方亞文 王 琦

（安徽電力工程監(jiān)理有限公司，安徽 合肥 230071）

0 引言

裂縫作為一種常見的建筑病害類型，對建筑結構的安全性、穩(wěn)定性等會產生不良影響。變電站建筑內含有大量的機電設備，如果建筑結構混凝土裂縫沒有得到及時修復，將會演變成面積較大的坑槽病害，對機電設備安全運行非常不利。因此需要委派專人定期對變電站建筑結構混凝土裂縫進行檢查，人工方式費時費力，并且對于建筑結構高處的混凝土裂縫檢測具有一定難度。有學者將人工智能理念融合到變電站建筑結構混凝土檢測中，提高了混凝土裂縫檢測的智能化和信息化程度，雖然相較于最初的人工混凝土裂縫檢測方法，其檢測效率有所提高，但是在實際應用中還存在許多的局限性。如在實際檢測中存在檢測盲區(qū)，一些邊角處的裂縫檢測不到，導致召回率比較低，已經無法滿足變電站建筑結構混凝土裂縫檢測實際需求。

為了解決上述問題，提高混凝土裂縫檢測召回率，本文基于機器視覺技術設計了變電站建筑結構混凝土裂縫檢測方法（下文簡稱“機器視覺法”），并將其與傳統(tǒng)方法進行對比研究。

1 機器視覺法的原理

機器視覺法的檢測原理比較簡單，主要包含三個步驟：應用圖像傳感器獲取變電站建筑結構混凝土圖像數據，將其作為混凝土裂縫識別分析數據樣本；利用機器視覺技術提取圖像連通區(qū)域占框比、圖像中點和線的離散狀態(tài)特征；在對圖像特征歸一化處理的基礎上，根據圖像裂縫特征計算出分析樣本與常規(guī)混凝土圖像樣本的相似度，以此判定分析樣本是否存在裂縫。

1.1 混凝土圖像獲取

考慮到變電站建筑體積比較大，高處部位混凝土圖像數據獲取難度較高，此次采用無人機搭載圖像傳感器的方式，對混凝土圖像數據進行獲取。根據變電站建筑結構特點，此次選擇型號為IHGG大疆無人機作為搭載器，以CCD圖像傳感器作為圖像采集裝置，通過Full Camera Link 接口將圖像傳感器與無人機連接，搭配12V 電源，根據天氣、光照等自然條件，對圖像傳感器的拍攝頻率、像素、分辨率、焦距、幀頻等參數進行設定[1]。將圖像傳感器獲取的混凝土圖像數據上傳到計算機上，并根據數據源的不同對混凝土圖像數據進行分類存儲，待后續(xù)處理和分析。

1.2 基于機器視覺的混凝土裂縫特征提取

將獲取到的混凝土圖像建立圖像樣本集L，利用機器視覺技術對樣本集L中圖像樣本數據進行處理和分析，提取到樣本中的裂縫特征，其過程如下。

對圖像樣本進行灰度化處理，灰度化處理的目的是突出圖像的重要結構特征，使圖像中裂縫等重要信息更加清晰，其處理過程用公式表示為：

式中：Gray(x)——灰度化后的混凝土圖像；

R——原始混凝土圖像飽和參數中紅色分量；

G——原始混凝土圖像飽和參數中綠色分量；

P——原始混凝土圖像飽和參數中藍色分量[2]。

圖像傳感器在采集圖像過程中很容易受到外界因素影響，導致采集的混凝土圖像中含有一定的噪聲，圖像的像素點分布不夠均勻。為了準確提取到混凝土圖像中裂縫特征，需要對其進行濾波處理，根據變電站建筑結構混凝土圖像降噪需求，采用平滑濾波的方法對其進行濾波處理，其濾波公式為：

式中：H(x,y)——濾波后某一點像素值；

x、y——混凝土圖像任意一點像素坐標；

exp——變電站建筑結構混凝土圖像平滑參數，通常情況下該參數值為1.5；

M——該像素點鄰域內像素的總數量；

f——像素點鄰域像素的灰度中值；

σ——混凝土圖像中心像素點像素值；

?——灰度域濾波核[3]。

裂縫屬于一種細長的形態(tài)，如果圖像中存在裂縫，圖像會出現中斷現象，因此選取圖像連通區(qū)域占框比作為混凝土裂縫圖像特征1，其計算公式為：

式中：R——圖像連通區(qū)域占框比；

i——濾波后混凝土圖像數量；

A——圖像中連通區(qū)域數量；

h——圖像中連通區(qū)域平均長度；

w——圖像中連通區(qū)域平均寬度[4]。

R值越小，表示圖像中裂縫存在的可能性越大，R作為變電站建筑結構混凝土裂縫檢測特征的可信度越高。僅根據圖像連通區(qū)域占框比識別混凝土裂縫，檢測結果可靠性較低，因此選取混凝土圖像中點和線的離散狀態(tài)作為特征，該特征提取公式為：

