基于機(jī)器視覺的地鐵隧道管片病害檢測技術(shù)研究*

劉 濤

(山西省信息產(chǎn)業(yè)技術(shù)研究院，山西 太原 030012)

0 引言

城市軌道交通具有密度高，時速快，容量大等特點。近幾十年來城軌建設(shè)已成為國內(nèi)外大中型城市緩解交通壓力，構(gòu)建高效公共交通體系的重要手段之一。我國正處于軌道交通建設(shè)的高速成長期，截止2017年，我國已有30座城市共開通運(yùn)營了133條軌道交通線路，建設(shè)車站2630座，總里程4 152.8 km。“十三五”期間，預(yù)計國內(nèi)軌道交通運(yùn)營里程將突破6 000 km。

基于軌道交通地下修建、地下運(yùn)行的特點，其在運(yùn)營期對隧道盾構(gòu)襯砌病害的檢測，也成為城軌運(yùn)營維護(hù)部門面臨的一大難題。軌道交通盾構(gòu)隧道病害常見的有管片錯臺、滲漏水、接頭損壞、管片裂縫、管片腐蝕、防水材料老化、連接螺栓銹蝕，縱向沉降變形、橫向收斂變形等，研究實現(xiàn)針對上述隧道病害現(xiàn)象準(zhǔn)確高效的檢測方法，解決當(dāng)前大規(guī)模、長里程隧道襯砌病害檢測難題，具有重要的現(xiàn)實意義。

傳統(tǒng)隧道病害的檢測主要是通過人工實現(xiàn)的，即現(xiàn)場搭建腳手架，技術(shù)人員通過肉眼觀測裂縫，或拍攝隧道襯砌照片然后由技術(shù)人員在照片上尋找裂縫。由于隧道內(nèi)昏暗的現(xiàn)場條件以及隧道情況的復(fù)雜性，這兩種傳統(tǒng)的方法都存在很大的缺陷，對于第一種方法，如果在列車運(yùn)營時間檢測，技術(shù)人員的安全無法保證，如果停運(yùn)后檢測，由于檢測速度限制，檢測工作效率極低；對于第二種方法，照片拍攝的質(zhì)量會極大影響檢測結(jié)果，如曝光時間短、光源不均勻、線陣相機(jī)拍攝失真、傳輸時照片壓縮失真等，均會造成后期檢測偏差。而上述檢測方法主要依靠技術(shù)人員的經(jīng)驗和素質(zhì)，存在很大的主觀性，也使得檢測工作缺乏科學(xué)性。近年來，借助于先進(jìn)的無損檢測技術(shù)，采用地質(zhì)雷達(dá)探測法，超聲波檢測法，聲發(fā)射檢測法，光纖傳感檢測法對隧道病害開展檢測，在一定程度和范圍內(nèi)取得了較好的結(jié)果，但受到檢測技術(shù)本身的限制，還沒有一種方法可以比直接對襯砌圖像進(jìn)行智能識別更精確地檢測出所有情況下的缺陷[1]。

基于此，本文研究設(shè)計將機(jī)器視覺檢測技術(shù)應(yīng)用于城軌隧道盾構(gòu)襯砌病害檢測系統(tǒng)中，提高病害檢測精度、實現(xiàn)檢測過程自動化，為未來我國城軌交通運(yùn)營維護(hù)工作及隧道病害檢測工作提供了重要的技術(shù)保障。

1 系統(tǒng)設(shè)計

軌道交通盾構(gòu)襯砌病害檢測系統(tǒng)分為機(jī)器視覺圖像采集和圖像處理兩大部分。

1) 機(jī)器視覺圖像采集系統(tǒng)。包括：相機(jī)系統(tǒng)、采集存儲設(shè)備、LED照明、檢測車輛控制系統(tǒng)設(shè)備等。

◆相機(jī)系統(tǒng)：機(jī)器視覺采集的主要傳感器，通過按照特定角度進(jìn)行安裝固定，隨著系統(tǒng)的運(yùn)行對襯砌表面圖像進(jìn)行采集。

◆采集卡與存儲：相機(jī)系統(tǒng)控制器通過采集卡控制并存儲相機(jī)拍攝的機(jī)器視覺圖像。

◆LED照明：軌道交通隧道內(nèi)光照條件較差，無法達(dá)到圖像采集的要求，但是視覺數(shù)據(jù)采集系統(tǒng)對光照的要求比較高，因此本系統(tǒng)加入LED照明設(shè)備，保證采集圖像的質(zhì)量。

