关于桥梁裂缝智能检测机器人的研究

109基于无人机的桥梁裂缝检测与测量系统李红艳，周国源，孙宇乐，刘心雨，吴亿丰（湖北经济学院信息工程学院，湖北武汉430205）摘要：道路桥梁裂缝是危害桥梁安全的一种重要病害，为减少桥梁裂缝对桥梁工程的不利影响，延长国内桥梁使用寿命。

文章拟针对目前存在桥梁裂缝检测与测量的难点，依据近景摄影测量技术基本原理与计算机视觉中的相关技术，设计出一种通过无人机搭载相机与雷达的桥梁裂缝检测与测量系统，并利用光学相机标定与几何校正以及桥梁裂缝的鲁棒性提取实现桥梁裂缝高精度的检测与测量。

提高国内桥梁静态测量工程的术水平，解决传统人工接触式检测与测量所存在的缺陷。

关键词：桥梁工程；桥梁裂缝；无人机；裂缝测量；视觉测量中图分类号：TP391文献标识码：A文章编号：2096-9759（2023）03-0109-03Bridge crack detection and measurement system based on dronesLI Hongyan,ZHOU Guoyuan,SUN Yule,LIU Xinyu,WU Yifeng(School of Information Engineering,Hubei University of Economics,Wuhan430205,China)Abstract:The crack of road and bridge is an important disease that endangers the safety of bridge.In order to reduce the adverse effect of bridge crack on bridge engineering,prolong the service life of domestic Bridges.Aiming at the puzzle of bridge crack detection and measurement at present,this paper designs a bridge crack detection and measurement system based on the basic principle of close-range photogrammetry technology and related technology in computer vision.The bridge cracks can be de-tected and measured with high accuracy by using optical camera calibration and geometric correction as well as robust extrac-tion.To improve the technical level of domestic bridge static measurement engineering and solve the defects of traditional man-ual contact detection and measurement.Keywords:bridge engineering;bridge cracks;UA V;crack measurement;visual measurement0引言随着国内桥梁行业的不断发展，桥梁行业正从建设阶段向维护保养阶段逐渐过渡，根据《公路桥梁养护规范》等施工技术规范要求，当桥梁出现0.1mm以上的裂缝时，就应该对裂缝进行封修。

公路桥梁智能检测技术与装备研究进展 摘要：公路桥梁检测是保证桥梁结构安全稳定的重要过程，智能检测技术与装备可进一步辅助桥梁检测专家完成桥梁服役性能的评估。本文对公路桥梁智能检测技术与装备研究进展进行了探讨。

关键词：公路桥梁；智能检测技术；装备研究 引言 随着国民经济发展的需要以及国家经济实力的支持，一座座桥梁拔地而起，跨越江河湖海，联通深沟峡谷，优化交通基础设施空间布局，推动现代化经济体系发展和交通强国建设。为了进一步保证交通运输安全稳定可靠，我国公路交通基础设施发展从快速建设逐渐向养护管理趋势转变：加强检测养护水平专业化、信息化发展，完善数据采集、检测诊断、维修处治技术体系，进而有效强化设施耐用性和可靠性。

1公路桥梁智能检测技术研究 根据对公路桥梁基础设施智能检测技术的研究，机器人设备可搭载不同的传感器实现桥梁内部、外部构件的智能无损检测。不同的无损检测方法可根据桥梁结构的种类(预应力混凝土结构、钢结构、砖结构等)，针对性地设计检测方案。常见的检测方式可按原理分为基于机器视觉的桥梁病害检测方法、基于电磁波的桥梁病害检测方法、基于机械波的桥梁病害检测方法、基于电磁传感器的桥梁病害检测方法、基于放射射线的桥梁病害检测方法。

1.1基于机器视觉的桥梁病害检测方法分析 随着人工智能技术的快速发展，机器视觉是当前智能装备主流的公路桥梁表面病害检测方法。其中，桥梁裂缝是结构退化的早期迹象之一，持续暴露的裂缝也将导致桥梁结构进一步恶化。结构表面裂缝类型、数量、长度、宽度的分布情况也揭示了桥梁的病害恶化程度，同时较细的裂缝检测精度也是行业检测的难点问题。

1.2基于电磁波的桥梁病害检测方法分析 基于电磁波的桥梁病害检测方法通过特定设备发射不同种类的电磁波，在特定的介质上发生反射和折射，并通过特殊的接收装置检测特殊的电磁波信号，进而发现桥梁内部的异构情况。此类方法可以按照电磁波的频率分为红外热成像法和探地雷达法。 1.3基于机械波的桥梁病害检测方法分析 基于机械波的桥梁病害检测方法通过特定设备发射不同种类的振动，与桥梁结构在不同频率上发生共振，并根据不同的信号接收频率发现桥梁构件内部的病害缺陷。此类检测方法可以按照机械波的频率和发射方式分为冲击回波法、声波发射法和超声波检测法。

