作者簡介：魏必成（1974—），高級工程師，研究方向：橋梁裂縫檢測。

摘要：為降低橋梁養(yǎng)護成本，解決人工檢測橋梁裂縫耗時長、操作困難，橋梁檢測車妨礙交通、成本高等問題，文章結(jié)合無人機技術(shù)及計算機技術(shù)的發(fā)展現(xiàn)狀，對無人機在橋梁檢測方面的應(yīng)用、裂縫檢測與測量的方法以及存在的問題進行總結(jié)，為橋梁檢測研究工作提供參考。

關(guān)鍵詞：無人機；橋梁裂縫；圖像采集；裂縫檢測

中圖分類號：U446.3

0 引言

傳統(tǒng)的橋梁裂縫檢測方法存在耗時長、成本高、危險性大、檢測結(jié)果主觀性強，準(zhǔn)確率保證度不高等問題^［1］。隨著無人機技術(shù)的提升以及計算機技術(shù)的突飛猛進，二者在橋梁檢測中的組合應(yīng)用越來越多。文獻［2］設(shè)計了無人機裂縫檢測系統(tǒng)，利用四旋翼無人機采集圖像和數(shù)字圖像處理技術(shù)進行圖像識別研究，并自動測量裂縫寬度；文獻［3］在普通四旋翼無人機的基礎(chǔ)上仿照足球的五邊形結(jié)構(gòu)添加了由五邊形構(gòu)成的防撞外殼，以避免無人機在采集橋梁圖像的過程中發(fā)生碰撞損壞，并利用神經(jīng)網(wǎng)絡(luò)對裂縫進行識別分類以提高檢測效率；文獻［4］以多旋翼無人機為載體，采用貼近攝影技術(shù)，采集橋梁的圖像進行橋梁的精細化建模，提高了三維建模的效率與精確度和裂縫辨別的效率。這些方法使得橋梁裂縫檢測更簡單、便捷和可靠，推動基于無人機的橋梁裂縫檢測成為橋梁養(yǎng)護方面的主要研究方向。

本文將基于無人機的橋梁裂縫檢測分為無人機圖像采集與裂縫識別兩個步驟，歸納總結(jié)每個步驟所使用的方法。

1 無人機圖像采集

1.1 無人機部件組成

用無人機采集橋梁表面圖像時，可根據(jù)橋梁的結(jié)構(gòu)特點與采集目的的不同，自行選擇加裝到無人機上的部件。無人機作業(yè)要考慮多種影響因素，如果利用無人機采集懸架橋上部的圖像，在選擇無人機時要考慮防風(fēng)能力，目前市面上的無人機多能抵抗4～5級的風(fēng)，DJI FPV機型可抗六級風(fēng)，M300 RTK可抗7級風(fēng)；應(yīng)選擇體積相對較小的無人機；無人機采集圖像時需要準(zhǔn)確知道自身的位置以便懸停，此時，需要在無人機上加裝傳感器與GPS模塊，或者采用GPS與慣性測量單元（IMU，Inertial Measurement Unit）來獲取方位信息；無人機采集橋梁背面圖像時，由于光線較暗，可以添加補光裝置；考慮無人機的安全，要加裝防撞系統(tǒng)；另外還有可以加裝將無人機拍攝的圖像實時傳輸?shù)膱D傳模塊。

1.2 圖像采集

無人機在橋梁圖像采集方面具有減少時間損耗、降低成本及提高效率等優(yōu)點，近年來被廣泛應(yīng)用于隧道、橋梁及公路等領(lǐng)域。文獻［5］針對橋梁結(jié)構(gòu)中經(jīng)常出現(xiàn)的清水混凝土工藝進行圖像采集的研究，選用大疆Mavic TM2 Pro，搭載相機、配備紅外感應(yīng)設(shè)備、全方位感應(yīng)裝置、下視補光燈，在圖像采集過程中自動選擇補光的強弱，攝制角度保持在90°左右。通過比較證明，無人機采集的圖像與真實物體具有較高的相似度。文獻［6］選用四旋翼民用其搭載單目攝像頭，并為其設(shè)計相應(yīng)的控制系統(tǒng)，其控制指令通過USB傳輸給無人機公司開發(fā)的基礎(chǔ)飛行平臺，自動采集較大場景的圖像，其系統(tǒng)結(jié)構(gòu)與模塊見圖1～2，結(jié)果表明此無人機在大場景圖像的檢測方面發(fā)揮優(yōu)異。

2 裂縫識別

橋梁養(yǎng)護是保證橋梁安全服役的重要環(huán)節(jié)，而裂縫的檢測與維修是橋梁養(yǎng)護中的一個重要工作。傳統(tǒng)的橋梁裂縫檢測方法已經(jīng)不能滿足橋梁日常養(yǎng)護工作的需要，迫切需要研發(fā)出一種快速精確識別橋梁裂縫的方法^［7］。近年來，計算機技術(shù)與無人機技術(shù)的發(fā)展應(yīng)用，拓展了橋梁裂縫檢測與維修的研究思路。

