吳玉龍,王嘉浩,丁 勇

(1.昆山市建設(shè)工程質(zhì)量檢測(cè)中心,昆山 215337;2.南京理工大學(xué) 理學(xué)院,南京 210094)

滲漏是建筑物常見(jiàn)且危害性極大的典型病害,其發(fā)展初期在時(shí)空上具有隨機(jī)性、隱蔽性等特征[1],通常不易被察覺(jué),一旦發(fā)展到后期,將會(huì)造成十分嚴(yán)重的后果[2]。如何快速識(shí)別并定位建筑物的早期滲漏,進(jìn)而及時(shí)、精確地進(jìn)行除險(xiǎn)加固和搶險(xiǎn)救災(zāi)等工作,是保障建筑物安全的關(guān)鍵[3]。目前,用于建筑物滲漏隱患探測(cè)的常用手段有人工目測(cè)、開(kāi)挖及鉆孔勘測(cè)、彈性波探測(cè)、溫度場(chǎng)探測(cè)、同位素示蹤和電阻率探測(cè)等[4-8],但大量工程案例表明,采用單一手段容易造成對(duì)建筑物滲漏隱患的誤判甚至漏判,極大降低了搶險(xiǎn)救災(zāi)工作的效率;此外,有些方法還會(huì)造成建筑物結(jié)構(gòu)的二次破壞,加快建筑物結(jié)構(gòu)的老化和病變速度,產(chǎn)生更多的次生隱患。

隨著科技的發(fā)展,利用搭載高清可見(jiàn)光相機(jī)、紅外熱像儀等圖像采集裝置的爬壁機(jī)器人、無(wú)人機(jī)等設(shè)備進(jìn)行掃描巡查,逐漸成為滿足工程快速無(wú)損檢測(cè)需求的熱門檢測(cè)方法[9-11]。紅外熱成像檢測(cè)技術(shù)可通過(guò)非接觸方式,獲取建筑物對(duì)熱激勵(lì)的異常響應(yīng),實(shí)現(xiàn)建筑外立面滲漏的檢測(cè)識(shí)別,近年來(lái)被廣泛應(yīng)用于建筑物裂縫檢測(cè)、輸電線路故障檢測(cè)、野外搜救等領(lǐng)域[12-16]。隨著紅外熱成像技術(shù)的不斷發(fā)展,紅外熱成像儀因具有成像距離遠(yuǎn)、不受晝夜限制等特點(diǎn)而得到了廣泛應(yīng)用,但是滲漏的紅外圖像具有信噪比低、目標(biāo)尺寸小、特征不明顯等特點(diǎn),加之場(chǎng)景復(fù)雜度不斷提升,雜波干擾嚴(yán)重,導(dǎo)致現(xiàn)有的紅外滲漏區(qū)域識(shí)別方法應(yīng)用于復(fù)雜場(chǎng)景時(shí)性能衰減。再加上建筑外立面會(huì)受材料不同、存在裂縫、存在剝落等因素影響,故如何有效地識(shí)別出建筑外立面紅外圖像中的滲漏區(qū)域仍是一大難點(diǎn)。

由于紅外目標(biāo)數(shù)據(jù)集具有保密性強(qiáng)、公開(kāi)數(shù)據(jù)集少等特點(diǎn),沒(méi)有可供深度學(xué)習(xí)訓(xùn)練使用的建筑外立面滲漏紅外圖像數(shù)據(jù)集,為了減少對(duì)真實(shí)建筑外立面滲漏紅外圖像數(shù)量的需求,筆者結(jié)合仿真滲漏紅外圖像與真實(shí)滲漏紅外圖像來(lái)制作數(shù)據(jù)集,作為深度學(xué)習(xí)的樣本進(jìn)行訓(xùn)練。采用特征自適應(yīng)遷移學(xué)習(xí)的方法,完成仿真及目標(biāo)識(shí)別。

隨著近些年深度學(xué)習(xí)在目標(biāo)識(shí)別領(lǐng)域的不斷發(fā)展,越來(lái)越多算法被不斷提出,其中YOLO V5算法具有速度快、準(zhǔn)確率高等特點(diǎn)而得到了廣泛應(yīng)用。YOLO V5算法在小目標(biāo)識(shí)別時(shí)具有很好的性能,識(shí)別目標(biāo)像素分辨率較小,因此計(jì)算量相對(duì)較小。筆者以YOLO V5算法為基礎(chǔ)進(jìn)行改進(jìn),通過(guò)更換特征金字塔網(wǎng)絡(luò),降低計(jì)算成本,有效完成了建筑外立面紅外圖像滲漏區(qū)域的識(shí)別。