基于无人机技术的桥梁工程检测与监测研究摘要：无人机技术在桥梁工程检测中发挥着重要作用，它能够提供高效、准确的检测方法和监测体系。

桥梁结构检测包括外观检测和构件检测，无人机通过航拍和激光扫描技术能够捕捉桥梁的详细图像和三维数据。

这些数据对于评估桥梁的结构完整性至关重要。

在桥梁工程监测体系中，监测指标的选取、监测系统的构建以及数据分析和预警机制的设计，都是确保桥梁安全运行的关键环节。

关键词：无人机技术；桥梁工程；结构检测引言随着无人机技术的快速发展，其在桥梁工程检测和监测中的应用越来越广泛。

无人机能够提供高分辨率的图像和精确的三维数据，这对于桥梁的外观检测、构件检测以及长期健康监测具有重要意义。

1. 基于无人机技术的桥梁工程检测方法1.1 桥梁结构检测1.1.1 桥梁外观检测桥梁外观检测在桥梁健康监测中占有重要地位，主要着眼于桥梁表面状况及结构外观是否完整。

从传统方法上看，该流程通常需要人工大量参与，既低效又有安全风险。

在无人机技术不断发展的背景下，以无人机为载体的桥梁外观检测方法给该领域带来一场革命性变革。

无人机配备了高分辨率摄像头和其他多种传感器，例如红外摄像机和激光扫描仪等，这些设备能够飞行到桥梁的各个区域，从多个不同的视角捕获高分辨率的图像和数据，桥梁表面裂缝，腐蚀，剥落等病害得到了迅速、准确地鉴定与评价。

另外无人机上还可搭载图像处理软件并利用图像识别与机器学习算法对检测图像进行自动分析以实现桥梁外观问题快速定位与归类。

这样不但大大提高了检测效率与安全性，而且可通过经常性监测形成桥梁健康档案为桥梁养护与维修提供科学依据。

1.1.2 桥梁构件检测桥梁构件检测主要是对桥梁结构各重要部件进行状态评价，其中包括但不仅仅局限于桥墩，支座及梁体结构完整性及功能性检测。

使用无人机上携带的高级检测设备如高分辨率相机，红外热像仪和激光雷达（LiDAR），工程师们就能在没有任何触摸的情况下仔细查看这些组件。

无人机所具有的灵活性使得它可以靠近这些平时很难达到的地方，比如桥下或者里面，为人们提供了详细的视觉以及数据分析。

中交路桥科技为您揭秘桥梁检测机器人桥梁养护是公路养护中的重要一环，但因为桥梁构件数量繁多且不宜直接观测，检测桥梁病害一直是一项“苦差事”。

传统桥梁病害主要依靠人工裸眼或使用桥梁检测车辆检测。

这些检测方法或费时耗力或成本颇高，同时还存在一些安全隐患。

在如今凡事讲求效率的大环境下，桥梁检测技术将势必迎来一场“改革”。

在诸多新兴的桥梁检测技术中，机器人技术无疑是夺人眼球的一个。

这些检测机器人上能登天，下可潜水，还会飞檐走壁，可谓“无所不能”。

向大家简单介绍下桥梁检测机器人的十八般武艺。

一、什么是桥梁检测机器人？桥梁检测机器人实际上是一个可以在桥梁各结构间灵活移动的工作平台，其上集成一系列传感器并搭载视觉检测装置。

通过无线遥控器远端控制，机器人回传检测图像至地面工作站，上位机图像处理程序在线识别桥梁裂缝特征信息，由检测人员或电脑评估危害等级，指导工程技术人员进行相应的维护措施。

二、为什么需要桥梁机器人？经济：节省传统桥检方式中的人工费用和检测车辆费用高效：机器人能更方便快速地到达一些桥检人员的不易到达的桥梁死角，如斜拉桥悬索桥的缆索上部，桥墩与梁的间隙等准确：人眼识别桥梁病害的准确度会受到桥检人员的精神状态影响，机器人可不会累安全：避免了桥检人员在检测过程中的一些可能事故三、都有哪些桥梁机器人？对斜拉桥来说，索塔承载了整座桥梁的大部分荷载，索塔的塔壁会因材料或者环境因素出现裂缝，其健康状况直接影响桥梁的安全，但面对两三百米高的索塔，现有的检测技术都难以到达高大索塔的各个部位。

但这些困难，在“斜拉桥医生”面前都不是问题。

这个桥梁机器人的真面目是一套高大索塔裂缝检测装备，能根据索塔的大小调节自身大小，并且可以载人到索塔顶部进行人工检修。

“斜拉桥医生”载着高清摄像头，可以在索塔上上下活动扫描，获取索塔表面裂缝图像，然后利用数字图像成像系统对裂缝区域进行影像摄取和分析，获得裂缝的影像宽度、长度和走向等信息，甚至可以分辨小于0.1毫米的裂纹。