文獻［8］首先將采集到的圖像進行灰度化、圖像增強以及小波去噪等預(yù)處理，然后針對線性裂縫，優(yōu)化Canny算子，通過與Sobel算子以及基礎(chǔ)Canny算子的識別結(jié)果進行比較，認為提出的裂縫邊緣提取方法是有效的，其對比結(jié)果如圖3所示。文獻［9］將數(shù)字圖像與深度學(xué)習(xí)技術(shù)結(jié)合，可滿足對路面裂縫的分割與分類兩種要求，且考慮裂縫占比小的特征，構(gòu)建U形與殘差網(wǎng)絡(luò)組合使用的U-Resnet網(wǎng)絡(luò)，整體路面裂縫檢測流程如圖4所示；利用Aigle RN數(shù)據(jù)集進行裂縫識別的驗證，結(jié)果表明所設(shè)計的算法在精確度方面比U-Net算法提升2.43%。文獻［10］通過圖像切片與經(jīng)過改進可以進行二分類的經(jīng)典AlexNet網(wǎng)絡(luò)組合，在識別橋梁裂縫這種線性目標(biāo)方面，與Faster R-CNN相比具有檢測區(qū)域小、時間冗余度低的優(yōu)點。文獻［11］為克服實際環(huán)境中橋梁裂縫檢測精度低的困難，在卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上添加條件隨機場，并同樣將識別的結(jié)果與Faster R-CNN網(wǎng)絡(luò)的結(jié)果進行比較，認為即使在背景復(fù)雜的情況下，所設(shè)計的算法仍可抵抗水漬、劃痕等干擾，準(zhǔn)確檢測裂縫圖片。

宋淑慧^［12］以混凝土結(jié)構(gòu)的橋梁為研究對象，在YOLVO3模型的基礎(chǔ)上，改進kmeans聚類算法，使其對裂縫識別的靈敏度更高；在模型訓(xùn)練時，利用early-stopping進行實時監(jiān)測，保持訓(xùn)練時間與泛化誤差的均衡；利用測試集驗證其精確度高達90.26%，并且用cuda加速模型的訓(xùn)練，提升了檢測效率。趙雪冰等^［13］考慮橋梁難以到達部位的圖像采集困難，擁有較少的樣本數(shù)，為避免因小樣本導(dǎo)致模型的訓(xùn)練精度不夠，改進Deeplabv3+模型使其滿足橋梁裂縫檢測的需求；其改進手段包括將骨干網(wǎng)絡(luò)換成ResNet-50，引用ECA與scSE兩種注意力模塊（其具體結(jié)構(gòu)如圖5所示）；與典型語義分割模型對橋梁裂縫的測試結(jié)果作比較，認為所改進的Deeplabv3+模型在小樣本測試集上可取得高達93%的分割精度，具有研究價值。文獻［14］與文獻［13］相似，均使用編碼與解碼的基礎(chǔ)結(jié)構(gòu)，同樣添加了注意力機制模塊，另外添加了高語義特征融合模塊，并且利用反卷積設(shè)計了混合域注意力機制，便于識別不同尺寸的裂縫，利用自身采集的橋梁圖像組成測試集，并將識別結(jié)果與其他網(wǎng)絡(luò)進行對比，結(jié)果如下頁表1所示。由表1可知所提出網(wǎng)絡(luò)的識別精確率得到了提升，但增加模塊提升精度的同時也會拖慢識別速度。

3 橋梁裂縫檢測仍存在的問題

目前裂縫檢測的準(zhǔn)確度與效率得到了提升，但是仍存在著一些問題^［15-16］，例如某些研究者的裂縫識別方法只是針對混凝土材料的橋梁，而對于其他鋼構(gòu)等材料的橋梁裂縫識別結(jié)果是不確定的，研究方法的普適性低，間接導(dǎo)致推廣的價值低。某些研究方法只針對線性裂縫或網(wǎng)狀裂縫等單一類別的裂縫識別準(zhǔn)確度高，但一座橋梁不可能只有一種裂縫。此時要想獲得橋梁裂縫的準(zhǔn)確數(shù)目與狀態(tài)，就需要采用多種裂縫檢測方法，從而減慢裂縫檢測的效率且增加一些成本^［17］。

對橋梁裂縫準(zhǔn)確識別還有一個重要的前提，即無人機要采集清晰完整的橋梁圖像。采集圖像過程中的飛行速度比較緩慢，而橋梁的體積也偏向大型化方向發(fā)展，但續(xù)航時間是固定的，這就需要嚴(yán)格計劃每次采集的任務(wù)量。無人機被應(yīng)用于橋梁檢測的一個優(yōu)勢是體積小^［18］，在對無人機提出更智能化要求的同時，也需要在無人機上加裝一些額外裝置，如采集橋梁背面或光線較差的地點，無人機就需要加裝下補光燈^［19］，加裝零部件，但會增大飛行過程中功率的損耗。