1 基本原理與技術(shù)路線

為了能夠識(shí)別建筑外立面紅外圖像的滲漏區(qū)域,通過(guò)ANSYS軟件仿真生成建筑外立面滲漏紅外圖像,使用紅外熱成像儀對(duì)建筑外立面滲漏模擬試驗(yàn)進(jìn)行紅外圖像采集,將仿真圖像和真實(shí)圖像結(jié)合制作建筑外立面滲漏紅外圖像數(shù)據(jù)集,用于后續(xù)深度學(xué)習(xí)模型的訓(xùn)練與識(shí)別。

選用YOLO V5模型進(jìn)行訓(xùn)練與后續(xù)的識(shí)別,Focus、C3Net是YOLO V5在骨干網(wǎng)絡(luò)上采用的主要網(wǎng)絡(luò)結(jié)構(gòu)。在滲漏識(shí)別過(guò)程中,目標(biāo)的尺度可能會(huì)存在變化較大的情況,會(huì)對(duì)識(shí)別精度產(chǎn)生一定的影響。特征金字塔可解決此問(wèn)題,但可能會(huì)破壞不同尺度滲漏的特征一致性。而且,在實(shí)際應(yīng)用中,常用的方法很難在保證識(shí)別實(shí)時(shí)性的同時(shí)提高多尺度滲漏的識(shí)別精度。

為了解決模型大小與識(shí)別精度不相容的問(wèn)題,在YOLO V5 模型的基礎(chǔ)上引入了AAM-FEMFPN以及自動(dòng)學(xué)習(xí)數(shù)據(jù)增強(qiáng)模塊,進(jìn)一步提高模型的識(shí)別性能。將原有的FPN(特征金字塔)結(jié)構(gòu)替換為AAM-FEM-FPN,增加了自適應(yīng)注意力模塊(AAM)和特征增強(qiáng)模塊(FEM),以提高識(shí)別多尺度目標(biāo)的能力,并在識(shí)別速度和準(zhǔn)確率之間做出有效的權(quán)衡,在實(shí)時(shí)識(shí)別的前提下,改進(jìn)了YOLO V5網(wǎng)絡(luò)的目標(biāo)識(shí)別性能。此外,筆者通過(guò)去除原始網(wǎng)絡(luò)中的mosaic augmentation(馬賽克增強(qiáng))并根據(jù)自動(dòng)學(xué)習(xí)數(shù)據(jù)增強(qiáng)策略使用最佳數(shù)據(jù)增強(qiáng)方法來(lái)豐富數(shù)據(jù)集并提高訓(xùn)練效果。

基于傳統(tǒng)特征金字塔網(wǎng)絡(luò)的架構(gòu),AAM-FEMFPN增添自適應(yīng)注意力、特征增強(qiáng)兩個(gè)模塊。前者通過(guò)減少特征金字塔的特征通道,來(lái)規(guī)避高級(jí)特征映射的上下文信息丟失;后者通過(guò)增強(qiáng)特征金字塔的表示,以達(dá)到更佳的性能,紅外圖像滲漏識(shí)別技術(shù)路線如圖1所示。

