余 銓
(安徽中橋建設(shè)集團(tuán)有限公司,安徽 合肥 230051)
為實(shí)現(xiàn)市場(chǎng)經(jīng)濟(jì)對(duì)外擴(kuò)建,實(shí)現(xiàn)各地區(qū)資源的交互與流通,國(guó)內(nèi)市政工程建設(shè)方加大了對(duì)高速橋梁等相關(guān)工程建設(shè)的投入力度。盡管在當(dāng)時(shí)此項(xiàng)工作取得了較好的收益與較高的成果,但截至到目前,一些高速橋梁的使用已達(dá)到了數(shù)十年。通過(guò)近幾年數(shù)次對(duì)高速橋梁的檢測(cè)可知,已經(jīng)有部分橋梁出現(xiàn)了顯著的破損、老化現(xiàn)象,此種現(xiàn)象導(dǎo)致了橋梁工程在使用中的危險(xiǎn)性越來(lái)越高。尤其在較早年間建設(shè)的高速橋梁,這部分橋梁普遍存在裂縫、結(jié)構(gòu)失穩(wěn)方面的質(zhì)量問(wèn)題。為解決橋梁工程的安全問(wèn)題,本研究設(shè)計(jì)一種底部缺陷自動(dòng)檢測(cè)方法,為橋梁工程維修與后續(xù)加固施工提供指導(dǎo)方向。
由于高速橋梁底部結(jié)構(gòu)復(fù)雜,并且橋梁底部中間位置常常是懸空設(shè)置,因此針對(duì)這一結(jié)構(gòu)表面的缺陷問(wèn)題進(jìn)行檢測(cè)難度較大[1]。針對(duì)這一問(wèn)題,首先對(duì)缺陷圖像的獲取以及預(yù)處理進(jìn)行設(shè)計(jì)??衫脽o(wú)人機(jī)對(duì)高速橋梁底部表面的圖像進(jìn)行采集,并通過(guò)無(wú)線傳輸?shù)姆绞?,將無(wú)人機(jī)上安裝的攝像頭獲取的圖像傳輸?shù)缴衔粰C(jī)中。在上位機(jī)完成對(duì)圖像的預(yù)處理[2]。為了確保后續(xù)檢測(cè)的精度,并加快對(duì)圖像運(yùn)算的速度,針對(duì)獲取到的缺陷圖像進(jìn)行灰度化處理。將一幅完整的缺陷圖像按照紅色、綠色和藍(lán)色三個(gè)通道進(jìn)行劃分,并且只有在三個(gè)通道的灰度值均相同的情況下,其圖像才能夠以灰色形式展現(xiàn)。將圖像RGB 中的每一個(gè)數(shù)值都劃分在0~255 區(qū)間當(dāng)中。定義在獲取到的表面缺陷圖像上的某一像素點(diǎn)為W,將其橫縱坐標(biāo)分別定義為i和j,因此該像素點(diǎn)的坐標(biāo)可表示為W(i,j),而該像素點(diǎn)的灰度值表示為GW(i,j)。針對(duì)該像素點(diǎn),結(jié)合其三個(gè)通道的數(shù)值,對(duì)其進(jìn)行平均化處理,其表達(dá)式為:
式中GW(i,j)為缺陷圖像某一像素點(diǎn)w 的灰度平均值;R(i,j)為像素點(diǎn)w 在R 通道上的灰度值;G(i,j)為像素點(diǎn)w 在G 通道上的灰度值;B(i,j)為像素點(diǎn)w在B 通道上的灰度值。由于在實(shí)際應(yīng)用中,考慮到無(wú)人機(jī)拍攝對(duì)象場(chǎng)景位于高速橋梁底部,周圍環(huán)境昏暗不清,且潮濕,很難明顯顯示缺陷結(jié)構(gòu)[3]。因此,針對(duì)這一問(wèn)題采取加權(quán)化的方式使圖像在經(jīng)過(guò)處理后缺陷位置的灰度值更高,顏色更深,方便后續(xù)對(duì)缺陷位置的測(cè)量和計(jì)算。圖1 為高速橋梁底部表面缺陷原圖與灰度化處理圖對(duì)比。