桥梁裂缝检测方案激光扫描测量技术研究桥梁裂缝检测方案：激光扫描测量技术研究1. 背景介绍桥梁作为交通运输的重要组成部分，承载着车辆和行人的重量。

然而，长期以来，由于环境因素、设计问题或施工不当等各种原因，桥梁裂缝的产生已经成为桥梁健康状况的重要指标之一。

因此，有效的桥梁裂缝检测技术对于维护桥梁结构的安全性和可靠性至关重要。

2. 激光扫描测量技术简介激光扫描测量技术是一种非接触式测量方法，能够实现对目标物体表面的三维形状和相应变形的高精度测量。

相对于传统的裂缝检测方法，如视觉检测和物理测试，激光扫描测量技术具有快速、高精度、自动化等优势。

3. 激光扫描测量技术在桥梁裂缝检测中的应用3.1 数据采集激光扫描仪通过发射激光束，扫描桥梁表面，记录下每个点的三维坐标信息。

采集的数据包括了桥梁的整体几何形状和表面形貌。

3.2 数据处理通过对采集到的点云数据进行处理，可以得到桥梁的三维模型和拓扑结构。

同时，可以根据激光测距原理，计算出桥梁表面各点的高程信息，进一步分析桥梁表面的变形情况和裂缝情况。

3.3 裂缝检测在获得桥梁的三维模型后，可以借助图像处理算法，对裂缝进行自动化检测和定位。

通过设置合适的阈值和形态学处理算法，可以准确地识别出桥梁的裂缝，并对其进行分割和计量。

4. 技术优势与应用前景4.1 技术优势激光扫描测量技术在桥梁裂缝检测中具有以下优势：- 高精度：能够实现毫米级的测量精度，准确度高。

- 快速高效：无需接触目标物体，测量过程迅速，提高了工作效率。

- 自动化：数据采集和处理过程自动化，减少了人为误差。

- 全面性：能够获取桥梁整体的三维几何信息，对于裂缝检测和结构分析提供了更全面的数据支持。

4.2 应用前景激光扫描测量技术在桥梁裂缝检测领域具有广阔的应用前景：- 裂缝检测：能够实现桥梁裂缝的自动化检测和计量，提高了检测的准确性和效率。

- 桥梁健康评估：通过不同时间点的测量数据对比，可以实现对桥梁健康状况的评估和监测。

探究桥梁智能检测技术原理及应用在现代社会，桥梁作为交通基础设施的重要组成部分，其安全性和可靠性至关重要。

随着科技的不断进步，传统的桥梁检测方法逐渐难以满足日益增长的需求，桥梁智能检测技术应运而生。

这种技术以其高效、准确和全面的特点，为桥梁的维护和管理提供了强有力的支持。

一、桥梁智能检测技术的原理桥梁智能检测技术是一个融合了多种学科知识和先进技术的综合体系，其原理主要包括以下几个方面：1、传感器技术传感器是获取桥梁结构信息的关键设备。