圖1 紅外圖像滲漏識(shí)別技術(shù)路線

2 基于仿真的滲漏紅外圖像生成方法

使用ANSYS軟件制作仿真滲漏區(qū)域紅外圖像,將ANSYS仿真與室內(nèi)試驗(yàn)和室外試驗(yàn)關(guān)聯(lián)的關(guān)鍵方法包括熱特性校準(zhǔn)、環(huán)境條件模擬、材料特性匹配、外部輻射源模擬和數(shù)據(jù)對(duì)比與驗(yàn)證等。通過(guò)校準(zhǔn)參數(shù)、模擬環(huán)境、匹配材料特性和驗(yàn)證數(shù)據(jù),可以提高仿真模型的準(zhǔn)確性和逼真度。滲漏模型建立過(guò)程示意如圖2所示,首先在ANSYS-ICEM 中建立滲漏模型以及滲漏點(diǎn)(滲漏點(diǎn)可在模型區(qū)域內(nèi)的任一位置),采用的模型尺寸為3 000 mm×2 000 mm(長(zhǎng)×寬);滲漏點(diǎn)尺寸為5 mm×5 mm(長(zhǎng)×寬)。然后根據(jù)模型的邊建立新的塊,并定義塊為液體、二維平面類型;接著對(duì)模型的邊和塊的邊進(jìn)行關(guān)聯(lián)操作,并根據(jù)滲漏點(diǎn)的位置進(jìn)行分塊操作。隨后選擇塊的邊進(jìn)行節(jié)點(diǎn)定義,并對(duì)節(jié)點(diǎn)數(shù)進(jìn)行調(diào)整。最后勾選pre-mesh生成網(wǎng)格并保存模型。

圖2 滲漏模型建立過(guò)程示意

使用ANSYS-Fluent導(dǎo)入上述保存的模型,調(diào)整好網(wǎng)格比例,并將y方向的重力加速度設(shè)置為9.8 m·s-2。接著設(shè)置能量方程、邊界條件等各項(xiàng)參數(shù),調(diào)整迭代次數(shù)后開(kāi)始運(yùn)算,最后生成仿真滲漏紅外圖像的RGB圖像和BGR圖像,以此來(lái)表示水溫高于坡面溫度以及水溫低于坡面溫度兩種情況,ANSYS軟件仿真滲漏紅外圖像如圖3所示。

圖3 ANSYS軟件仿真滲漏紅外圖像

3 基于試驗(yàn)的滲漏紅外圖像生成方法

基于模擬試驗(yàn)的滲漏區(qū)域紅外圖像生成方法分為室內(nèi)試驗(yàn)和室外試驗(yàn)法兩種,其試驗(yàn)示意如圖4所示。

圖4 建筑外立面滲漏模擬試驗(yàn)示意

室內(nèi)試驗(yàn)使用木板代替混凝土墻面,在木板上鉆一個(gè)小孔,把連接水管的針口固定在小孔上,按一定速度勻速出水,模擬建筑外立面滲漏的情況,再使用紅外熱成像儀采集滲漏區(qū)域紅外圖像,室內(nèi)模擬試驗(yàn)的滲漏區(qū)域紅外圖像如圖5所示。在開(kāi)始試驗(yàn)前,先對(duì)滲漏區(qū)域采集一張還未出水時(shí)的紅外圖像作為參考,然后打開(kāi)水流控制器,以大約1 mL·min-1的流速勻速出水,每隔15 s采集一張紅外圖像。

圖5 室內(nèi)模擬試驗(yàn)的滲漏區(qū)域紅外圖像

室外試驗(yàn)時(shí),在建筑外立面上固定好帶針頭的塑膠水管,按一定速度勻速出水,模擬建筑外立面滲漏的情況,再使用紅外熱成像儀采集滲漏區(qū)域紅外圖像,室外模擬試驗(yàn)的滲漏區(qū)域紅外圖像如圖6所示。

圖6 室外模擬試驗(yàn)的滲漏區(qū)域紅外圖像

室外環(huán)境溫度的變化,會(huì)使得滲漏水溫度和建筑外立面溫度出現(xiàn)非常接近甚至相同的情況。如果目標(biāo)本身具有較大的溫度差異,無(wú)論是否使用激勵(lì),都可能在紅外圖像中清晰地顯示出來(lái);如果目標(biāo)的溫度差異較小,使用激勵(lì)就可能增加目標(biāo)在紅外圖像中的可見(jiàn)性。由于建筑外立面與水的比熱容不同,此時(shí)可以通過(guò)紅外激勵(lì)的方式來(lái)增大兩者的溫差,使得通過(guò)紅外熱成像儀采集得到的滲漏區(qū)域圖像具有較為明顯的特征,紅外激勵(lì)條件下模擬建筑外立面滲漏紅外圖像如圖7所示。在識(shí)別建筑外立面滲漏區(qū)域時(shí),使用紅外加熱燈進(jìn)行加熱,不僅能夠擴(kuò)大滲漏區(qū)域的識(shí)別時(shí)間段,而且能夠較大地提高滲漏區(qū)域的識(shí)別準(zhǔn)確率,大大減少漏檢的情況。

