余 銓

(安徽中橋建設(shè)集團(tuán)有限公司，安徽 合肥 230051)

引言

為實現(xiàn)市場經(jīng)濟(jì)對外擴(kuò)建，實現(xiàn)各地區(qū)資源的交互與流通，國內(nèi)市政工程建設(shè)方加大了對高速橋梁等相關(guān)工程建設(shè)的投入力度。盡管在當(dāng)時此項工作取得了較好的收益與較高的成果，但截至到目前，一些高速橋梁的使用已達(dá)到了數(shù)十年。通過近幾年數(shù)次對高速橋梁的檢測可知，已經(jīng)有部分橋梁出現(xiàn)了顯著的破損、老化現(xiàn)象，此種現(xiàn)象導(dǎo)致了橋梁工程在使用中的危險性越來越高。尤其在較早年間建設(shè)的高速橋梁，這部分橋梁普遍存在裂縫、結(jié)構(gòu)失穩(wěn)方面的質(zhì)量問題。為解決橋梁工程的安全問題，本研究設(shè)計一種底部缺陷自動檢測方法，為橋梁工程維修與后續(xù)加固施工提供指導(dǎo)方向。

1 高速橋梁底部表面缺陷自動檢測應(yīng)用技術(shù)研究

1.1 高速橋梁底部表面缺陷圖像獲取、去噪與分割處理

由于高速橋梁底部結(jié)構(gòu)復(fù)雜，并且橋梁底部中間位置常常是懸空設(shè)置，因此針對這一結(jié)構(gòu)表面的缺陷問題進(jìn)行檢測難度較大[1]。針對這一問題，首先對缺陷圖像的獲取以及預(yù)處理進(jìn)行設(shè)計?？衫脽o人機(jī)對高速橋梁底部表面的圖像進(jìn)行采集，并通過無線傳輸?shù)姆绞?，將無人機(jī)上安裝的攝像頭獲取的圖像傳輸?shù)缴衔粰C(jī)中。在上位機(jī)完成對圖像的預(yù)處理[2]。為了確保后續(xù)檢測的精度，并加快對圖像運(yùn)算的速度，針對獲取到的缺陷圖像進(jìn)行灰度化處理。將一幅完整的缺陷圖像按照紅色、綠色和藍(lán)色三個通道進(jìn)行劃分，并且只有在三個通道的灰度值均相同的情況下，其圖像才能夠以灰色形式展現(xiàn)。將圖像RGB 中的每一個數(shù)值都劃分在0～255 區(qū)間當(dāng)中。定義在獲取到的表面缺陷圖像上的某一像素點(diǎn)為W，將其橫縱坐標(biāo)分別定義為i和j，因此該像素點(diǎn)的坐標(biāo)可表示為W（i，j），而該像素點(diǎn)的灰度值表示為GW（i，j）。針對該像素點(diǎn)，結(jié)合其三個通道的數(shù)值，對其進(jìn)行平均化處理，其表達(dá)式為：

式中GW（i，j）為缺陷圖像某一像素點(diǎn)w 的灰度平均值；R（i，j）為像素點(diǎn)w 在R 通道上的灰度值；G（i，j）為像素點(diǎn)w 在G 通道上的灰度值；B（i，j）為像素點(diǎn)w在B 通道上的灰度值。由于在實際應(yīng)用中，考慮到無人機(jī)拍攝對象場景位于高速橋梁底部，周圍環(huán)境昏暗不清，且潮濕，很難明顯顯示缺陷結(jié)構(gòu)[3]。因此，針對這一問題采取加權(quán)化的方式使圖像在經(jīng)過處理后缺陷位置的灰度值更高，顏色更深，方便后續(xù)對缺陷位置的測量和計算。圖1 為高速橋梁底部表面缺陷原圖與灰度化處理圖對比。

圖1（a）為高速橋梁底部表面缺陷原圖；圖1（b）為灰度化處理圖。從圖1 可以看出，經(jīng)過灰度化處理后，表現(xiàn)缺陷紋理能夠更加清晰地展現(xiàn)。

圖1 高速橋梁底部表面缺陷原圖與灰度化處理圖對比

在完成灰度處理后，還需要對圖像進(jìn)行均值濾波處理，通過一個領(lǐng)域模板對獲取到的圖形進(jìn)行濾波去噪處理，其具體流程為：給定一個領(lǐng)域內(nèi)的濾波模板，利用該模板覆蓋高速橋梁底部表面缺陷圖像上的所有像素點(diǎn)[4]。在各個像素點(diǎn)的領(lǐng)域內(nèi)對其進(jìn)行加權(quán)平均值計算，并將計算結(jié)果賦值給像素點(diǎn)[5]。通過上述處理后，圖像當(dāng)中噪點(diǎn)和缺陷結(jié)構(gòu)呈現(xiàn)白色，而背景呈現(xiàn)為黑色，以此能夠?qū)崿F(xiàn)對圖像背景的初步區(qū)分。