圖1(a)為高速橋梁底部表面缺陷原圖;圖1(b)為灰度化處理圖。從圖1 可以看出,經(jīng)過(guò)灰度化處理后,表現(xiàn)缺陷紋理能夠更加清晰地展現(xiàn)。
圖1 高速橋梁底部表面缺陷原圖與灰度化處理圖對(duì)比
在完成灰度處理后,還需要對(duì)圖像進(jìn)行均值濾波處理,通過(guò)一個(gè)領(lǐng)域模板對(duì)獲取到的圖形進(jìn)行濾波去噪處理,其具體流程為:給定一個(gè)領(lǐng)域內(nèi)的濾波模板,利用該模板覆蓋高速橋梁底部表面缺陷圖像上的所有像素點(diǎn)[4]。在各個(gè)像素點(diǎn)的領(lǐng)域內(nèi)對(duì)其進(jìn)行加權(quán)平均值計(jì)算,并將計(jì)算結(jié)果賦值給像素點(diǎn)[5]。通過(guò)上述處理后,圖像當(dāng)中噪點(diǎn)和缺陷結(jié)構(gòu)呈現(xiàn)白色,而背景呈現(xiàn)為黑色,以此能夠?qū)崿F(xiàn)對(duì)圖像背景的初步區(qū)分。
在完成對(duì)缺陷圖的獲取和預(yù)處理后,基于膨脹和腐蝕處理等形態(tài)學(xué)理論對(duì)高速橋梁底部表面缺陷圖像進(jìn)行二次處理[6]。假設(shè)C 表示為整個(gè)高速橋梁底部表面缺陷圖像的集合,而D 表示為凌云內(nèi)的元素,在應(yīng)用形態(tài)學(xué)理論后,其實(shí)質(zhì)是應(yīng)用元素D 對(duì)整個(gè)圖像C 進(jìn)行過(guò)濾處理[7]。利用腐蝕缺陷運(yùn)算,將集合C 被元素D 腐蝕記為C ΘD,其具體表達(dá)式為:
式中x 為位移量。再假設(shè)集合C 被元素D 膨脹記為
式中 ?為反向位移量。結(jié)合上述公式實(shí)現(xiàn)對(duì)高速橋梁底部表面缺陷圖像的形態(tài)學(xué)處理。在實(shí)際應(yīng)用中,針對(duì)獲取到的高速橋梁底部表面缺陷圖像,首先利用公式(2)對(duì)其進(jìn)行腐蝕操作,以此減少圖像當(dāng)中的噪點(diǎn),其次再利用公式(3)對(duì)其進(jìn)行膨脹操作,對(duì)圖像進(jìn)行二值化處理。通過(guò)上述處理,能夠使缺陷位置實(shí)現(xiàn)自動(dòng)峰荷,并使其邊緣輪廓具備更高完整性。同時(shí),腐蝕處理后的圖像缺陷位置周圍的噪點(diǎn)被放大,從而實(shí)現(xiàn)凸顯,再通過(guò)膨脹處理使輪廓收縮,并使周圍噪點(diǎn)大面積地減小和消失。
在經(jīng)過(guò)上述處理后,得到的高速橋梁底部表面缺陷圖像能夠?yàn)槿毕葑詣?dòng)檢測(cè)提供更有利的依據(jù),但真正計(jì)算缺陷的寬度需要對(duì)圖像當(dāng)中白色像素點(diǎn)的個(gè)數(shù)確定,因此需要通過(guò)骨骼化的方式實(shí)現(xiàn)對(duì)缺陷的自動(dòng)測(cè)量[8]。為了確保骨骼化圖像上的缺陷具備一定連貫性,并確保其形狀與未經(jīng)過(guò)處理的原始高速橋梁底部表面缺陷圖像相同。在經(jīng)過(guò)骨骼化處理后,其輪廓上的線必須在原圖像的中心位置上。因此,基于上述分析,在對(duì)缺陷的自動(dòng)測(cè)量時(shí),應(yīng)當(dāng)按照如下流程實(shí)現(xiàn):
