李佳興 秦志超 李凱強(qiáng)

摘要：隨著交通運(yùn)輸業(yè)的不斷發(fā)展，道路交通設(shè)施建設(shè)日益增多，維護(hù)工作也越來越重要。傳統(tǒng)的瀝青路面檢測方法往往需要封閉路段進(jìn)行施工，甚至拆掉路面，不僅成本高還會(huì)影響行車。為了對路面進(jìn)行快速、高效檢測，基于探地雷達(dá)技術(shù)構(gòu)建3D-GPR數(shù)據(jù)集，選取典型的裂縫以及層間不良病害的回波特征，并進(jìn)行數(shù)值模擬驗(yàn)證回波特征的準(zhǔn)確性。對YOLOv4模型進(jìn)行訓(xùn)練與驗(yàn)證，并將其測試結(jié)果與現(xiàn)場檢測進(jìn)行對比。結(jié)果表明：裂縫的回波特征呈雙曲線形，層間不良病害呈梯形；YOLOv4模型具有較高的檢測精度，使用模型檢測的病害結(jié)果與鉆芯取樣法一致。

關(guān)鍵詞：探地雷達(dá)；瀝青路面；病害檢測；回波特征

0? ?引言

道路交通是現(xiàn)代社會(huì)最基本的交通方式之一，而良好的道路狀況則是確保道路交通安全和暢通的基礎(chǔ)。然而，由于道路使用頻繁，路面往往會(huì)出現(xiàn)損壞和病害，如裂縫、坑洼和起伏等，對交通安全和車輛壽命產(chǎn)生負(fù)面影響。及時(shí)對路面進(jìn)行檢測，以便識別路面病害，變得至關(guān)重要?，F(xiàn)有的路面病害檢測方法主要包括人工巡檢、車載巡檢、靜態(tài)攝像機(jī)巡檢等，這些方法依賴于人工或設(shè)備，且檢測精度和效率較低。探地雷達(dá)技術(shù)來因具有快速、高效、無損等優(yōu)勢，逐漸成為一種廣受歡迎的路面病害檢測方法。

近年來，已經(jīng)有學(xué)者在道路內(nèi)部病害檢測方面做了相關(guān)研究，并取得了有益成果[1-3]。鄒桂蓮等[4]對目前流行的幾種路面脫空檢測方法進(jìn)行了對比，并發(fā)現(xiàn)落錘式彎沉儀（FWD）在對路基頂面彎沉、板底脫空檢測等多方面具有體積小、經(jīng)濟(jì)、快速、準(zhǔn)確等優(yōu)點(diǎn)。特別是在廣清高速公路水泥硂路面養(yǎng)護(hù)工程中的實(shí)際應(yīng)用，F(xiàn)WD設(shè)備被證明是一種具有推廣意義的最先進(jìn)的路面強(qiáng)度無損檢測設(shè)備之一。周奇才等[5]對探地雷達(dá)數(shù)據(jù)構(gòu)成及干擾來源進(jìn)行分析，利用均值法去除背景噪聲，并運(yùn)用HIL-BERT變換數(shù)據(jù)處理技術(shù)，得到了雷達(dá)圖像瞬時(shí)振幅、瞬時(shí)相位和瞬時(shí)頻率等瞬時(shí)剖面圖像，從而提高了圖像的分辨率和目標(biāo)識別的準(zhǔn)確性。盧超等[6]研究探地雷達(dá)在對介電常數(shù)無損檢測方面的可行性，并基于室內(nèi)試驗(yàn)分析了瀝青混合料中空隙率對介電常數(shù)的影響。結(jié)果表明，空隙率和介電常數(shù)之間存在一定的相關(guān)性。

在現(xiàn)有研究中，國內(nèi)外學(xué)者對探地雷達(dá)技術(shù)在瀝青路面內(nèi)部病害檢測中的研究較少，鑒于此本文對探地雷達(dá)在瀝青路面病害檢測中的應(yīng)用開展研究，研究成果對道路質(zhì)量檢測具有重要的參考價(jià)值。