1.2 缺陷圖像的形態(tài)學(xué)處理

在完成對缺陷圖的獲取和預(yù)處理后，基于膨脹和腐蝕處理等形態(tài)學(xué)理論對高速橋梁底部表面缺陷圖像進(jìn)行二次處理[6]。假設(shè)C 表示為整個高速橋梁底部表面缺陷圖像的集合，而D 表示為凌云內(nèi)的元素，在應(yīng)用形態(tài)學(xué)理論后，其實質(zhì)是應(yīng)用元素D 對整個圖像C 進(jìn)行過濾處理[7]。利用腐蝕缺陷運(yùn)算，將集合C 被元素D 腐蝕記為C ΘD，其具體表達(dá)式為：

式中x 為位移量。再假設(shè)集合C 被元素D 膨脹記為

式中 ?為反向位移量。結(jié)合上述公式實現(xiàn)對高速橋梁底部表面缺陷圖像的形態(tài)學(xué)處理。在實際應(yīng)用中，針對獲取到的高速橋梁底部表面缺陷圖像，首先利用公式（2）對其進(jìn)行腐蝕操作，以此減少圖像當(dāng)中的噪點(diǎn)，其次再利用公式（3）對其進(jìn)行膨脹操作，對圖像進(jìn)行二值化處理。通過上述處理，能夠使缺陷位置實現(xiàn)自動峰荷，并使其邊緣輪廓具備更高完整性。同時，腐蝕處理后的圖像缺陷位置周圍的噪點(diǎn)被放大，從而實現(xiàn)凸顯，再通過膨脹處理使輪廓收縮，并使周圍噪點(diǎn)大面積地減小和消失。

1.3 缺陷的自動測量與尺寸計算

在經(jīng)過上述處理后，得到的高速橋梁底部表面缺陷圖像能夠為缺陷自動檢測提供更有利的依據(jù)，但真正計算缺陷的寬度需要對圖像當(dāng)中白色像素點(diǎn)的個數(shù)確定，因此需要通過骨骼化的方式實現(xiàn)對缺陷的自動測量[8]。為了確保骨骼化圖像上的缺陷具備一定連貫性，并確保其形狀與未經(jīng)過處理的原始高速橋梁底部表面缺陷圖像相同。在經(jīng)過骨骼化處理后，其輪廓上的線必須在原圖像的中心位置上。因此，基于上述分析，在對缺陷的自動測量時，應(yīng)當(dāng)按照如下流程實現(xiàn)：

步驟一，對無人機(jī)獲取到的原始高速橋梁底部表面缺陷圖像進(jìn)行復(fù)制，避免在后續(xù)操作中出現(xiàn)失誤而造成對原始圖像的影響；

步驟二，對圖像的長度和寬度進(jìn)行測量，并分別減一，為領(lǐng)域處理提供便利條件，并避免在處理中出現(xiàn)越界現(xiàn)象；

步驟三，讓圖像分別向上、下、左、右四個方向，進(jìn)行迭代；

步驟四，對圖像當(dāng)中每一個像素點(diǎn)遍歷一遍，并設(shè)置其中某一像素點(diǎn)P，若該像素點(diǎn)為背景像素或為某一方向上的邊界像素，則需要重復(fù)步驟三，并繼續(xù)循環(huán)，直到獲取的像素點(diǎn)為缺陷結(jié)構(gòu)上的一點(diǎn)；

第五步，對像素點(diǎn)是否為圖像上的單一點(diǎn)或相鄰點(diǎn)進(jìn)行判斷，若滿足單一點(diǎn)，則將該像素點(diǎn)像素設(shè)為0，反之設(shè)為255。

對完成上述步驟后得到的圖像進(jìn)行缺陷自動跟蹤，并計算得出缺陷部位最小外接矩形的長寬比值，假設(shè)放寬比值為K，當(dāng)最小外界矩形的長小于寬時，則K 的取值為長/寬；當(dāng)最小邊界矩形的長大于寬時，則K 的取值為寬/長。再對缺陷圖像上連通區(qū)域的缺陷周長進(jìn)行計算，可利用OpenCV 庫當(dāng)中的Length 函數(shù)計算得出缺陷圖像上連通區(qū)域缺陷的周長，同時也可利用OpenCV 庫中的contourArea 函數(shù)對缺陷圖像上連通區(qū)域內(nèi)缺陷面積進(jìn)行計算。其中，周長的計算結(jié)果單位為mm，面積的計算結(jié)果單位為像素，以此通過上述操作實現(xiàn)對缺陷的自動檢測，并求解出缺陷的具體周長和面積。