步驟一,對(duì)無(wú)人機(jī)獲取到的原始高速橋梁底部表面缺陷圖像進(jìn)行復(fù)制,避免在后續(xù)操作中出現(xiàn)失誤而造成對(duì)原始圖像的影響;
步驟二,對(duì)圖像的長(zhǎng)度和寬度進(jìn)行測(cè)量,并分別減一,為領(lǐng)域處理提供便利條件,并避免在處理中出現(xiàn)越界現(xiàn)象;
步驟三,讓圖像分別向上、下、左、右四個(gè)方向,進(jìn)行迭代;
步驟四,對(duì)圖像當(dāng)中每一個(gè)像素點(diǎn)遍歷一遍,并設(shè)置其中某一像素點(diǎn)P,若該像素點(diǎn)為背景像素或?yàn)槟骋环较蛏系倪吔缦袼?,則需要重復(fù)步驟三,并繼續(xù)循環(huán),直到獲取的像素點(diǎn)為缺陷結(jié)構(gòu)上的一點(diǎn);
第五步,對(duì)像素點(diǎn)是否為圖像上的單一點(diǎn)或相鄰點(diǎn)進(jìn)行判斷,若滿足單一點(diǎn),則將該像素點(diǎn)像素設(shè)為0,反之設(shè)為255。
對(duì)完成上述步驟后得到的圖像進(jìn)行缺陷自動(dòng)跟蹤,并計(jì)算得出缺陷部位最小外接矩形的長(zhǎng)寬比值,假設(shè)放寬比值為K,當(dāng)最小外界矩形的長(zhǎng)小于寬時(shí),則K 的取值為長(zhǎng)/寬;當(dāng)最小邊界矩形的長(zhǎng)大于寬時(shí),則K 的取值為寬/長(zhǎng)。再對(duì)缺陷圖像上連通區(qū)域的缺陷周長(zhǎng)進(jìn)行計(jì)算,可利用OpenCV 庫(kù)當(dāng)中的Length 函數(shù)計(jì)算得出缺陷圖像上連通區(qū)域缺陷的周長(zhǎng),同時(shí)也可利用OpenCV 庫(kù)中的contourArea 函數(shù)對(duì)缺陷圖像上連通區(qū)域內(nèi)缺陷面積進(jìn)行計(jì)算。其中,周長(zhǎng)的計(jì)算結(jié)果單位為mm,面積的計(jì)算結(jié)果單位為像素,以此通過(guò)上述操作實(shí)現(xiàn)對(duì)缺陷的自動(dòng)檢測(cè),并求解出缺陷的具體周長(zhǎng)和面積。
為證明檢測(cè)方法具有更高的檢測(cè)精度或更便捷的應(yīng)用優(yōu)勢(shì),下述將以安徽省某地高速橋梁為例,設(shè)計(jì)如下所示的實(shí)驗(yàn)。
此次實(shí)驗(yàn)所選的橋梁在2000 年建設(shè)施工,截至到目前該橋梁已投入使用超過(guò)20 年,為避免橋梁由于年久失修出現(xiàn)坍塌等風(fēng)險(xiǎn),設(shè)計(jì)使用本研究方法進(jìn)行橋梁底部表面缺陷的檢測(cè)。
檢測(cè)前要明確裂縫缺陷是造成橋梁結(jié)構(gòu)失穩(wěn)的主要原因之一,也是工程中最主要的病害類型。由于該橋梁是由鋼筋混凝土構(gòu)成,而混凝土又是極易出現(xiàn)裂縫的材料,因此,該橋梁工程在投入使用后,勢(shì)必是存在裂縫的。為實(shí)現(xiàn)對(duì)裂縫的精準(zhǔn)檢測(cè),需要在檢測(cè)前,使用高精度攝像機(jī),從不同角度拍攝高速橋梁底部圖像,加載圖像后,根據(jù)檢測(cè)現(xiàn)場(chǎng)的實(shí)際要求,采集并獲取圖像。此過(guò)程見圖2。