1? ?構(gòu)建GPR圖像數(shù)據(jù)集

1.1? ?3D-GPR數(shù)據(jù)采集

瀝青路面上的橫向裂縫和結(jié)構(gòu)層間的黏結(jié)不良，是常見的早期隱性病害問題，這兩種病害會(huì)在探地雷達(dá)圖像中顯示出明顯的回波特征。本文著重研究這兩種病害，并選取典型的內(nèi)部橫向裂縫和層間不良的3D-GPR圖像進(jìn)行詳細(xì)研究。內(nèi)部橫向裂縫在縱剖面上呈對稱的雙曲線形狀，繞射波較細(xì)，頂部有缺口；而在水平剖面上呈現(xiàn)為橫向裂紋狀。在縱剖面上，層間不良缺陷的回波特征呈梯形形狀，中部具有連續(xù)的高振幅同相軸，而兩端呈現(xiàn)明顯的繞射波。在水平截面上，層間不良缺陷表現(xiàn)存在高振幅的回波特征，在橫截面上，存在一系列連續(xù)的高振幅回波特征。

1.2? ?數(shù)值模擬

1.2.1? ?數(shù)值模型參數(shù)

為了深入研究探地雷達(dá)剖面圖中瀝青路面內(nèi)部病害的回波特征，本文采用時(shí)域有限差分法和gprMAX軟件進(jìn)行數(shù)值仿真，得到了瀝青路面數(shù)值模型的探地雷達(dá)剖面檢測結(jié)果。瀝青路面的結(jié)構(gòu)包括上、中、下面層、基層和路基，數(shù)值模型參數(shù)詳見表1。

1.2.2? ?數(shù)值模型類型設(shè)計(jì)

針對瀝青路面內(nèi)部的病害，本文設(shè)計(jì)了2種數(shù)值模型：一是橫向裂縫數(shù)值模型，二是層間不良松散空隙數(shù)值模型。橫向裂縫數(shù)值模型包括9種不同寬度的裂縫，寬度分別為2mm、4mm、6mm、8mm、10mm、12mm、16mm、18mm和20mm，所有裂縫都穿透每個(gè)結(jié)構(gòu)層。層間不良松散空隙數(shù)值模型共包括9個(gè)不同高度的松散空隙，間隙分別為1mm、3mm、5mm、10mm、15mm、20mm、40mm、60mm和80mm，寬度為40cm，位于瀝青層的底部。

1.2.3? ?數(shù)值模擬要點(diǎn)

數(shù)值模型中使用ricker波作為探地雷達(dá)的激勵(lì)源，中心頻率為1300MHz。數(shù)值模型離散網(wǎng)格間距為2mm，采用了10個(gè)單元的完全匹配層作為吸收邊界條件。

根據(jù)數(shù)值模擬結(jié)果發(fā)現(xiàn)，瀝青混凝土路面結(jié)構(gòu)的橫向裂縫在探地雷達(dá)數(shù)值模擬中仍呈雙曲線狀。隨著深度的增加，雙曲線的角度增大，同時(shí)衍射波也會(huì)更加明顯，回波信號的強(qiáng)度逐漸降低。裂縫越寬，回波信號越強(qiáng)，當(dāng)裂縫較窄時(shí)，如2mm、4mm，回波信號較差，難以被清晰地分辨出來。

層間不良的數(shù)字雷達(dá)模擬回波特征呈梯形，中間部分為連續(xù)同相軸，兩端有明顯的繞射波。如果脫空高度較小，例如1mm和3mm，回波信號也會(huì)變?nèi)酰⒖赡鼙黄渌盘栕钃酢?/p>

綜上所述，數(shù)值模擬結(jié)果與實(shí)測探地雷達(dá)圖上病害回波特征吻合，說明用探地雷達(dá)圖內(nèi)部病害的回波特征對瀝青路面內(nèi)部病害做出評價(jià)的方法是可行的。

1.3? ?病害回波特征數(shù)據(jù)增強(qiáng)及標(biāo)注

本次研究所采集的瀝青路面3D-GPR數(shù)據(jù)涵蓋多條高速公路，總長度約為100km。數(shù)據(jù)集中涵蓋了瀝青路面內(nèi)部橫向裂縫和結(jié)構(gòu)層間不良等病害的回波特征。該數(shù)據(jù)集共包含1830張大小不同、病害特征的類別和數(shù)量也不相同的GPR圖像，共有3090個(gè)內(nèi)部病害回波特征，其中2340個(gè)是內(nèi)部橫向裂縫，750個(gè)是層間不良特征。