2 技術(shù)應(yīng)用效果分析

為證明檢測方法具有更高的檢測精度或更便捷的應(yīng)用優(yōu)勢，下述將以安徽省某地高速橋梁為例，設(shè)計如下所示的實驗。

此次實驗所選的橋梁在2000 年建設(shè)施工，截至到目前該橋梁已投入使用超過20 年，為避免橋梁由于年久失修出現(xiàn)坍塌等風(fēng)險，設(shè)計使用本研究方法進(jìn)行橋梁底部表面缺陷的檢測。

檢測前要明確裂縫缺陷是造成橋梁結(jié)構(gòu)失穩(wěn)的主要原因之一，也是工程中最主要的病害類型。由于該橋梁是由鋼筋混凝土構(gòu)成，而混凝土又是極易出現(xiàn)裂縫的材料，因此，該橋梁工程在投入使用后，勢必是存在裂縫的。為實現(xiàn)對裂縫的精準(zhǔn)檢測，需要在檢測前，使用高精度攝像機(jī)，從不同角度拍攝高速橋梁底部圖像，加載圖像后，根據(jù)檢測現(xiàn)場的實際要求，采集并獲取圖像。此過程見圖2。

圖2 高速橋梁底部表面缺陷圖像自動采集過程

圖3 為橋梁底部表面裂縫檢測結(jié)果，從圖3 所示的內(nèi)容可以看出，此次設(shè)計的方法可以實現(xiàn)對橋梁裂縫圖像的清晰化獲取，由此可以說明本研究設(shè)計的檢測方法在實際應(yīng)用中的效果是相對良好的，有望將此方法代替人工檢測方法在質(zhì)檢機(jī)構(gòu)中推廣使用。

圖3 橋梁底部表面裂縫檢測結(jié)果

在此基礎(chǔ)上，可以根據(jù)工程方的實際檢測需求，點(diǎn)擊操作界面中的“進(jìn)入裂縫圖像評定界面”，對裂縫進(jìn)行綜合評估，即從不同角度，挖掘此形狀或此長度的裂縫在主體結(jié)構(gòu)中是否會出現(xiàn)影響橋梁安全性的問題。

按照上述內(nèi)容，完成此次實驗，最終得出實驗結(jié)論：此方法在完成設(shè)計后具有較好的檢測能力，可以實現(xiàn)對裂縫的精準(zhǔn)化檢測與定位。

完成圖像的采集后，根據(jù)我國市政單位對橋梁裂縫的規(guī)定數(shù)值，進(jìn)行圖像的篩選，選擇具有研究價值的裂縫圖像。在研究前，應(yīng)先明確國家對橋梁裂縫的限制要求，具體內(nèi)容見表1。

表1 我國市政單位對橋梁裂縫的規(guī)定數(shù)值（限值要求）

按照上文設(shè)計內(nèi)容，獲取底部表面缺陷裂縫圖像，使用計算機(jī)技術(shù)，對所獲取的圖像進(jìn)行集中篩選，篩選有價值的信息，隨機(jī)選擇一條裂縫圖像，將其呈現(xiàn)在檢測終端，見圖3。

3 結(jié)論

本研究設(shè)計了一種全新的檢測方法，實踐結(jié)果證明，此方法在完成設(shè)計后具有較好的檢測能力，可以實現(xiàn)對裂縫的精準(zhǔn)化檢測與定位。盡管此方法的性能優(yōu)勢已十分顯著，但仍需要在后續(xù)的研究，進(jìn)行此方法的進(jìn)一步深化，即通過對方法的優(yōu)化，完善檢測的精度、檢測的速度、檢測的水平與效率。

在未來對此方法的研究中，將從不同方面進(jìn)行方法可行性的檢測與校驗，根據(jù)裂縫的形狀與裂縫的位置，深度分析裂縫的成因。根據(jù)裂縫的發(fā)生原因，制定完善的整改方案與加固施工方案，通過對裂縫的有效處理，實現(xiàn)對橋梁整體結(jié)構(gòu)穩(wěn)定性與安全性的提升，保證橋梁工程在我國經(jīng)濟(jì)市場內(nèi)發(fā)揮更高的效益與價值。