1 引言

近年來(lái)，建筑外墻由于其經(jīng)濟(jì)美觀的應(yīng)用效果，發(fā)展十分迅速，種類越來(lái)越多。 目前，應(yīng)用最廣的外墻類型主要有飾面磚、外墻掛板和幕墻3 種。 但建筑外墻的設(shè)計(jì)年限標(biāo)準(zhǔn)一般為25 年[1]，與建筑主體的設(shè)計(jì)年限存在的差距較大。 建筑外墻長(zhǎng)期處在復(fù)雜的環(huán)境下，建筑外墻的質(zhì)量問(wèn)題越來(lái)越突出，外墻面板墜落事故時(shí)有發(fā)生，嚴(yán)重威脅著人們的生命財(cái)產(chǎn)安全。

建筑外墻存在的缺陷類型主要有脫落、裂縫、空鼓、滲水、連接件失效（幕墻特有）、玻璃爆裂（玻璃幕墻特有），如圖1 所示。目前，傳統(tǒng)的檢測(cè)方法主要為目測(cè)法、錘擊法和拉拔法。這些檢測(cè)方法存在檢測(cè)效率低、主觀意識(shí)強(qiáng)、檢測(cè)覆蓋率低且對(duì)結(jié)構(gòu)存在一定的破壞的缺點(diǎn)。 本文介紹新興的檢測(cè)手段及人工智能技術(shù)在外墻缺陷識(shí)別中的應(yīng)用情況。

圖1 外墻缺陷

2 外墻檢測(cè)技術(shù)

2.1 紅外熱成像技術(shù)

紅外熱成像技術(shù)是一種測(cè)量目標(biāo)表面或物體發(fā)出和反射的紅外輻射的技術(shù)，具有非接觸、檢測(cè)面積大、檢測(cè)效率高、檢測(cè)距離遠(yuǎn)等特點(diǎn)，近年來(lái)在土木工程中得到了廣泛應(yīng)用[2]。 馮力強(qiáng)[3]通過(guò)對(duì)紅外熱像技術(shù)檢測(cè)建筑外墻飾面層的黏結(jié)質(zhì)量進(jìn)行試驗(yàn)研究、程序設(shè)計(jì)以及數(shù)值模擬，系統(tǒng)研究了飾面層表面溫度的變化規(guī)律、 內(nèi)部缺陷的定量化分析方法以及檢測(cè)流程與注意事項(xiàng)等關(guān)鍵問(wèn)題。 得出結(jié)論如下：飾面層的表面溫度隨著紅外熱像儀豎向拍攝角度和發(fā)射率的減小而增大， 但紅外熱像儀的豎向拍攝角度在45°范圍內(nèi)對(duì)溫差位置曲線的影響較小，其對(duì)檢測(cè)結(jié)果的影響可以忽略。 樂思揚(yáng)[4]提出了一種利用紅外技術(shù)的外墻熱工性能檢測(cè)方法， 并將無(wú)人機(jī)運(yùn)用到傳統(tǒng)的紅外檢測(cè)方法中，提高了測(cè)量精度。 藺頗[5]、張榮成[6]等人均對(duì)紅外熱成像技術(shù)在外墻檢測(cè)中的應(yīng)用進(jìn)行了研究。 近年來(lái)，無(wú)人機(jī)技術(shù)的發(fā)展使其在民用領(lǐng)域得到了廣泛應(yīng)用，無(wú)人機(jī)搭載紅外熱成像儀檢測(cè)外墻缺陷極大地提高了檢測(cè)效率，如圖2 所示。 但目前研究中，針對(duì)紅外檢測(cè)外墻缺陷多局限于定性研究，而定量研究很少。 換句話說(shuō)，目前紅外檢測(cè)外墻僅處在尋找缺陷，而不能準(zhǔn)確探查缺陷類型、大小、危險(xiǎn)程度等，如圖3 所示。

圖2 可搭載紅外熱成像儀和高清攝像機(jī)的無(wú)人機(jī)

圖3 外墻檢測(cè)紅外圖像

2.2 探地雷達(dá)技術(shù)

