城市地下排水管道缺陷檢測與修復(fù)

摘 要：城市地下排水管道是基礎(chǔ)設(shè)施的重要部分，是環(huán)境清潔的重要保障。由于城市地下排水管道缺陷類型較多，存在結(jié)構(gòu)復(fù)雜和標(biāo)準(zhǔn)不同，難以準(zhǔn)確識別管道隱患和消除病害。城市排水管道檢測是管道評估的依據(jù)，是管道修復(fù)的重要前提。為識別地下排水管道的缺陷，在排水管道修復(fù)中應(yīng)進行檢查。城市地下排水管道檢測影響到整個城市的排水效果，采用科學(xué)的檢測手段，保證地下排水管道的不間斷排水。基于此，本文說明了排水管道缺陷檢測技術(shù)分類，討論了管道缺陷分析技術(shù)，并以此提出了具體的排水管道修復(fù)對策方法，以期為相關(guān)項目提供一定的參考。

關(guān)鍵詞：城市地下排水管道;缺陷檢測;修復(fù)

中圖分類號：TU990.3 文獻標(biāo)識碼：A 文章編號：2096-6903（2022）02-0089-03

0引言

排水系統(tǒng)作為城市基礎(chǔ)設(shè)施，發(fā)揮著重要的功能作用，具有排水和防止內(nèi)澇的發(fā)生。同時，基于排水管道在為城市提供便利服務(wù)的同時，其在運行中也會存在一些安全隱患。對于破裂和泄漏的管道如果得不到及時的檢測和修復(fù)，將會破壞周圍土壤和環(huán)境，污染了地下水資源，甚至還會堵塞了管道，導(dǎo)致排水出現(xiàn)問題。因此，有效檢測地下排水管道的運行狀態(tài)，及時發(fā)現(xiàn)管道存在的病害問題，然后采取適當(dāng)?shù)男迯?fù)措施，確保城市地下排水管道高效的運作。

1城市地下排水管道檢測技術(shù)

1.1探地雷達法

探地雷達是基于電磁波的傳播特性，高頻電磁波以寬帶短脈沖的形式發(fā)送到地面。由于環(huán)境和管道介電常數(shù)的差異，脈沖波被反射。通過分析雷達信號、信息確定管道的位置。該方法在具體使用中需要土壤介質(zhì)對電磁波具有滲透性，其應(yīng)用將受限于地質(zhì)條件。雷達探測需要適當(dāng)?shù)念l率來探測目標(biāo)，由于檢測與波長呈正相關(guān)，如果檢測波長過大，分辨率就會下降，因此在分辨率和穿透深度進行需要進行合理的調(diào)整。雷達是一種無損檢測技術(shù)，檢測排水管道中的隱藏問題。利用地面雷達探測下水道管道，該技術(shù)具有高效、無損和高效等使用優(yōu)點。此外，基于地面的雷達技術(shù)檢測周圍土壤的質(zhì)量，以此來確定地下排水管道是否存在坍塌風(fēng)險。利用視頻監(jiān)控和雷達技術(shù)分析管道的狀況，雷達技術(shù)可以判斷管道破裂造成的空心體。雷達技術(shù)適用于探測磚砌排水管道和小口徑排水管道。

1.2 CCTV檢測

CCTV檢測是檢測管道使用廣泛的技術(shù)，檢測需要使用帶有攝像頭的機器人記錄管道信息，并通過電纜將數(shù)據(jù)傳輸給遠程操作。對于收集的視頻和圖像提供了管道狀態(tài)信息，信息由專業(yè)技術(shù)人員進行分析，以對管道缺陷進行評估。CCTV檢測管道連接、管道材料等，連接到地理信息和管理系統(tǒng)，以分析管道整體狀況，以協(xié)助確定未來的維護計劃。因此，CCTV檢測技術(shù)可廣泛用于檢測管道各個階段的狀況，廣泛用于檢測雨水管道、下水道管道等，該技術(shù)可以檢測管道破裂、滲漏、變形等缺陷，以及泥沙和材料剝落等功能缺陷。但是該檢測技術(shù)無法提供有關(guān)管壁或周圍土壤完整性的信息，未能檢測到泥漿覆蓋的區(qū)域。對于監(jiān)控系統(tǒng)采集的圖像數(shù)據(jù)和評估的準(zhǔn)確性在取決于攝像技術(shù)、拍攝方向和位置，以及照明條件和背景噪聲。

