黃 瑾

(湖南省交通規(guī)劃勘察設計院有限公司,湖南 長沙 410219)

1 路面裂縫病害研究現(xiàn)狀

1.1 瀝青混凝土裂縫病害

瀝青混凝土路面是運用最廣泛的公路路面之一,大部分采用瀝青混凝土材料鋪裝的路面在半剛性的路基上進行鋪建,其設計使用壽命一般為15年[1-7]。造成瀝青混凝土路面產(chǎn)生病害的因素有很多,從其結(jié)構(gòu)本身看,有路面結(jié)構(gòu)設計不合理、現(xiàn)場施工質(zhì)量不達標等因素;從運營期間的外界影響來看,由于近年來頻繁出現(xiàn)車輛超限超載行駛的原因,重載下的車路耦合效應致使瀝青混凝土收到不同程度的損傷和破壞,因而我國較多的瀝青混凝土路面提早進入了維修階段。目前瀝青混凝土路面的病害主要有裂縫、水破壞、松散等。

瀝青混凝土路面裂縫破壞主要分為縱梁裂縫破壞和橫向裂縫破壞兩種,兩種裂縫破壞的產(chǎn)生機理存在差異。

瀝青混凝土路面縱向裂縫破壞的主要成因是地基填土密度在橫向剖面上的不均勻,地基土的填筑厚度或壓實度會影響路基剖面在橫向上的穩(wěn)定性,此外,地表水的侵入也可能會改變路基不同結(jié)構(gòu)層的密實度,從而在路面上表現(xiàn)為縱向裂縫的形式。

瀝青混凝土路面橫向裂縫主要是由于溫度應力作用下的疲勞裂縫,由于路面溫度變化率較大,隨著時間推移瀝青面層的抗裂能力逐漸下降,溫度裂縫逐年延伸,在路面上會表現(xiàn)為橫向裂縫的形式。

對于瀝青混凝土路面開裂機理或預防措施方面的研究,馬玉成結(jié)合實際工程中瀝青混凝土路面對橫向裂縫產(chǎn)生的原因進行了分析,得到不均勻沉降和半剛性基層強度偏高是裂縫產(chǎn)生的主要原因,并提出了針對性的預防措施減少瀝青路面的裂縫;李世芳調(diào)查了冰凍鹽漬土地區(qū)瀝青路面裂縫的表現(xiàn)特征,研究了其產(chǎn)生機理,指出風積沙隔斷和土工膜布隔斷可以有效預防冰凍鹽漬土地區(qū)瀝青路面裂縫的產(chǎn)生;楊振海等依托某高速公路對瀝青路面半剛性基層裂縫進行了注漿試驗,得出非開挖注漿技術對該類型裂縫的修補效果良好;洪海等以黑龍江省半剛性基層瀝青混凝土路面為研究對象,分析得出瀝青混凝土路面的損壞機理和形式。此外,還有一些專家學者對瀝青混凝土路面的裂縫產(chǎn)生機理和預防修補措施進行了不同程度的研究,大多數(shù)研究顯示,對于瀝青混凝土路面而言,裂縫這一病害類型是最主要的早期破壞之一,對路面結(jié)構(gòu)的影響較大,需要做出及時的識別和處理。

1.2 水泥混凝土路面裂縫病害

水泥混凝土路面因其施工工藝相對簡單且性價比較高,被廣泛應用于市政道路、城市小區(qū)道路和鄉(xiāng)村道路中。造成水泥混凝土路面產(chǎn)生裂縫的原因眾多,參考王文斌對水泥混凝土路面裂縫成因的分析,可將水泥混凝土路面裂縫分為結(jié)構(gòu)裂縫、溫度裂縫和收縮裂縫三種。

水泥混凝土裂縫結(jié)構(gòu)裂縫的表現(xiàn)形式可能為縱向裂縫或橫向裂縫,其成因一般為道路竣工后使用期間地基或墊層不均勻沉降、墊層基礎密實度達不到使用要求、重載車輛長期行駛碾壓等。

溫度裂縫一般沿混凝土斷面橫向產(chǎn)生,一般出現(xiàn)在路面混凝土終凝后的使用早期,發(fā)生部位多見于局部混凝土薄弱處,裂縫寬度中等,呈現(xiàn)明顯的規(guī)則性和均勻性。

收縮裂縫又稱“龜裂”,裂縫寬較小,形狀不規(guī)則,無明顯的發(fā)展趨勢,一般發(fā)生于混凝土初凝與終凝之間。

2 路面裂縫的識別方法

2.1 基于圖像分析的路面裂縫識別原理

早期的路面裂縫識別多基于人工觀測,存在識別效率和識別精度低,工作量大等缺點。隨著計算機技術的不斷發(fā)展,圖像識別和處理是道路路面裂縫自動識別技術被廣泛應用于道路裂縫檢測中。