4 結(jié)語

盡管基于無人機的橋梁檢測仍存在一些問題，但未來橋梁圖像的采集仍在很大程度上依賴無人機；裂縫的識別與測量仍需要不斷地研究測試，爭取未來研發(fā)出一種續(xù)航里程更長的無人機和普適性與經(jīng)濟性更高的裂縫檢測方法^［20］。本文對無人機在橋梁檢測方面的應(yīng)用、裂縫檢測與測量的方法以及存在的問題進行總結(jié)，借此為橋梁檢測的研究工作提供一個思路^［21］。

參考文獻

［1］劉博愷，劉 佳，張 陽.無人機在橋梁檢測中的應(yīng)用［C］.2022世界交通運輸大會（WTC2022）論文集（橋梁工程與隧道工程篇），2022.

［2］徐 昊，彭雪村，盧志芳.基于四旋翼無人機的橋梁裂縫檢測系統(tǒng)設(shè)計［J］.水利水運工程學(xué)報，2018（1）：102-110.

［3］洪光征.基于防撞無人機視頻的橋梁裂縫檢測方法研究［D］.深圳：深圳大學(xué)，2020.

［4］劉 洋，李秀麗，張凱想，等.基于無人機貼近攝影測量的橋梁精細化建模［J］.公路，2021，66（12）：106-109.

［5］申旌輝.橋梁檢測旋翼飛行器設(shè)計及運動性能研究［D］.重慶：重慶交通大學(xué)，2017.

［6］李孟軍，郭運沖.基于無人機的建筑物裂縫圖像采集與處理系統(tǒng)［J］.科學(xué)技術(shù)創(chuàng)新，2020（25）：92-93.

［7］李 康，周泩樸，鄒林波，等.基于無人機的大場景序列圖像自動采集和三維建模［J］.西北大學(xué)學(xué)報（自然科學(xué)版），2017，47（1）：30-37.

［8］王瑋華. 基于圖像處理技術(shù)的橋梁裂縫檢測［D］.西安：長安大學(xué)，2013.

［9］寧婷婷. 基于數(shù)字圖像處理的路面裂縫檢測算法研究［D］.大連：遼寧師范大學(xué)，2022.

［10］丁 威.基于圖像的橋梁裂縫檢測理論與實踐［D］.廣州：華南理工大學(xué)，2020.

［11］吳向東，趙健康，劉傳奇.基于CNN與CRF的橋梁裂縫檢測算法［J］.計算機工程與設(shè)計，2021，42（1）：51-56.

［12］宋淑慧.基于深度學(xué)習(xí)的混凝土橋梁裂縫檢測研究［D］.濟南：山東交通學(xué)院，2021.

［13］趙雪冰，王俊杰.基于改進DeeplabV3+和遷移學(xué)習(xí)的橋梁裂縫檢測［J/OL］.計算機工程與應(yīng)用，http：//kns.cnki.net/kcms/detail/11.2127.tp.20220707.1136.002.html，2022-10-10：1-10.

［14］王墨川，王 波，王熊玨，等.基于高語義特征與注意力機制的橋梁裂縫檢測［J］.湖北工業(yè)大學(xué)學(xué)報，2022，37（2）：55-59.

［15］陳禹歷.基于無人機的橋梁結(jié)構(gòu)裂縫自動檢測及其狀態(tài)識別與預(yù)測［J］.海峽科技與產(chǎn)業(yè)，2022，35（6）：70-72，82.

［16］李良福，馮建云，宋 睿.基于圖像重生成的橋梁裂縫檢測方法研究［J］.光電子·激光，2019，30（12）：1 298-1 308.

［17］楊 揚，王連發(fā)，張宇峰.無人機橋梁檢測技術(shù)進展與瓶頸問題分析［J］.現(xiàn)代交通技術(shù)，2020，17（4）：27-32.

［18］劉 凱，李家坡，鄧智允，等.無人機橋梁檢測技術(shù)的經(jīng)濟效益分析［J］.南昌工程學(xué)院學(xué)報，2018，37（3）：51-53，80.

［19］王嘯林.試論無人機在橋梁檢測中的應(yīng)用與發(fā)展［J］.中國水運（下半月），2018，18（4）：199，207.

［20］余 陽.專業(yè)模塊化無人機在橋梁檢測中的應(yīng)用與發(fā)展［J］.市政技術(shù)，2020，38（6）：78-79，83.

［21］彭玲麗，黃少旭，張申申，等.淺談無人機在橋梁檢測中的應(yīng)用與發(fā)展［J］.交通科技，2015（6）：42-44.

收稿日期：2023-04-08