常见的传感器类型有应变传感器、位移传感器、加速度传感器等。

这些传感器能够实时感知桥梁在荷载作用下的应变、位移和振动等物理量，并将其转化为电信号或数字信号，为后续的数据分析提供原始数据。

例如，应变传感器可以安装在桥梁的关键部位，如主梁、桥墩等，当桥梁受到车辆荷载或风荷载时，结构会发生微小的变形，应变传感器能够精确测量这些变形所产生的应变值。

2、数据采集与传输技术采集到的传感器数据需要通过有效的方式进行传输和存储。

数据采集系统通常包括数据采集卡、模数转换器等设备，能够以较高的频率和精度采集传感器输出的信号。

在数据传输方面，有线传输和无线传输技术都得到了广泛应用。

有线传输具有稳定性高、传输速度快的优点，但在一些复杂的桥梁结构中，布线可能较为困难。

无线传输则具有安装方便、灵活性强的特点，但可能会受到信号干扰和传输距离的限制。

3、数据分析与处理技术采集到的大量原始数据需要经过深入的分析和处理，才能提取出有价值的信息。

数据分析方法包括时域分析、频域分析、小波分析等。

时域分析可以直接观察数据随时间的变化趋势，如位移和加速度的时间历程。

频域分析则通过傅里叶变换等方法，将时域信号转换为频域信号，从而揭示结构的固有频率、振型等特性。

小波分析则能够在时频域同时对信号进行分析，对于处理非平稳信号具有较好的效果。

4、模型建立与仿真技术为了更好地理解桥梁的结构性能和行为，通常会建立桥梁的数值模型，并通过有限元分析等方法进行仿真计算。

基于混凝土裂缝识别的智能监测系统研究一、背景介绍随着工程建设的不断发展，混凝土已经成为了现代建筑中最重要的材料之一。

然而，混凝土结构在使用过程中难免会出现一些问题，其中最常见的就是混凝土裂缝。

混凝土裂缝的产生会直接影响混凝土结构的稳定性和安全性，因此对混凝土裂缝的监测和识别就显得尤为重要。

二、研究目的本研究旨在设计一种基于混凝土裂缝识别的智能监测系统，能够自动检测混凝土结构中的裂缝，实现对混凝土结构状态的实时监测和预警。

三、研究内容1. 智能监测系统的设计与构建本研究将设计一种智能监测系统，包括硬件和软件两个部分。

硬件部分主要包括高清摄像头、传感器、数据采集器和嵌入式控制器等组件，用于采集混凝土结构的图像和数据；软件部分主要包括图像处理算法、数据分析算法和预警系统等模块，用于对采集到的数据进行处理和分析，并根据分析结果发出预警信号。

2. 混凝土裂缝的识别算法针对混凝土结构中裂缝的特点，本研究将采用基于机器学习的图像处理算法进行混凝土裂缝的识别。

具体而言，将训练一个卷积神经网络（CNN）模型，用于对混凝土结构中的裂缝进行自动识别。

该模型将以已标注的混凝土裂缝图像作为训练集，通过不断迭代训练，提高混凝土裂缝识别的准确率和鲁棒性。

3. 数据分析与预警系统的设计本研究将利用采集到的混凝土结构数据，通过数据分析算法对混凝土结构的状态进行分析和判断。

基于分析结果，设计一个预警系统，能够实现对混凝土结构状态的实时监测和预警。

具体而言，预警系统将根据混凝土结构的变化情况，发出不同级别的警报，以便工程师对混凝土结构进行及时的维护和修复。

四、研究意义1. 提高混凝土结构的安全性和可靠性本研究将设计一种能够自动监测混凝土结构状态的智能监测系统，能够及时发现混凝土结构中的裂缝和变形，提高混凝土结构的安全性和可靠性。

2. 降低工程维护成本通过智能监测系统的实时监测和预警，可以及时发现混凝土结构的问题，避免出现严重的事故和损失。

智能桥梁监测系统的研究与开发桥梁作为现代交通基础设施的重要组成部分，其安全性和可靠性对于交通运输的顺畅和人民生命财产的保障至关重要。

随着科技的不断进步，智能桥梁监测系统应运而生，为桥梁的健康状况评估和维护管理提供了有力的支持。

智能桥梁监测系统是一个融合了多种先进技术的综合性系统，旨在实时、准确地获取桥梁在各种工况下的结构响应和性能参数。

它通过在桥梁关键部位布置各类传感器，如应变传感器、位移传感器、加速度传感器等，采集与桥梁结构相关的数据，并利用通信技术将这些数据传输到数据处理中心进行分析和处理。

这些传感器就像是桥梁的“眼睛”，能够敏锐地感知桥梁结构的微小变化。

例如，应变传感器可以测量桥梁构件在受力时的应变情况，从而反映出其内部的应力分布；位移传感器则能够监测桥梁的变形和位移，帮助我们了解桥梁的整体稳定性。

数据传输是智能桥梁监测系统中的重要环节。

传统的有线传输方式在某些情况下可能会受到布线困难、成本高昂等因素的限制。

而随着无线通信技术的发展，如蓝牙、Zigbee、LoRa 等，为桥梁监测数据的传输提供了更加便捷和灵活的选择。

这些无线通信技术具有低功耗、远距离传输、抗干扰能力强等优点，能够确保数据的稳定传输。

在数据处理方面，智能桥梁监测系统需要运用强大的数据分析算法和软件。

首先，对采集到的原始数据进行预处理，去除噪声和异常值，以提高数据的质量。

然后，运用数学模型和算法对处理后的数据进行分析，评估桥梁的结构状态。

例如，通过对比不同时间段的数据，可以发现桥梁结构性能的变化趋势；利用有限元分析方法，可以模拟桥梁在各种荷载作用下的响应，与实测数据进行对比，从而判断桥梁是否存在潜在的安全隐患。