◆速度傳感器：在自動控制采集中應(yīng)用編碼器提供視覺數(shù)據(jù)采集頻率等相關(guān)參數(shù)。

◆供電系統(tǒng)：用以維持整個系統(tǒng)的電力供應(yīng)，包含電池、UPS和發(fā)電機(jī)。

◆車輛控制：本系統(tǒng)的硬件設(shè)備均采用自行走機(jī)構(gòu)搭載，檢測車輛能夠?qū)崿F(xiàn)5 km/s～10 km/s的快速檢測，車輛控制系統(tǒng)對整個采集車輛的行進(jìn)進(jìn)行控制[2]。

2) 圖像處理系統(tǒng)。包括對視覺圖像進(jìn)行圖像分割與檢測、圖像識別算法、病害特征提取、病害信息比對等過程。

圖像處理系統(tǒng)利用高性能計算機(jī)對隧道襯砌表面圖像進(jìn)行處理和分析，最終得到病害特征信息。圖像處理的工作大致分為以下步驟：

◆圖像分割與檢測：圖像分割是對采集到的襯砌表面圖像進(jìn)行分割，提取出圖像的特征部分，包括圖像的邊緣、區(qū)域等，是進(jìn)行圖像分類、參數(shù)計算的前提，是實現(xiàn)圖像分析首先要完成的操作。

◆圖像識別算法：圖像識別算法是病害特征提取、病害識別等技術(shù)的基礎(chǔ)算法，主要是通過圖像增強(qiáng)、二值化、去噪來突出圖像的特征部分，繼而對病害特征進(jìn)行識別。

◆病害特征提?。簽闈M足盾構(gòu)襯砌養(yǎng)護(hù)工作的需要，將圖像中裂縫、滲水等病害特征進(jìn)行分類提取，得到病害特征值，如裂縫面積、長度和寬度，滲水面積等特征信息。

◆病害信息比對：通過比對病害特征，對病害現(xiàn)象進(jìn)行分級，并根據(jù)隧道襯砌裂縫的參數(shù)值對隧道進(jìn)行安全性評價。

◆機(jī)器學(xué)習(xí)病害信息特征：通過分析并提取視覺數(shù)據(jù)中存在病害區(qū)域的特征，不斷學(xué)習(xí)系統(tǒng)運(yùn)行中發(fā)現(xiàn)的各類病害信息，并對大量病害信息進(jìn)行大數(shù)據(jù)清洗、處理，最終實現(xiàn)病害特征的自動學(xué)習(xí)。

◆病害報告生成：建立一個病害信息知識庫，對病害信息進(jìn)行分類分級，并比對知識庫給出隧道病害現(xiàn)象的指導(dǎo)性處理意見。

2 圖像處理系統(tǒng)設(shè)計

視覺圖像數(shù)據(jù)處理部分是整個系統(tǒng)的關(guān)鍵。隧道襯砌表面圖像中裂縫、滲水特征是圖像數(shù)據(jù)提取的主要對象，其也是危及隧道結(jié)構(gòu)安全的主要病害現(xiàn)象。

裂紋是襯砌表面區(qū)域未封閉的部分，在隧道襯砌表面圖像中其反射光小于襯砌表面的其他區(qū)域。通過反射光的對比可以在圖像中提取裂紋特征。圖像處理算法過程包括圖像載入、預(yù)處理、二值化、去噪及病害提取。

2.1 圖像預(yù)處理

在工程實際應(yīng)用中，由于隧道內(nèi)環(huán)境限制，拍攝的病害圖像存在對比度低、光照不均勻等問題，極大地影響了后期系統(tǒng)對隧道病害特征的檢測。本算法利用局部直方圖拉伸預(yù)處理過程來降低這些因素的影響。

直方圖拉伸(Histogram Stretching) 就是當(dāng)圖像的灰度級分布不均勻，只集中在某些區(qū)域時，把它擴(kuò)充開來，使其充滿整個灰度級，繼而提高圖像的對比度。如圖1(a)所示，該直方圖的左右兩側(cè)都有一部分區(qū)域，其高度近乎于0。這意味著，在該圖像中，對應(yīng)灰度級的像素出現(xiàn)的次數(shù)近乎于0，圖像所使用的灰度級集中在中部區(qū)域，使得圖像具有較低的對比度。如果忽略左右兩側(cè)高度近乎于0的區(qū)域，然后將直方圖向左右兩側(cè)拉伸，就可以使用到所有的灰度級，從而提高圖像的對比度，這就是直方圖拉伸的圖像處理過程[3]，如圖1(b)所示。