路面裂縫圖像識別的基本流程為采用高清相機對待檢測路面進行高分辨率的材料采集,其次通過圖像預處理步驟對采集的圖像做增強和降噪處理,并對裂縫進行識別和提取、參數(shù)計算分析和修正拼接、表達輸出。

2.2 路面裂縫圖像識別技術

對于采集到的路面裂縫圖像,由于受光影和表面污濁的影響,需要采用圖像增強和降噪的預處理方法對采集到的路面圖像進行預處理。目前常用的圖像增強方法有差影法、直方圖均衡化、模糊理論增強運算等。對圖像飽和度、亮度等參數(shù)進行調(diào)整增強后,需要對圖像降噪,即降低甚至消除圖像的噪點,使圖像更加純凈,便于后續(xù)裂縫識別與提取。降噪算法一般分為空域和頻域兩種,空域類降噪算法的典型方法有均值濾波器、中值濾波器、高斯濾波器和形態(tài)學濾波器等,頻域類降噪算法的典型方法是小波變換。對于路面裂縫圖像增強降噪方面的研究,王墨川等針對瀝青路面裂縫的圖像識別問題,提出了一種基于曲率濾波的降噪方法,通過改進標準的曲率濾波算法,消除了隨機噪聲,其次運用裂縫的幾何特性去除了塊狀和點狀噪聲,結(jié)果表明降噪效果明顯,有利于提升裂縫識別的精度;肖鐘捷等采用均衡化處理的方法對采集到的路面裂縫圖像進行增強,并提出了一種自適應的快速降噪方法,大幅提升了裂縫圖像的識別速度;宋蘭平等利用中值反差濾波的方法對采集到的路面裂縫圖像進行過濾,在對圖像增強降噪的基礎上保留了圖像的關鍵信息,避免了傳統(tǒng)算法噪聲消除的繁雜操作,簡化了圖像降噪流程。大多數(shù)專家學者對于路面裂縫圖像增強與降噪的方法處理上是基于傳統(tǒng)的圖像處理方法進行改進,并取得了相對不錯的處理效果,隨處理方式存在差異,但基本均可大幅提升裂縫的識別精度與速度。

2.3 裂縫識別與提取研究

路面裂縫識別與提取方法按技術類型可分為傳統(tǒng)的數(shù)學算法和基于機器學習的新型算法,傳統(tǒng)的算法主要有閾值算法、邊緣算法、區(qū)域算法、匹配算法等,近年來,隨著計算機硬件的飛速發(fā)展,計算機算力得到大幅度提升,通過機器學習的方法識別與提取路面圖像中的裂縫成為了各專家學者開始深入研究的問題。

傳統(tǒng)的路面裂縫識別方法多基于數(shù)字圖像處理,將圖像預處理后對裂縫進行分類提取。Choi J等通過多分辨率分割進行圖像的裂縫提取分類,該方法效率較高但識別精度不高;姜吉榮基于圖像分析的原理對路面裂縫檢測識別方法展開研究,采用增強裂縫邊緣對比度的方法提升了識別精度。加強裂縫邊緣的識別是傳統(tǒng)裂縫識別方法中非常有效的手段,因此許多專家研究了針對裂縫識別的邊緣檢測算子,如Prewitt、Canny、Sobel等。

傳統(tǒng)的路面裂縫識別技術雖已發(fā)展多年,但受限路面情況和圖像采集的復雜性,傳統(tǒng)的方法仍存在一定的局限性。數(shù)據(jù)信息的爆炸式增長為深度學習理論奠定了數(shù)據(jù)基礎,神經(jīng)網(wǎng)絡是一種經(jīng)典的機器學習算法,也是深度學習理論的一種應用形式,其中卷積神經(jīng)網(wǎng)絡模型在路面裂縫圖像識別領域被廣泛應用,其基本原理是基于卷積神經(jīng)網(wǎng)絡的語意分割算法對裂縫圖像進行學習,訓練模型具備裂縫信息提取能力,其基本算法流程如圖1所示,基本原理如圖2所示。

圖1 基于卷積神經(jīng)網(wǎng)絡的裂縫識別流程

圖2 卷積神經(jīng)網(wǎng)絡結(jié)構(gòu)