為了評估模型的性能，將數(shù)據(jù)集進(jìn)行了劃分，分為訓(xùn)練集、驗(yàn)證集和測試集3個(gè)部分。數(shù)據(jù)集的劃分比例約為7：1：2，每個(gè)部分的數(shù)據(jù)都是相互獨(dú)立的，不存在重復(fù)數(shù)據(jù)，數(shù)據(jù)集劃分及數(shù)量見表2。

2? ?YOLOv4深度學(xué)習(xí)算法模型訓(xùn)練與驗(yàn)證

2.1? ?YOLOv4深度學(xué)習(xí)算法模型概述

YOLOv4深度學(xué)習(xí)算法模型是一種基于卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測模型，由一系列卷積層、池化層和全連接層構(gòu)成。其網(wǎng)絡(luò)架構(gòu)采用了anchor-based模式，利用以往物體的大小和縱橫比進(jìn)行建模，能夠更好地適應(yīng)目標(biāo)檢測任務(wù)中物體的多樣性。在損失函數(shù)方面，YOLOv4模型基于多維二元交叉熵?fù)p失函數(shù)，能夠?qū)Σ『δ繕?biāo)的定位和分類同時(shí)進(jìn)行優(yōu)化，大大提高了模型的檢測準(zhǔn)確率。采用查準(zhǔn)率P、召回率R、AP@0.5（交并比為0.5時(shí)的平均精度）、mAP@0.5（多個(gè)交并比為0.5時(shí)的平均精度求平均值）指標(biāo)和宏-F1分?jǐn)?shù)指標(biāo)，進(jìn)行模型性能的評估，為模型性能的分析提供有效依據(jù)。

2.2? ?模型訓(xùn)練及驗(yàn)證

在訓(xùn)練YOLOv4模型期間，記錄了其在不同迭代次數(shù)下的性能指標(biāo)，包括訓(xùn)練集上的模型損失值和測試集上的mAP@0.5值。模型訓(xùn)練驗(yàn)證結(jié)果如圖1所示。

根據(jù)圖1可以看出，模型損失值在訓(xùn)練集上隨著迭代次數(shù)的增加而不斷減小，并逐漸趨于穩(wěn)定下降的狀態(tài)。在驗(yàn)證集上，模型的mAP@0.5值則出現(xiàn)了先上升后下降的趨勢，最大值達(dá)到了97.21%。說明隨著訓(xùn)練次數(shù)的增加，模型整體回歸擬合收斂，訓(xùn)練效果較好。

在訓(xùn)練集上，模型的驗(yàn)證集mAP@0.5值隨著訓(xùn)練次數(shù)的增加逐漸達(dá)到最大值。其中，當(dāng)訓(xùn)練次數(shù)為4522次時(shí)，模型訓(xùn)練了6000次迭代的時(shí)間為118min，并且驗(yàn)證集mAP@0.5值達(dá)到了最大值。這表明模型網(wǎng)絡(luò)已經(jīng)達(dá)到了最佳權(quán)重，在該訓(xùn)練次數(shù)下獲得了較好的性能。

3? ?模型測試與現(xiàn)場驗(yàn)證

3.1? ?模型測試

3.1.1? ?性能評估結(jié)果分析

經(jīng)過訓(xùn)練的YOLOv4模型在測試集上的性能評估表明，該模型對GPR圖像中的病害特征識別效果顯著，性能評估結(jié)果見表3。該模型在測試集上取得的mAP@0.5值為97.56%，宏-F1得分為0.95，表明該模型在檢測GPR圖像中的病害回波特征方面具有很高的準(zhǔn)確性。

3.1.2? ?P-R曲線分析

該模型能夠檢測到內(nèi)部橫向裂縫和層間不良病害，并針對兩類病害繪制出查準(zhǔn)率-召回率曲線曲線，如圖2所示。其中，曲線下面積為AP@0.5。模型檢測到的內(nèi)部橫向裂縫的F1值為0.923，AP@0.5值為96.22%，低于層間不良的0.975和98.89%，表明層間不良回波特征更容易被正確識別。