1.3電磁探測

電磁定位儀測量管道和環(huán)境的電導(dǎo)率和介電性能，基于電磁場的頻率和時間特性，對管道進行定位。電磁定位適用于金屬管道。如果用這種方法檢測非金屬管道，也可以放置電磁指示器。根據(jù)產(chǎn)生電磁場的不同，分為直接充電法和感應(yīng)法。直接充電法為鉗位法，是將電流連接到開管，并使用接收器接收電流產(chǎn)生的信號，這種方法的電磁場強、可靠的特點。

1.4管道泄漏檢測

城市地下排水管道檢測采用管壁為高電阻材料，具有高耐電流性。檢查中應(yīng)用移動電極，確保其沿管道勻速移動。如果管道沒有泄漏，則接電極和移動電極的電阻值會很大，電流較小。如果城市地下排水管道出現(xiàn)滲漏，接地電和移動電極傳輸電流，軟件自動記錄電流大小、位置、滲漏點的長度。排水管泄漏探測器可以有效的檢測到更小的泄漏，運行檢測過程中無需停止管道。只要沒有充滿水流且沒有塌陷，就可以檢測到損壞情況。

1.5超聲波檢測

超聲波檢測通過高頻短波超聲波脈沖來檢測故障，以此來分析管道材料和缺陷存在的聲學(xué)差異。管道缺陷的形狀可以通過反射波特征評估。在檢測的同一介質(zhì)中，脈沖波的傳播時間與距離成正比，通過接收反射信號的時間差來確定缺陷排水管道的位置。當(dāng)被檢測物體粗糙時，反射波會減弱，從而影響檢測結(jié)果。因此，用于排水管的超聲波數(shù)據(jù)采集，檢測排水管沉積物和損壞情況。超聲波檢測主要用于檢測管道的焊接問題，這種方法也可用于檢測管道缺陷。利用圓形掃描超聲對管內(nèi)壁進行檢測，通過實驗發(fā)現(xiàn)管道堵塞和破裂的。超聲波圖像檢測系統(tǒng)，用于檢測管內(nèi)壁的碎屑和磨損。超聲波檢測系統(tǒng)將傳感器浸入水中檢測，而無需排放地下排水管道的水，檢測管道腐蝕和沉淀。對于管道超聲波儀器收集的信號通常是嘈雜的，需要去噪方法來獲得缺陷信息。處理超聲波信號的方法有小波變換、卷積神經(jīng)和快速傅里葉等。

1.6紅外熱成像

紅外熱成像技術(shù)利用紅外輻射源和紅外掃描儀管道溫度圖，根據(jù)管道內(nèi)表面的溫度采集缺陷。由于管道周圍土壤造成的溫度梯度差異，應(yīng)與紅外探測器配合使用。紅外熱成像屬于是表面檢測技術(shù)，隨著缺陷的增加，檢測效率會降低。紅外熱成像可以檢測管道中的裂縫和孔洞缺陷。使用紅外熱成像檢測缺陷，可以在管道裂紋中產(chǎn)生熱點，以此來進行識別和定位缺陷。由于紅外線檢測特征物體信息，可用于檢測材料和其他信息。該技術(shù)可以監(jiān)測外保溫層、內(nèi)保溫或基材的質(zhì)量[1]。