卷積神經(jīng)網(wǎng)絡結(jié)構(gòu)由多個卷積層、池化層和全連接層堆疊而成,卷積操作將裂縫圖像數(shù)據(jù)輸入信息的有效特征提取傳遞至后續(xù)的結(jié)構(gòu)層,采樣層再進行特征選擇并壓縮,實現(xiàn)分類處理。對于神經(jīng)網(wǎng)絡模型在路面裂縫識別中的應用問題,章天杰等提出了一種改進兩步式卷積神經(jīng)網(wǎng)絡的瀝青路面裂縫識別方法,通過不同類型的圖像對卷積神經(jīng)網(wǎng)絡模型進行訓練與測試,實現(xiàn)了不同類型裂縫的精確提取;劉奇等基于轉(zhuǎn)置卷積神經(jīng)網(wǎng)絡,融合三階段路面裂縫提取算法實現(xiàn)了路面裂縫自動識別和提取優(yōu)化;章世祥采用卷積神經(jīng)網(wǎng)絡為主框架,融合ResNet模型和FPN特征金字塔網(wǎng)絡建立了一種基于機器視覺的多目標路面裂縫監(jiān)測模型,研究結(jié)果表明,與傳統(tǒng)模型相比,融合ResNet和FPN的卷積神經(jīng)網(wǎng)絡模型可以有效保留裂縫病害紋理和細節(jié)信息;S.Khatir等使用Jaya算法優(yōu)化人工神經(jīng)網(wǎng)絡的超參數(shù),將其應用于裂縫檢測的自適應識別中,結(jié)果表明所提方法能準確識別不同場景下的裂縫長度,驗證了數(shù)值預測方法的正確性;還有孫朝云等其他諸多專家學者們均在卷積神經(jīng)網(wǎng)絡的基礎上進行一定的算法改進,提升了所提模型的識別精度與速度。

綜上所述,目前路面裂縫識別領域的研究重心在深度學習算法的開發(fā)與應用上,不同改進方法對卷積神經(jīng)網(wǎng)絡模型的識別側(cè)重點各有不同,但系統(tǒng)梳理可知,目前基于卷積神經(jīng)網(wǎng)絡的裂縫識別框架仍然在傳統(tǒng)卷積神經(jīng)網(wǎng)絡的基礎上進行局部算法的改良,雖在一定程度上識別精度與效率較原算法有所提升,但整體識別水平并未有越級提升。

3 結(jié)論與展望

(1)路面裂縫的成因較為復雜,瀝青混凝土路面與水泥混凝土路面的裂縫形成機理有其相同點,水泥混凝土與瀝青混凝土路面收溫度影響產(chǎn)生的裂縫大多表現(xiàn)為橫向裂縫形式,受路基墊層密實度等因素影響產(chǎn)生的結(jié)構(gòu)性裂縫大多表現(xiàn)為縱梁裂縫形式。

(2)傳統(tǒng)的數(shù)字圖像裂縫識別方法已經(jīng)相對成熟,目前傳統(tǒng)數(shù)字圖像裂縫識別領域的創(chuàng)新多側(cè)重于裂縫邊緣檢測算法的研究,受限于圖像采集質(zhì)量,傳統(tǒng)數(shù)字圖像裂縫識別方法仍有一定的局限性,對于復雜圖像畫面下的裂縫提取能力不足。

(3)基于深度機器學習的路面裂縫識別方法是目前較為前沿的技術,圍繞該方向的研究多采用卷積神經(jīng)網(wǎng)絡的框架對裂縫圖像進行網(wǎng)格化捕捉,其改進方式一般分為兩類,一是針對卷積神經(jīng)網(wǎng)絡算法網(wǎng)絡結(jié)構(gòu)進行改進,二是優(yōu)化調(diào)整模型超參數(shù),根據(jù)現(xiàn)有研究可知,不同改進方法均能在一定程度上提升深度機器學習模型的識別率。

(4)當前對于路面病害的監(jiān)測與識別多為事后識別,即對已經(jīng)發(fā)生病害的路段進行檢測識別,并采取處理措施。隨著傳感器精度的提高、數(shù)據(jù)的爆炸式增長和計算機算力的顯著提升,未來可融合高精傳感器在重點監(jiān)測區(qū)域進行路面病害的事中感知和事前預警研究,通過傳感器數(shù)據(jù)建立路面結(jié)構(gòu)服役性能與荷載環(huán)境等隨機因素的非線性演化聯(lián)系,并對可能發(fā)生裂縫或其他病害的區(qū)域進行提前預警和觀測,建立一套基于大數(shù)據(jù)的路面病害預警采集系統(tǒng),具有良好的研究價值和應用場景。