探地雷達(dá)技術(shù)需要一個(gè)發(fā)射電磁波的雷達(dá)發(fā)射器和一個(gè)收集反射信號(hào)的接收器，是最有前途的技術(shù)之一。 利用每種材料的介電特性不同，能夠準(zhǔn)確識(shí)別材料之間的不連續(xù)性，被廣泛應(yīng)用于巖土工程勘察、工程質(zhì)量檢測(cè)、建筑結(jié)構(gòu)檢測(cè)等方面[7]。 張東波[8]將探地雷達(dá)技術(shù)應(yīng)用于外墻外保溫系統(tǒng)的無(wú)損檢測(cè)中， 結(jié)果表明探地雷達(dá)技術(shù)在檢測(cè)缺陷深度方面表現(xiàn)較好，但無(wú)法檢測(cè)保溫層厚度和與掃描方向平行的缺陷邊界。 由于其局限性，其在外墻缺陷檢測(cè)中的應(yīng)用較少，但其對(duì)缺陷深度的準(zhǔn)確檢測(cè)可以作為其他檢測(cè)方法的補(bǔ)充。

2.3 超聲波檢測(cè)技術(shù)

超聲波檢測(cè)是一種通過(guò)超聲波在介質(zhì)中的傳播速度判斷介質(zhì)強(qiáng)度的一種檢測(cè)手段，其具有工藝簡(jiǎn)單、操作方便、價(jià)格低廉等特點(diǎn)， 目前在土木工程中廣泛應(yīng)用于高等級(jí)水泥路面路基的檢測(cè)中[9]。 該技術(shù)可與合成孔徑聚焦技術(shù)（SAFT）一起使用，通過(guò)傳播波進(jìn)行分段成像，以生成混凝土結(jié)構(gòu)中研究區(qū)域的高分辨率圖像，能夠檢測(cè)混凝土中的各種物理缺陷，如裂縫、蜂窩、微裂縫和鋼筋束中的空隙[10]。

3 人工智能在外墻檢測(cè)中的應(yīng)用

3.1 深度學(xué)習(xí)

深度學(xué)習(xí)是機(jī)器學(xué)習(xí)中的一個(gè)新方向， 它的出現(xiàn)使機(jī)器學(xué)習(xí)更接近于最初目標(biāo)——人工智能。 它是通過(guò)建立一個(gè)樣本數(shù)據(jù)庫(kù)，讓機(jī)器自助學(xué)習(xí)內(nèi)在規(guī)律和表示層次，從而實(shí)現(xiàn)對(duì)目標(biāo)的識(shí)別與判斷， 最終目的是讓機(jī)器獲得像人一樣的分析學(xué)習(xí)能力。 該方法在目標(biāo)識(shí)別、圖像分類等領(lǐng)域取得了優(yōu)異的成績(jī)。圖4 展示了深度學(xué)習(xí)在幕墻損傷檢測(cè)中的應(yīng)用。這一特征完美契合外墻缺陷檢測(cè)的需求， 可以快速處理前期采集的大量白光圖片、紅外圖片等，可以極大地提高后期數(shù)據(jù)處理能力與效率[11]。

圖4 深度學(xué)習(xí)識(shí)別損傷玻璃結(jié)果

劉穎[12]提出了基于改進(jìn)SSD 網(wǎng)絡(luò)的紅外墻體裂縫檢測(cè)算法，并在模型中加入了FPN 結(jié)構(gòu)，在降低參數(shù)量和計(jì)算量的同時(shí)，保證了檢測(cè)精度，顯著提高了模型訓(xùn)練速度。 林汨圣[13]通過(guò)建立深度學(xué)習(xí)模型對(duì)外墻圖像進(jìn)行了機(jī)器自動(dòng)檢測(cè)， 并提出了結(jié)合現(xiàn)場(chǎng)監(jiān)控、 遠(yuǎn)程航拍等工程圖像實(shí)現(xiàn)實(shí)況檢測(cè)的設(shè)想。 吳生宇[14]、陳崇一[15]采用機(jī)器學(xué)習(xí)手段分別對(duì)建筑表面裂縫和建筑外墻外保溫層熱工缺陷的檢測(cè)方法進(jìn)行了相關(guān)研究。 從目前的研究來(lái)看，深度學(xué)習(xí)在外墻缺陷檢測(cè)中的表現(xiàn)良好，但在檢測(cè)效率、檢測(cè)精度方面還有較大的上升空間。