圖2 高速橋梁底部表面缺陷圖像自動(dòng)采集過(guò)程
圖3 為橋梁底部表面裂縫檢測(cè)結(jié)果,從圖3 所示的內(nèi)容可以看出,此次設(shè)計(jì)的方法可以實(shí)現(xiàn)對(duì)橋梁裂縫圖像的清晰化獲取,由此可以說(shuō)明本研究設(shè)計(jì)的檢測(cè)方法在實(shí)際應(yīng)用中的效果是相對(duì)良好的,有望將此方法代替人工檢測(cè)方法在質(zhì)檢機(jī)構(gòu)中推廣使用。
圖3 橋梁底部表面裂縫檢測(cè)結(jié)果
在此基礎(chǔ)上,可以根據(jù)工程方的實(shí)際檢測(cè)需求,點(diǎn)擊操作界面中的“進(jìn)入裂縫圖像評(píng)定界面”,對(duì)裂縫進(jìn)行綜合評(píng)估,即從不同角度,挖掘此形狀或此長(zhǎng)度的裂縫在主體結(jié)構(gòu)中是否會(huì)出現(xiàn)影響橋梁安全性的問(wèn)題。
按照上述內(nèi)容,完成此次實(shí)驗(yàn),最終得出實(shí)驗(yàn)結(jié)論:此方法在完成設(shè)計(jì)后具有較好的檢測(cè)能力,可以實(shí)現(xiàn)對(duì)裂縫的精準(zhǔn)化檢測(cè)與定位。
完成圖像的采集后,根據(jù)我國(guó)市政單位對(duì)橋梁裂縫的規(guī)定數(shù)值,進(jìn)行圖像的篩選,選擇具有研究?jī)r(jià)值的裂縫圖像。在研究前,應(yīng)先明確國(guó)家對(duì)橋梁裂縫的限制要求,具體內(nèi)容見表1。
表1 我國(guó)市政單位對(duì)橋梁裂縫的規(guī)定數(shù)值(限值要求)
按照上文設(shè)計(jì)內(nèi)容,獲取底部表面缺陷裂縫圖像,使用計(jì)算機(jī)技術(shù),對(duì)所獲取的圖像進(jìn)行集中篩選,篩選有價(jià)值的信息,隨機(jī)選擇一條裂縫圖像,將其呈現(xiàn)在檢測(cè)終端,見圖3。
本研究設(shè)計(jì)了一種全新的檢測(cè)方法,實(shí)踐結(jié)果證明,此方法在完成設(shè)計(jì)后具有較好的檢測(cè)能力,可以實(shí)現(xiàn)對(duì)裂縫的精準(zhǔn)化檢測(cè)與定位。盡管此方法的性能優(yōu)勢(shì)已十分顯著,但仍需要在后續(xù)的研究,進(jìn)行此方法的進(jìn)一步深化,即通過(guò)對(duì)方法的優(yōu)化,完善檢測(cè)的精度、檢測(cè)的速度、檢測(cè)的水平與效率。
在未來(lái)對(duì)此方法的研究中,將從不同方面進(jìn)行方法可行性的檢測(cè)與校驗(yàn),根據(jù)裂縫的形狀與裂縫的位置,深度分析裂縫的成因。根據(jù)裂縫的發(fā)生原因,制定完善的整改方案與加固施工方案,通過(guò)對(duì)裂縫的有效處理,實(shí)現(xiàn)對(duì)橋梁整體結(jié)構(gòu)穩(wěn)定性與安全性的提升,保證橋梁工程在我國(guó)經(jīng)濟(jì)市場(chǎng)內(nèi)發(fā)揮更高的效益與價(jià)值。