圖7 紅外激勵(lì)條件下模擬建筑外立面滲漏紅外圖像

不同材料和表面對(duì)紅外輻射具有不同的反射或吸收特性。符合紅外輻射特性的圖像能夠呈現(xiàn)物體表面的紋理和特征,以及物體或場(chǎng)景中的溫度分布差異。熱圖像常用不同顏色表示溫度,從而直觀地顯示出溫度分布情況。將符合紅外輻射特性的滲漏仿真紅外圖像用于深度學(xué)習(xí)模型初步訓(xùn)練,即可在滲漏仿真紅外圖像中學(xué)習(xí)到所需要的滲漏真實(shí)紅外圖像特征信息。通過(guò)得到的特征信息,能夠優(yōu)化神經(jīng)網(wǎng)絡(luò)各層參數(shù),使得神經(jīng)網(wǎng)絡(luò)對(duì)建筑外立面紅外圖像滲漏區(qū)域的特征適應(yīng)能力得到加強(qiáng),以達(dá)到能夠高效準(zhǔn)確識(shí)別建筑外立面紅外圖像滲漏區(qū)域的目的。

4 外立面紅外圖像滲漏識(shí)別模型及效果

對(duì)于建筑外立面滲漏紅外圖像的小樣本問(wèn)題,利用建筑外立面紅外滲漏圖像中的特征,開(kāi)發(fā)了一種基于YOLO V5算法的外立面紅外圖像滲漏識(shí)別方法。將仿真紅外滲漏圖像與真實(shí)紅外滲漏圖像結(jié)合起來(lái)制作數(shù)據(jù)集,作為深度學(xué)習(xí)的樣本進(jìn)行訓(xùn)練。

試驗(yàn)采用基于pytorch深度學(xué)習(xí)框架搭建的改進(jìn)YOLO V5網(wǎng)絡(luò),共收集了2 096張紅外滲漏圖像,其中訓(xùn)練集1 677張,測(cè)試集419張。最后,利用真實(shí)建筑外立面滲漏紅外圖像作為驗(yàn)證集進(jìn)行識(shí)別。

筆者通過(guò)對(duì)比準(zhǔn)確率、召回率、平均精確率等指標(biāo)來(lái)驗(yàn)證改進(jìn)后的YOLO V5模型的優(yōu)點(diǎn)。采用相同的數(shù)據(jù)集樣本,使用當(dāng)前常用的目標(biāo)識(shí)別主流模型(SSD,Faster-RCNN,YOLO V5)進(jìn)行訓(xùn)練,不同模型識(shí)別結(jié)果對(duì)比如表1所示,表中精確度是指交并比(Io U)的閾值為0.5時(shí),計(jì)算得到的平均精確度,建筑外立面紅外滲漏區(qū)域算法改進(jìn)前后識(shí)別效果如圖8所示。

表1 不同模型識(shí)別結(jié)果對(duì)比

對(duì)比可見(jiàn),YOLO V5算法在滲漏仿真紅外圖像的訓(xùn)練條件下具有一定的適應(yīng)性,并且具有較高的準(zhǔn)確率和召回率,平均置信度從改進(jìn)前的68.3%提升到改進(jìn)后的82.6%。結(jié)果表明,提出的識(shí)別方法在處理真實(shí)建筑外立面滲漏區(qū)域紅外圖像時(shí)具有較好的識(shí)別效果。

5 結(jié)語(yǔ)

為了減少對(duì)真實(shí)滲漏紅外圖像數(shù)量的需求,文章創(chuàng)新性地將仿真滲漏紅外圖像與真實(shí)滲漏紅外圖像進(jìn)行結(jié)合以制作數(shù)據(jù)集,作為深度學(xué)習(xí)的樣本進(jìn)行訓(xùn)練,利用改進(jìn)后的YOLO V5模型實(shí)現(xiàn)建筑外立面滲漏區(qū)域紅外圖像的識(shí)別功能。試驗(yàn)結(jié)果表明,提出的識(shí)別方法對(duì)建筑外立面滲漏區(qū)域紅外圖像有較高的準(zhǔn)確率和召回率,分別達(dá)到了87.6%和96.5%。