为了更直观地展示监测结果，智能桥梁监测系统通常配备了可视化界面。

这个界面可以以图表、曲线、三维模型等形式呈现桥梁的监测数据和分析结果，让桥梁管理人员能够一目了然地了解桥梁的健康状况。

例如，通过颜色的变化来表示桥梁不同部位的应力水平，或者以动态曲线展示桥梁的振动情况。

收稿日期:2017-03-03 修回日期:2017-07-19 网络出版时间:2017-11-15基金项目:国家自然科学基金(61375021);中央高校基本科研业务费专项资金;江苏省交通运输科技项目(2016T 11);南京航空航天大学研究生创新基地(实验室)开放基金(kfjj 20171608)作者简介:陶晓力(1993-),男,硕士,研究方向为数字图像处理和模式识别㊂网络出版地址:http :// /kcms /detail /61.1450.TP.20171115.1436.054.html基于无人机视觉的桥梁裂缝检测陶晓力1,武　建2,杨　坤3(1.南京航空航天大学计算机科学与技术学院,江苏南京211106;2.中设设计集团股份有限公司,江苏南京210000;3.连云港市公路管理处,江苏连云港222002)摘　要:针对公路桥梁的养护和管理,传统的人工检测方法不仅工作危险性大㊁作业成本高,而且工作效率低㊁检测结果可靠性差㊂因此自动化的智能检测识别方式迫在眉睫㊂针对桥梁裂缝细小难获取的问题,采用无人机装配高倍变焦摄像头的方法来采集桥梁裂缝图像㊂采用最小值滤波㊁边缘检测等图像处理方法进行裂缝处理,通过链码跟踪的方法跟踪裂缝边缘得到裂缝周长面积等信息,并根据裂缝的线性特征进行特征的选择检测㊂针对裂缝图像检测过程中断裂的问题,根据裂缝连续㊁断点相近的特点,设计了一种基于裂缝线段最邻近端点的连接方法㊂通过实地对病害桥梁的考察获取了裂缝图像,对其进行检测处理,取得了良好的效果㊂关键词:裂缝检测;无人机;沈俊边缘检测;裂缝连接;链码跟踪中图分类号:TP 301 文献标识码:A 文章编号:1673-629X (2018)03-0174-04doi :10.3969/j.issn.1673-629X.2018.03.037Bridge Crack Detection Based on Unmanned Aerial Vehicle VisionTAO Xiao -li 1,WU Jian 2,YANG Kun 3(1.School of Computer Science and Technology ,Nanjing University of Aeronautics andAstronautics ,Nanjing 211106,China ;2.Jiangsu Province Communications Planning and Design Institute Limited Company ,Nanjing 210000,China ;3.Lianyungang City Highway Administration ,Lianyungang 222002,China )Abstract :In view of maintenance and management for highway bridge ,traditional manual testing has defects of high risk and cost ,low effi⁃ciency and poor reliability in checking.So the automated methods of intelligent detection and identification are imminent.In this paper ,ai⁃ming at the problem that the bridge crack is difficult to obtain ,we use the way of unmanned aerial vehicle (UAV )with high power zoom camera to collect the bridge crack image.The crack processing is carried out by means of image processing such as minimum filtering and edge detection.The information such as crack perimeter is obtained by tracking the edge of the crack by chain code tracking ,and the crack is selected according to the linear characteristic.Aiming at the problem of fracture in the detection of crack image ,we design a connection method based on the nearest neighbor end of the crack line according to the characteristics of continuity and breakage of the crack.Through the field investigation of the disease bridge ,the crack images are got and processed with better results.Key words :crack detection ;unmanned aerial vehicle ;Shen Jun edge detection ;crack link ;chain code tracking0　引　言当前,我国的道路桥梁建设十分迅速,随着巨大的交通网络的建成,随之而来的公路桥梁养护和管理问题也变得越来越重要㊂在实际的工程中,桥梁检测也逐渐从人工向半自动化发展,从最开始单纯的人工到桥检车,到各种检查设备以及更进一步的智能检测㊂为了满足方便快捷的检测需求,不断提出新的方法思路并在实际应用和实践中加以完善㊂路桥检测还没有真正实现全自动化,目前通用的方法还是通过人工观察道路桥梁表面进行病害检查,其效率低,速度慢,存在很大的问题,很难适应公路养护现代化的发展需求[1-2]㊂因此,道桥检测技术要求从人工检测向智能第28卷　