式中：E——混凝土圖像中點和線的離散狀態(tài)；

D——混凝土圖像中連通區(qū)域最小面積外接矩形的高；

Z——混凝土圖像中連通區(qū)域最小面積外接矩形的寬。E值越小，表示變電站建筑結構混凝土裂縫特征越明顯。

1.3 混凝土裂縫識別

根據提取的混凝土裂縫特征，對變電站建筑結構混凝土裂縫進行識別計算，首先對提取的混凝土圖像特征進行歸一化處理，其處理公式為：

式中：X——歸一化后的混凝土圖像特征；

qmin——所有樣本中特征最小值；

v——混凝土圖像特征個數；

qmax——所有樣本中特征最大值[5]。

根據歸一化處理后的圖像特征，計算出檢測樣本與無裂縫混凝土圖像的相似度：

式中：?——檢測樣本與無裂縫混凝土圖像的相似度；

——無裂縫混凝土圖像連通區(qū)域占框比；

——無裂縫混凝土圖像點和線的離散狀態(tài)。

?值越大表示混凝土裂縫的可能性越大，根據變電站建筑結構混凝土裂縫檢測需求，設定判定閾值Z，如果?＞Z，則表示變電站建筑結構混凝土存在裂縫，根據混凝土圖像中連通區(qū)域面積可以計算出混凝土裂縫面積，其計算公式為：

式中：γ——變電站建筑結構混凝土裂縫面積；

k——量化系數；

μ——混凝土面積。

利用上述公式可以確定混凝土裂縫面積，以此完成裂縫檢測。

2 機器視覺法在變電站工程的試用

為了驗證機器視覺法的實際應用性能，選擇傳統(tǒng)監(jiān)測方法作為對比方法，與機器視覺法進行對比試驗。試驗以某變電站建筑為試驗對象，該變電站建筑共7座，建筑使用年限比較長，建筑結構混凝土已經出現老化現象，裂縫數量比較多，且修復量比較大，利用機器視覺法與傳統(tǒng)方法對該變電站建筑結構混凝土裂縫進行檢測。

試驗準備了7個無人機和7個圖像傳感器，將無人機飛行高度設定為500m，飛行角度范圍設定為45°～185°，飛行速度設定為12.5km/h，圖像傳感器拍攝頻率設定為5.16Hz，分辨率設定為12288×1，像素尺寸設定為5μm，動態(tài)范圍設定為54dB。試驗共采集到20000份混凝土圖像數據樣本，通過識別分析后檢測到混凝土裂縫數量共15641 個。試驗以召回率作為評價兩種方法有效性的指標，召回率為識別到的變電站建筑結構混凝土裂縫數量，與混凝土裂縫真實數量的比值，其計算公式為：

式中：F——召回率；

K——識別到的變電站建筑結構混凝土裂縫數量；

B——未識別到的變電站建筑結構混凝土裂縫數量。

召回率越高表示檢測方法精度越高，利用電子表格記錄2種方法召回率，如表1所示。

表1 2種方法召回率對比（單位：%）

從表1數據分析可以得出以下結論：試驗中機器視覺法召回率平均值為97.48%，最大召回率可以達到99.75%，說明檢測到的變電站建筑結構混凝土裂縫數量基本與實際情況一致；而傳統(tǒng)方法平均召回率為58.46%，最大召回率僅為66.48%，遠遠低于機器視覺法，說明機器視覺法的召回率較高，在變電站建筑結構混凝土裂縫檢測方面具有較高的精度。

這是因為機器視覺法采用了機器視覺技術，以圖像連通區(qū)域占框比、圖像中點和線的離散狀態(tài)作為混凝土裂縫識別特征，從多方面分析混凝土裂縫情況，保證了檢測結果的可信度。因此試驗結果證明了機器視覺法檢測精度更高一些，能夠準確地檢測到變電站建筑結構混凝土裂縫，相比較傳統(tǒng)方法更適用于實際工作。

3 結束語

此次針對傳統(tǒng)方法在實際應用中的局限性，將機器視覺技術應用到變電站建筑結構混凝土裂縫檢測中，形成了一種新的檢測方法——機器視覺法，提高了混凝土裂縫檢測精度，對混凝土裂縫檢測具有良好的實用價值。但是由于此次研究時間有限，該方法尚未在實際工作中得到大量應用和操作實踐，在某些方面可能存在一些不足，后續(xù)會進行優(yōu)化研究，為變電站建筑結構混凝土裂縫檢測提供更多的理論支撐。