1.7激光檢測

激光檢測技術(shù)是對管道無損檢測的新技術(shù)。新方法已經(jīng)從激光控制技術(shù)擴展，包括激光全息、激光超聲和激光輪廓測量技術(shù)。激光輪廓儀3D 重建技術(shù)，使用激光束對排水管道內(nèi)壁進行掃描，以重建圖像以檢測管缺陷。使用激光二極管、CCD 相機和光學(xué)圖案發(fā)生器來獲取圖像，通過記錄光強度創(chuàng)建孔徑來檢測缺陷。使用全息投影檢測管內(nèi)壁缺陷，激光束錐形鏡獲取圖像，分析使用多波相移顏色。數(shù)字全息投影測量表面輪廓的圖像，檢測缺陷和表面差異。激光檢測技術(shù)用于檢測管道幾何變形、裂紋和破裂等缺陷，可以準(zhǔn)確地定位管道，識別管道中的缺陷形狀。利用激光點敏技術(shù)檢測管線分布和彎曲變化，具有精度高、響應(yīng)快的優(yōu)點。利用激光傳感檢測排水管道的缺陷，激光傳感可以檢測管道的堆積和變形，但下方的振蕩會對檢測結(jié)果產(chǎn)生影響[2]。

2管道缺陷分析

2.1 計算機視覺和圖像處理

計算機視覺是從圖像中檢索信息，計算機視覺技術(shù)一般包括圖像預(yù)處理、圖像分割、目標(biāo)識別和結(jié)構(gòu)分析。傳統(tǒng)的視覺技術(shù)用于解讀視頻監(jiān)控圖像，需要大量的圖像預(yù)處理和特征提取器，同時基于管道的特征選擇和圖像分類。使用CCTV檢測和激光測距儀來獲取管道信息，使用三維重建算法來檢測管道缺陷。基于3D立體視覺的管道檢測系統(tǒng)，通過校準(zhǔn)和匹配實現(xiàn)立體視覺。雙邊預(yù)測算用于檢測小裂縫，限滑是提高速度的算法。傳統(tǒng)的視覺技術(shù)還面臨著低分辨率處理和噪聲、圖像退化的問題，以及暴露于拍攝距離等問題。在輸送錯誤識別領(lǐng)域，計算機視覺技術(shù)需要為給定任務(wù)開發(fā)全面的提取器，目前的研究集中在單個缺陷的檢測上，而對其他缺陷的自動識別的研究有限。在使用圖像數(shù)據(jù)檢查管道時，大多數(shù)將此圖像數(shù)據(jù)分為有缺陷的和沒有缺陷的。缺陷的圖像區(qū)域稱為特殊區(qū)域。

在工作中，圖像分類是基于特征，使用手動定義的元素對圖像進行分類。一種用于預(yù)測管道結(jié)構(gòu)的系統(tǒng)，使用邊緣檢測、二進制閾值和離散傅里葉變換等處理技術(shù)，以此來進行識別節(jié)點結(jié)構(gòu)并計算變形。使用離散小波變換和矩陣進行圖像分類，使用分類器對缺陷分類。 基于變化的檢測方法識別管道中的特征區(qū)域，這種方法在固定角度相機拍攝的管壁清潔圖像時效果最佳。對于基于形態(tài)學(xué)的方法，利用聚焦對象的差異作為分割特征基礎(chǔ)。使用定向梯度直方圖和 SVM分類器。識別區(qū)域的特征，基于形態(tài)學(xué)選擇的方法缺點是限制了自動化系統(tǒng)的能力。分類器的泛化是對表現(xiàn)出差異的圖像進行分類。形態(tài)學(xué)需要對圖像進行反復(fù)試驗，以校準(zhǔn)某些結(jié)構(gòu)元素，在某些條件下拍攝的圖像的結(jié)構(gòu)可能不適用于在不同條件下拍攝。

2.2深度學(xué)習(xí)