第3期2018年3月 计算机技术与发展COMPUTER TECHNOLOGY AND DEVELOPMENT Vol.28　No.3Mar.　2018自动化检测方向发展㊂道路桥梁表观图像的获取技术是进行道桥病害检测的第一步,是后续所有工作的基础㊂大量有效的道桥病害样本,有利于分类器的训练过程㊂道路的表面视野开阔,想要进行表面图像的获取较为容易㊂但是桥梁的结构比较复杂,需要对位于桥梁底部的梁体进行检测,同时,各种桥墩桥柱对桥梁进行了阻断,如何对这些结构进行表面拍摄也存在很大的技术问题㊂另一方面,不同的桥梁结构不同,拉索㊁支座㊁锚碇等都需要考虑在内,为获取完整的桥梁表观图像,研究人员需要开发多种桥梁表观图像的获取技术㊂车载检测系统㊁爬行机器人[3]㊁无人机[4]等是目前常用的图像获取技术㊂陈瑶设计了一款足式壁面攀爬机器人[5],能够在粗糙的垂直墙面上进行攀爬;邹大鹏等[6]在桥梁地面安装了可以伸缩旋转的机械臂,同时在机械臂上安装视频采集传感器,通过调整机械臂的探测角度和距离即可将桥梁底部进行检测㊂在裂缝图像的智能识别方面,Nguyen等[7]提出了一种基于加权融合纹理的裂缝检测算法;Xu等[8]通过机器学习的方法进行裂缝检测,引入BP神经网络,通过其对提取的特征点进行训练,从而实现裂缝的分类;文献[9-10]综合运用小波变换㊁灰度矫正㊁图像分割等算法进行裂缝检测,该方法提出了完整的裂缝检测流程,具有较好的参考价值㊂1　处理框架和面对的问题文中采用无人机的方式进行图像采集㊂由于桥梁裂缝的精度能够达到0.1mm,同时要确保无人机飞行过程中的安全性,经过现场试验,通过大疆无人机装配Guidance防撞系统并使用高倍变焦摄像头的方法能有效地获取裂缝图像㊂在裂缝的智能识别过程中,首先面对的是图像的滤波去噪问题,常用的如中值滤波㊁均值滤波等都会导致边缘模糊㊂其次是图像的分割问题,将裂缝边缘从图像背景中分离出来,阈值分割的方法由于难以确定阈值而变得困难重重,基于边缘检测的方法由于图片背景复杂会引入过多的干扰㊂再次就是在分割图片时必然会破坏裂缝的连续性,对此,设计了一种基于裂缝最近邻端点的连接方法[11]㊂裂缝智能检测的流程如图1所示㊂图1　裂缝智能检测流程2　算法流程2.1　图像预处理首先对图像进行灰度化处理㊂采用式(1)将RGB 图像转换为灰度图像:g=0.299R+0.587G+0.114B　(1)其中,g为灰度图像的像素值;R㊁G㊁B分别为真彩色图像中像素的红㊁绿㊁蓝分量值㊂灰度化后需要对图像进行滤波去噪㊂图像滤波需要注意两方面,一是尽可能地去除噪声,二是尽可能地保护裂缝的边缘,防止在去噪的同时使得裂缝边缘过于模糊㊂文中以实际桥梁裂缝图像为试验对象,分析了几种常用的滤波算法㊂由于裂缝都是局部颜色最深的,发现最小值滤波能够有效地减少噪音,同时能够突出裂缝的存在㊂2.2　边缘检测桥梁裂缝的主要特征就是其线性边缘㊂第一步需要据此对图像进行比较准确的边缘检测,然后在此基础上进行有效的图像分割,将裂缝从背景图像中分割出来㊂经过试验,确定采用沈俊边缘检测算子进行边缘检测[12-14]㊂沈俊边缘检测的主要思想是对数字图像分别按行和列进行两次正反向的递归滤波计算,式(2)表示按行进行正向滤波,式(3)表示对式(2)的输出进行按行反向滤波㊂同理,再对式(3)的输出按列依次进行正反向的滤波㊂之后计算滤波后的图像与原图像的差,并对其进行二值化处理,最终得到边缘图像㊂f1(x,y)=a0×[f(x,y)-f1(x,y-1)]+f1(x,y-1),y=1,2, ,n(2) f2(x,y)=a0×[f1(x,y)-f2(x,y+1)]+f2(x,y+1),y=n-1,n-2, ,1,0(3)其中,f(x,y)表示图像像素的灰度值大小;a0为(0,1)之间的一个数,当a0越接近于1,边缘的定位精度越高㊂随着a0的减小,抗干扰能力增强,但边缘细节丢失增多,边缘检测的精度将受到影响㊂实验中,将a0的取值设为0.15,既能清晰地保留裂缝边缘,也不会残留过多的噪声㊂2.3　裂缝连接单纯的边缘检测方法在检测裂缝时会破坏裂缝的连续性,无法完整地将裂缝的实际情况表现出来㊂因此需要设计一种裂缝连接的方法,用以得到完整连续的裂缝,方便后续处理,也有利于对桥梁损坏程度进行更为准确的评价㊂首先识别裂缝线段的起点和终点,找出每条裂缝线段的端点,得到端点集合S={S1,S2, ,S n},其中Si是每条线段的端点㊂具体方法为获得包含分段裂缝区域的最小凸多边形,裂缝与最小凸多边形相交的像㊃571㊃　第3期 陶晓力等:基于无人机视觉的桥梁裂缝检测素点即为裂缝线段端点,即寻找线段的凸包㊂其次是遍历所有端点,对于不同的线段S i 和S j ,找到其中欧氏距离最小的两点,得到距离d =min(S i ,S j ),如果d 小于阈值距离,则将裂缝端点连接㊂裂缝连接如图2所示㊂图2　裂缝连接2.4　裂缝线性目标识别2.4.1　链码跟踪链码跟踪技术常用于跟踪目标区域的边界,适合进行边界描述以及特征提取,对于目标的角点㊁面积㊁周长等特征有良好的计算效果[15]㊂采用链码跟踪的方法记录裂缝边缘轮廓的走向,在此基础上获取其裂缝的长度和宽度等信息㊂对于一幅灰度图像,将其看成是二维矩阵,则图像上的一个像素即为矩阵中的一个坐标㊂每个像素与周围的像素的连通性可以分为8邻域,即能够向8个方向扩展,每一个方向用一个链码表示,如用0~7对应8个方向,如图3所示㊂链码就是以一个特定点为起点,将一个个方向码连续记录下来构成的㊂图3　数字图像坐标系与8邻域设链码为{a 1,a 2, ,a n },定义(x 0,y 0)是起点坐标,a i 在X 轴上的分量为a ix ,在Y 轴上的分量为a iy ,则a ix 和a iy 是a i 相对于a i -1的偏移量,即当a i =0时,a ix =1,a iy =0;a i =7时,a ix =1,a iy =-1㊂(1)链的长度㊂L =n e +n o 22(4)其中,L 为长度;n e 为方向链中偶数码的数目;n o 为奇数码的数目㊂(2)目标的面积㊂S =∑n i =1aix(y i -1+a iy /2)(5)y i =∑i k =1aky+y 0(6)其中,S 为面积;n 为链码长度㊂2.4.2　线性特征裂缝一般来说是一种线性特征,并具有一定的方向㊂对剩下的目标抽取以下线性特征:(1)面积㊁周长及其比值:设S 为裂缝的面积,L 为裂缝周长,则A =S /L 2　(7)显然,具有细长线性特征的目标A 值较小㊂(2)矩形度特征㊂(a )反映一个目标矩形度的特征是矩形拟合度㊂R =A 0/A R (8)其中,A 0为目标的面积;A R 为其最小外接矩形的面积;R (0<R <1)为两者的比值,反映了目标对象对其最小外接矩形的充满程度㊂(b )最小外接矩形的长宽比特征㊂同式(7),这里计算的是目标对象的最小外接矩形的长宽比㊂2.4.3　裂缝识别通过链码跟踪的方式很容易得到裂缝的封闭外边界,以此得到裂缝的面积S 和周长L ㊂实验中,将满足条件S ≤L 2/20的边缘保留㊂寻找剩下每个连通区域的最小外接矩形,得到外接矩的面积S ,长L 和宽W ,因为裂缝必然在图像中占据一定的面积和长度,将满足S ≥width*height /1000,L ≥height /10,L ≥3*W 的线段保留㊂其中width 和height 分别是图像的宽和高㊂2.5　去除记号笔标记经过以上步骤之后,已经得到了清晰的裂缝标记,但由于采集照片的大桥已经经过了人工检测,并用记号笔进行了标记,因此采集到的裂缝图像也会包含记号笔标记,并且上述识别流程也会保留记号笔标记㊂记号笔标记虽然满足了裂缝的一切特征,但明显比实际裂缝宽了很多㊂根据这一特征,可以轻易将记号笔标记去掉,如图4所示㊂图4　记号笔记的去除3　实验结果与分析实地考察了位于江苏省扬州高邮市的某座大桥,并通过无人机采集了其上的裂缝病害图像,以这组照片(见图5)进行实验㊂实验是在Windows 10平台上进行,采用C ++语言进行程序的编写㊂首先将拍摄的图像进行预处理,其㊃671㊃ 计算机技术与发展 第28卷次采用沈俊算子进行边缘检测,在此基础上进行裂缝的链接,最后通过多步的条件筛选进行线性目标的识别,将裂缝筛选出来㊂图5　临泽公路桥实验共检测了46张含有裂缝的病害图片,识别出裂缝42张㊂部分实验结果如图6所示㊂采集的实验图像的裂缝实际宽度在0.1~0.5mm 之间㊂图6选取了图像处理过程中的部分中间处理过程,由最后的结果(e )对照原图(a )可知,实验对于采集的病害图像具有较好的识别能力㊂图6　裂缝图像智能识别4摇结束语对于桥梁裂缝的图像采集,设计了一种基于无人机搭配高清变焦摄像头的方法,并设计了一种基于边缘检测的裂缝智能识别的算法,对于检测过程中裂缝的断裂设计了一种连接方式㊂结果表明,该方法具有良好的识别能力,但对于不同桥梁其识别效果也存在不足,仍需要进一步的探索㊂参考文献:[1]　曹固恩.桥梁检测技术综述[J ].山西建筑,2008,34(28):314-315.[2]　郭泽刚.关于桥梁裂缝成因的探讨[J ].山西建筑,2009,35(32):311-312.[3]　戴启凡.桥梁检测爬壁机器人及其自适应控制技术研究[D ].南京:南京理工大学,2013.[4]　尹　栋.基于无人机系统的桥梁质量快速检测装置:中国,201510215371.6[P ].2015-07-08.[5]　陈　瑶.基于图像分析的桥梁裂缝检测方法硏究[D ].合肥:中国科学技术大学,2016.[6]　邹大鹏,吴百海,赖亚勇,等.智能视频桥梁检测车工作臂超声探障系统研究[J ].机床与液压,2010,38(13):74-76.[7]　NGUYEN T S ,BEGOT S ,DUCULTY F ,et al.Free -formanisotropy :a new method for crack detection on pavementsurface images [C ]//Proceedings of international conference on image processing.Brussels :IEEE ,2011:1069-1072.[8]　XU G A ,MA J L ,LIU F F ,et al.Automatic :recognition ofpavement surface crank based on BP neural networks [C ]//International conference on computer and electrical engineer⁃ing.Atlanta :[s.n.],2008.[9]　魏　武,王俊杰,蔡钊雄.基于小波和Radon 变换的桥梁裂缝检测[J ].计算机工程与设计,2013,34(9):3151-3157.[10]ITO A ,AOKI Y ,HASHIMOTO S.Accurate extraction andmeasurement of fine cracks from concrete block surface im⁃age [C ]//28th annual conference of the industrial electronics society.Sevilla :IEEE ,2002:2202-2207.[11]任　亮,徐志刚,赵祥模,等.基于Prim 最小生成树的路面裂缝连接算法[J ].计算机工程,2015,41(1):31-36.[12]魏伟波,芮筱亭.图像边缘检测方法研究[J ].计算机工程与应用,2006,42(30):88-91.[13]SHEN J ,CASTAN S.An optimal linear operator for stepedge detection [J ].CVGIP :Graphical Model and Image Pro⁃cessing ,1992,54(2):112-133.[14]张　闯,王婷婷,孙冬娇,等.基于欧氏距离图的图像边缘检测[J ].中国图象图形学报,2013,18(2):176-183.[15]李雨田,晋小莉.基于图像边界跟踪的顶点矩阵算法[J ].计算机工程,2010,36(1):231-232.㊃771㊃　第3期 陶晓力等:基于无人机视觉的桥梁裂缝检测。