分析認(rèn)為，由于內(nèi)部橫向裂縫的形狀和紋理等特征較難識別，而層間不良回波通常更規(guī)則，因此更容易被模型識別。

3.1.3? ?整體評估

YOLOv4模型能夠較好地識別穿過瀝青路面不同結(jié)構(gòu)層內(nèi)部橫向裂縫的回波特征，并且具有高置信度，至少為0.97，與真實(shí)數(shù)據(jù)非常吻合。但由于下方基層存在較強(qiáng)的背景噪聲，模型無法識別出回聲特征，因此無法對下方基層進(jìn)行準(zhǔn)確識別。同時(shí)也驗(yàn)證了內(nèi)部橫向裂縫相比層間不良更難以識別的事實(shí)。

在層間不良回波特征區(qū)域，同時(shí)存在著裂縫的雙曲線回波特征。然而，經(jīng)過使用該模型對GPR圖像進(jìn)行分析，發(fā)現(xiàn)該模型只能識別層間不良回波特征，未能正確識別出裂縫回波特征。由于層間不良病害廣泛存在且潛在危害范圍更大，模型能夠有效地識別層間不良特征，足以滿足工程維護(hù)和檢測的需求。

3.2? ?現(xiàn)場驗(yàn)證

使用YOLOv4模型檢測瀝青路面縱剖面的GPR圖像的回波特征，記錄病害的準(zhǔn)確坐標(biāo)。通過已獲的坐標(biāo)數(shù)據(jù)，在地圖上標(biāo)注缺陷的位置，然后利用RTK定位來確定道路表面的實(shí)際坐標(biāo)。

在已確定的位置使用二維GPR放置測線來進(jìn)一步確認(rèn)病害的確切位置。鉆芯取樣的結(jié)果顯示，瀝青層芯樣結(jié)構(gòu)良好，而基層芯樣在側(cè)面出現(xiàn)了裂縫，這與模型得出的結(jié)果一致。在層間不良病害位置，瀝青層下部為顆粒狀或碎石狀，表明上部基層材料疏松，層間黏結(jié)失效。

4? ?結(jié)束語

本研究先構(gòu)建3D-GPR數(shù)據(jù)集，選取典型的裂縫、層間不良病害的回波特征，并進(jìn)行了數(shù)值模擬驗(yàn)證回波特征的準(zhǔn)確性。再對YOLOv4模型進(jìn)行了訓(xùn)練與驗(yàn)證，并將其測試結(jié)果與現(xiàn)場檢測進(jìn)行對比，得出如下結(jié)論：

內(nèi)部橫向裂縫在縱剖面上呈對稱的雙曲線形，繞射波較細(xì)，頂部有缺口；而在水平剖面上呈現(xiàn)為橫向裂紋狀。層間不良缺陷的回波特征，在縱剖面上呈梯形形狀，中部具有連續(xù)的高振幅同相軸，而兩端呈現(xiàn)明顯的繞射波。

YOLOv4模型在測試集上取得的mAP@0.5值為97%，宏-F1得分為0.94，相對于裂縫回波特征層間不良回波特征更容易被模型正確識別。鉆芯取樣法檢測的瀝青路面病害結(jié)果，與模型的檢測結(jié)果一致。

參考文獻(xiàn)

[1] 張科.瀝青混凝土路面病害成因及處治研究[J].技術(shù)與市場，2014，21（5）：232.

[2] 白日華.瀝青路面病害檢測與養(yǎng)護(hù)決策研究[D].長春：吉林大學(xué)，2013.

[3] 韓凱，秦曉萍.多通道探地雷達(dá)成像技術(shù)分析[J].企業(yè)發(fā)，2011，30（16）：87.DOI：10.14165/j.cnki.hunansci.2011.16.064.

[4] 鄒桂蓮，廖宣錦，韓青英.FWD技術(shù)在水泥混凝土路面檢測中的應(yīng)用[J].科學(xué)技術(shù)與工程，2010，10（16）：4065-4067.

[5] 周奇才，陳秋鋒，馮雙昌.探地雷達(dá)圖像數(shù)據(jù)處理及應(yīng)用研究[J].物探化探計(jì)算技術(shù)，2010，32（6）：665-668+570.

[6] 盧超，劉化學(xué)，劉強(qiáng).介電常數(shù)在瀝青混合料壓實(shí)度測試中的應(yīng)用探討[J].路基工程，2012（4）：98-100+104.