基于深度學(xué)習(xí)來對城市地下排水管道檢測圖像進行分類，最廣泛使用的是卷積神經(jīng)網(wǎng)絡(luò)。通常使用輸入圖像的卷積和極化等網(wǎng)絡(luò)層執(zhí)行選擇，在全連接層之間分類，給出每個類別的預(yù)測。網(wǎng)絡(luò)層執(zhí)行不同的應(yīng)用功能，并使用前一層作為輸入。操作過程包括從原始圖像中去除，借助初始隨機偏移量設(shè)計的過濾器估計類別、特征，計算預(yù)測值與實際值的誤差。對于反向傳播傳輸需要調(diào)整濾波器的位移，以此來達到最優(yōu)類。深度學(xué)習(xí)具有數(shù)萬個像素特征的圖像分類，分類精度和泛化遠高于其他方法。主要缺點是需要非常大數(shù)據(jù)庫訓(xùn)練，但是這個缺點可以通過詳細的數(shù)據(jù)庫來消除。深度卷積神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)庫，以對不同類別的高分辨率的圖像進行分類。缺點是學(xué)習(xí)過程復(fù)雜，并且存在計算量大，需要通過圖像處理并行計算解決。與傳統(tǒng)的視覺圖像處理相比，通過訓(xùn)練來提取圖像特征，需要較少的預(yù)處理，不需要開發(fā)復(fù)雜的函數(shù)提取器。

近年來，在圖像分類、識別和定位方面取得了廣闊的前景。此外，卷積神經(jīng)網(wǎng)絡(luò)已被用于檢測裂縫。使用卷積神經(jīng)網(wǎng)絡(luò)對監(jiān)控系統(tǒng)圖像中的缺陷進行分類，并應(yīng)用用于對沉積物和故障進行分類的系統(tǒng)。但是目前我國使用卷積神經(jīng)網(wǎng)絡(luò)檢測管道仍處于起步階段，對于檢測排水管道缺陷的研究有限。為了克服傳統(tǒng)檢測的缺點，需要基于區(qū)域的神經(jīng)網(wǎng)絡(luò)卷積，通過選擇性地搜索圖像區(qū)域，將每個區(qū)域的圖像輸入到模型中以計算，并使用參考向量分類器計算類別估計，對圖像進行分類，對于邊界約束以估計每個對象的位置。由于需要對每個區(qū)域進行卷積和回歸，每個圖像都會出現(xiàn)。為了克服使用中的局限性，需要一種快速卷積神經(jīng)網(wǎng)絡(luò)。與單階段多任務(wù)排除學(xué)習(xí)，減少了學(xué)習(xí)時間，使檢測速度更快，進一步提高了檢測精度。對于更快的區(qū)域卷積神經(jīng)網(wǎng)絡(luò)，由區(qū)域供應(yīng)鏈和檢測器組成，檢測符號和回歸邊界。主要特點是檢測器可以共享卷積層，降低了實際過程的計算成本。區(qū)域數(shù)量經(jīng)過優(yōu)化，提高了檢測精度和速度。

3某排水管道缺陷檢測與修復(fù)