基于人工智能的混凝土路面裂缝自动检测方法研究一、研究背景随着城市化进程的不断推进，道路建设规模不断扩大，路面裂缝问题也日益凸显。

而传统的道路检测方法需要大量人力物力，效率低下，成本高昂。

因此，基于人工智能的混凝土路面裂缝自动检测方法成为了研究的热点。

二、研究现状1.传统的路面检测方法传统的路面检测方法主要依靠人工进行目视检测和手动测量，效率低下、准确率低、成本高。

2.基于图像处理的路面检测方法基于图像处理的路面检测方法通过对路面图像进行分析和处理，提取出路面裂缝的特征，从而实现自动检测。

但该方法需要依靠人工提取特征，因此准确率不高。

3.基于深度学习的路面检测方法基于深度学习的路面检测方法运用卷积神经网络等深度学习技术，通过大量数据训练模型，实现对路面裂缝的自动检测。

该方法准确率高，但需要大量的数据和计算资源。

三、研究内容本研究旨在提出一种基于人工智能的混凝土路面裂缝自动检测方法，以提高路面检测的效率和准确率。

1.数据采集和预处理本研究将采集不同类型、不同程度的路面裂缝图像进行训练和测试。

同时，对采集的图像进行预处理，包括去噪、灰度化、二值化等操作，以便于后续处理。

2.特征提取本研究将采用卷积神经网络（CNN）进行特征提取，通过卷积层、池化层、全连接层等结构对路面裂缝图像进行特征提取，并将提取的特征用于后续的分类和识别。

3.分类和识别本研究将采用支持向量机（SVM）模型进行分类和识别，将提取的特征输入SVM模型，实现对路面裂缝的自动检测。

同时，为了提高准确率，本研究将采用数据增强技术对数据进行扩充，增加模型训练的样本数量和多样性。

四、研究成果本研究将得到一种基于人工智能的混凝土路面裂缝自动检测方法，实现对路面裂缝的自动检测，提高检测效率和准确率。

同时，本研究将采用MATLAB等工具进行编程实现，并对实验结果进行分析和评估，验证该方法的可行性和有效性。

五、研究意义和应用价值本研究将为混凝土路面裂缝检测提供一种新的方法，具有较高的实用价值。