3.2 數(shù)字孿生技術(shù)

數(shù)字孿生（Digital Twin）最早由美國(guó)國(guó)防部提出，應(yīng)用于航空航天飛行器的健康維護(hù)與保障。 在土木工程領(lǐng)域中，其概念可簡(jiǎn)言之在計(jì)算機(jī)端建立一個(gè)數(shù)字版的“克隆體”，也可叫“數(shù)字孿生體”。 和普通的CAD 模型或有限元模型不同的是，數(shù)字孿生體是對(duì)實(shí)體對(duì)象的動(dòng)態(tài)仿真。 它的“動(dòng)”是通過(guò)本體的物理設(shè)計(jì)模型和實(shí)體上傳感器的數(shù)據(jù)實(shí)現(xiàn)的。 目前，數(shù)字孿生技術(shù)在土木工程中主要應(yīng)用于智能建造領(lǐng)域， 但結(jié)合其技術(shù)特點(diǎn)， 國(guó)內(nèi)外學(xué)者逐漸將其應(yīng)用在建筑的全壽命健康監(jiān)測(cè)領(lǐng)域中[16-17]。 隨著技術(shù)的不斷發(fā)展與客戶需求的不斷提高，采用數(shù)字孿生技術(shù)實(shí)現(xiàn)外墻檢測(cè)結(jié)果的可視化、 修復(fù)過(guò)程的動(dòng)態(tài)展示和后期的定期巡檢可能會(huì)成為研究熱點(diǎn)。

4 基于人工智能的外墻檢測(cè)技術(shù)路線

目前，以人工智能為主的檢測(cè)手段逐漸成了行業(yè)主流。 因其在計(jì)算機(jī)視覺、圖像處理等方面的優(yōu)異表現(xiàn)，人工智能將成為未來(lái)檢測(cè)技術(shù)的重要發(fā)展方向。 通過(guò)專用App 直接在地圖上編輯和規(guī)劃飛行航線，實(shí)現(xiàn)搭載紅外熱成像儀、高清攝像機(jī)的無(wú)人機(jī)對(duì)建筑全貌進(jìn)行快速、自動(dòng)巡檢，可以極大地提高外墻檢測(cè)的覆蓋面與效率。而通過(guò)5G 等手段可以將現(xiàn)場(chǎng)采集的數(shù)據(jù)快速傳給后臺(tái)， 結(jié)合深度學(xué)習(xí)算法， 實(shí)現(xiàn)數(shù)據(jù)的快速處理，進(jìn)而實(shí)現(xiàn)建筑外墻缺陷的快速識(shí)別與分類。 上述方法可以很好地識(shí)別外墻的缺失、裂縫、空鼓和滲水這4 類缺陷在建筑外立面的位置，而針對(duì)裂縫深度、保溫層缺失深度等涉及“厚度”的信息，可以通過(guò)雷達(dá)掃描或超聲波檢測(cè)技術(shù)進(jìn)行補(bǔ)充。最終，輔以圖像拼接、三維掃描等技術(shù)，建立被測(cè)物的三維模型，通過(guò)人工智能技術(shù)，將前期得到的缺陷信息與實(shí)拍圖片嵌入三維模型中，進(jìn)而實(shí)現(xiàn)缺陷檢測(cè)結(jié)果的可視化，流程如圖5所示。 后期加以數(shù)字孿生技術(shù)，可以實(shí)現(xiàn)建筑外墻全生命周期的檢測(cè)。 該方法的實(shí)現(xiàn)，預(yù)計(jì)在檢測(cè)效率方面比傳統(tǒng)檢測(cè)方法提高50%，在檢測(cè)成本方面僅為傳統(tǒng)檢測(cè)方法的30%。

圖5 基于人工智能的外墻缺陷檢測(cè)方法

5 結(jié)語(yǔ)