在分析檢測的基礎(chǔ)上對城市地下排水管道進行評估，以此來得出管道的總體狀況，并采取措施修復(fù)管道。對于本次測試的對象是PE下水管，對于城市地下排水管道泄漏點檢測，需要根據(jù)內(nèi)置軟件分析，得出管道損壞情況。從管道縱斷面分析，管道存在泄漏的現(xiàn)象，根據(jù)具體的分析，了解了泄漏點的具體位置和長度。在城市地下排水管道修復(fù)過程中，鋪設(shè)高密度聚乙烯管道修復(fù)，采用非開挖拉管法修復(fù)管道。如路面未開挖，將設(shè)備放置在沙井內(nèi)，用小型設(shè)備在折疊區(qū)域鉆孔，將鋼筋從沙井推到另一端。把特殊的襯管頭和高密度聚乙烯管拉到原來的位置。在牽引力的影響下，對于被破壞的管破裂，被拉入聚乙烯管中。另一端的孔和聚乙烯管道的連接處用砂漿密封。在城市地下排水管道修復(fù)過程中，首先需要做好現(xiàn)場勘察的工作，做好管道的廢水分析及處理，應(yīng)用城市地下排水管道檢測技術(shù)對缺陷進行檢測，以此來確定具體的修復(fù)方法?；谛迯?fù)工藝確保施工設(shè)備，確保設(shè)備得到正確的安裝，然后做好管道處理安裝，還需要進行管道氣密性檢測?；谀壳暗腃CTV檢測機器人方法比較成熟，可以基于圖像數(shù)據(jù)解讀、視覺、深度學(xué)習(xí)等處理技術(shù)。通過將監(jiān)控技術(shù)與缺陷識別相結(jié)合，將在排水管道檢測實現(xiàn)全自動化，為排水管網(wǎng)管理和狀態(tài)評估打下基礎(chǔ)，這將是城市地下排水管道研究的重點區(qū)域。然而，城市地下排水管道缺陷的自動識別處于發(fā)展階段，使用視覺和深度學(xué)習(xí)等圖像處理檢測缺陷的準(zhǔn)確性與預(yù)制模型類型和參數(shù)密切相關(guān)。雖然使用了內(nèi)置的數(shù)據(jù)庫來創(chuàng)建模型，但由于數(shù)據(jù)庫的復(fù)雜性，需要不斷的擴展和進一步的優(yōu)化，以此來構(gòu)建模型的綜合數(shù)據(jù)庫，同時這將是實現(xiàn)排水管網(wǎng)自動檢測的挑戰(zhàn)。目前的自動探傷法僅適用于靜態(tài)圖像，鑒于大量視頻調(diào)查，在未來的工作中，視頻數(shù)據(jù)的處理也將是城市地下排水管道缺陷自動檢測另一個重要的發(fā)展領(lǐng)域。

4結(jié)語

綜上所述，城市地下排水管道是重要的基礎(chǔ)設(shè)施，對于檢測技術(shù)是檢測管道缺陷和確定損壞的有效途徑，同時也是管道修復(fù)的重要前提?；诳茖W(xué)技術(shù)在的不斷創(chuàng)新，對于城市地下排水管道檢測將確保了更精密有效的檢測效果。

參考文獻

[1] 周倩倩，司徒祖祥，騰帥，等.基于卷積神經(jīng)網(wǎng)絡(luò)的排水管道缺陷智能檢測與分類[J].中國給水排水，2021，37（21）：114-118.

[2] 王大成，譚軍輝，彭述剛，等.利用深度學(xué)習(xí)模型智能識別地下排水管道缺陷[J].測繪通報，2021（10）：141-145.

Detection and Repair of Defects in Urban Underground Drainage Pipes

WANG Xiaojun

（Foshan Institute of Surveying， Mapping and Geographic Information， Foshan? Guangdong? 528000）

Abstract： Urban underground drainage pipes are an important part of infrastructure and an important guarantee for environmental cleanliness. Because there are many types of defects in urban underground drainage pipelines， complex structures and different standards， it is difficult to accurately identify hidden pipeline hazards and eliminate diseases. Urban drainage pipeline inspection is the basis for pipeline evaluation and an important prerequisite for pipeline repair. In order to identify defects in underground drainage pipes， inspections should be carried out during drainage pipe repairs. The detection of urban underground drainage pipes affects the drainage effect of the entire city， and scientific detection methods are used to ensure uninterrupted drainage of underground drainage pipes. Based on this， this paper explains the classification of drainage pipeline defect detection technology， discusses the pipeline defect analysis technology， and puts forward specific drainage pipeline repair countermeasures， in order to provide some reference for related projects.

Keywords： urban underground drainage pipeline; defect detection; repair

收稿日期：2022-01-06

作者簡介：王曉軍（1968—），男，山西靈石人，大專，工程師，研究方向：管線探測及管道檢測。