(yīng)用于重慶山地橋梁工程外觀檢測，表現(xiàn)出良好的控制性能和智能識別橋梁病害的能力，克服了人工目測危險性高、識別不準問題，提高了缺陷圖像識別的效率。

參考文獻

[1] JTG H11-2004公路橋涵養(yǎng)護規(guī)范[S].2004

[2] 溫作林 申永剛.基于卷積神經(jīng)網(wǎng)絡(luò)的混凝土裂縫識別[J].建筑材料科學(xué)與技術(shù).2019

[3] 葉肖偉.一種基于深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)的裂縫識別方法[P].中國專利：CN201710641103.X，2020.6

[4] 李寧.基于無人機圖像識別技術(shù)的輸電線路缺陷檢測[J].電子設(shè)計工程.2019.5