應(yīng)用直方圖拉伸算法的數(shù)學(xué)公式如下：

(1)

g(x,y)表示改變后的圖像；f(x,y)表示原始圖像；a、b是閾值，小于a的灰度值被確定為黑色像素，大于b的灰度值確定為白色像素。

圖1 直方圖拉伸算法處理過程

應(yīng)用該算法處理的隧道襯砌圖片如圖2所示。

圖2 直方圖拉伸算法處理隧道襯砌圖片

2.2 二值化

利用隧道襯砌裂紋灰度值與背景灰度值的差異，可以通過二值化對其裂紋特征進(jìn)行分離。Otsu方法(最大類間方差法)是一種廣泛應(yīng)用的二值化方法，其過程是按圖像的灰度特性，將圖像分成背景和目標(biāo)兩部分，背景和目標(biāo)之間的類間方差越大，說明構(gòu)成圖像的兩部分差別越大，從而將這兩個區(qū)域分開[4]。

實際工程采集到的圖像中病害圖像只是整幅圖像中很小的一部分，隧道內(nèi)其他管線、設(shè)備均會對病害圖像的識別造成干擾，解決以上問題，本系統(tǒng)采用了基于塊分析的二值化算法。

基于塊分析的二值化算法數(shù)學(xué)公式如下：

(2)

首先計算一個像素周圍M*M相鄰像素值的平均值，然后設(shè)置一個閾值Δ，g(x,y)表示改變后的圖像，f(x,y)表示原始圖像。應(yīng)用基于塊分析的二值化算法對隧道襯砌圖像處理后如圖3所示。

圖3 應(yīng)用基于塊分析的二值化算法對隧道管片圖像處理

2.3 噪聲去除

隧道病害圖像中存在著大量的不同種類、不同形狀、分布無規(guī)律噪聲。噪聲的存在影響了病害特征檢測。傳統(tǒng)的濾波算法無法有效濾除各種噪聲，為此，本系統(tǒng)采用了基于連通區(qū)域的濾波算法。其基本過程是根據(jù)背景中黑色像素的連通性來判斷噪聲，對于每一個背景像素都與它的鄰域系的像素進(jìn)行判斷是否有相連的背景像素。系統(tǒng)采用8鄰域方法，對于一個給定的二值圖像，其可以用數(shù)據(jù)集合表示，將背景像素用1表示，病害特征像素用0表示。首先對圖像進(jìn)行掃描，選定數(shù)據(jù)集合中下標(biāo)最小的像素，以順時針方向向前方進(jìn)行探測，判斷其8鄰域內(nèi)八個方向上的像素歸類，即可以得到與該點相連通的全部像素，從而認(rèn)為與該點相連通的像素與該點具有相同的性質(zhì)，即均為噪聲或均為特征像素。以此類推，掃描二值圖像中全部的像素點，將判斷出的噪聲像素全部刪除，即得到特征像素，完成病害圖像的特征提取[5]。

3 系統(tǒng)測試

通過構(gòu)建上述軟硬件系統(tǒng)及實現(xiàn)圖像處理算法，對實際采集的隧道襯砌病害圖像進(jìn)行分析，結(jié)果如圖4所示。

根據(jù)裂紋病害特征提取圖像的像素信息，可以得到圖像中垂直、水平和對角裂縫的長度、寬度、起點和終點信息等。如表1所示。

圖4 隧道襯砌病害圖像分析

編號形式長度(mm)寬度(mm)起點坐標(biāo)X起點坐標(biāo)Y終點坐標(biāo)X終點坐標(biāo)Y1對角66.70.36 3612 769.46 397.12 754.32水平134.20.36 2572 956.96 388.72 953.13水平132.70.36 432.52 960.86 564.12 953.14垂直190.10.47 214.62 8597 197.53 044.75垂直247.90.37 128.22 643.47 227.22 866.7

4 結(jié)論

本文提出的軌道交通盾構(gòu)襯砌病害的機(jī)器視覺檢測系統(tǒng),包括機(jī)器視覺圖像采集和圖像處理兩部分；應(yīng)用直方圖拉伸算法、基于塊分析的二值化算法、基于連通區(qū)域的濾波算法等一系列圖像處理技術(shù)，能夠?qū)崿F(xiàn)隧道襯砌圖像的自動采集及病害圖像動識別提取。未來應(yīng)用于工程實例后，考慮隧道內(nèi)復(fù)雜工作環(huán)境的影響，系統(tǒng)對病害現(xiàn)象的整體檢出率達(dá)到90%以上，病害特征測量的誤差控制在10%以內(nèi)，能夠滿足城軌交通運(yùn)營期隧道襯砌病害檢測工作的要求。