基于無人機(jī)的橋梁裂縫檢測方法研究綜述

作者簡介：魏必成（1974—），高級工程師，研究方向：橋梁裂縫檢測。

摘要：為降低橋梁養(yǎng)護(hù)成本，解決人工檢測橋梁裂縫耗時長、操作困難，橋梁檢測車妨礙交通、成本高等問題，文章結(jié)合無人機(jī)技術(shù)及計算機(jī)技術(shù)的發(fā)展現(xiàn)狀，對無人機(jī)在橋梁檢測方面的應(yīng)用、裂縫檢測與測量的方法以及存在的問題進(jìn)行總結(jié)，為橋梁檢測研究工作提供參考。

關(guān)鍵詞：無人機(jī)；橋梁裂縫；圖像采集；裂縫檢測

中圖分類號：U446.3

0 引言

傳統(tǒng)的橋梁裂縫檢測方法存在耗時長、成本高、危險性大、檢測結(jié)果主觀性強(qiáng)，準(zhǔn)確率保證度不高等問題^［1］。隨著無人機(jī)技術(shù)的提升以及計算機(jī)技術(shù)的突飛猛進(jìn)，二者在橋梁檢測中的組合應(yīng)用越來越多。文獻(xiàn)［2］設(shè)計了無人機(jī)裂縫檢測系統(tǒng)，利用四旋翼無人機(jī)采集圖像和數(shù)字圖像處理技術(shù)進(jìn)行圖像識別研究，并自動測量裂縫寬度；文獻(xiàn)［3］在普通四旋翼無人機(jī)的基礎(chǔ)上仿照足球的五邊形結(jié)構(gòu)添加了由五邊形構(gòu)成的防撞外殼，以避免無人機(jī)在采集橋梁圖像的過程中發(fā)生碰撞損壞，并利用神經(jīng)網(wǎng)絡(luò)對裂縫進(jìn)行識別分類以提高檢測效率；文獻(xiàn)［4］以多旋翼無人機(jī)為載體，采用貼近攝影技術(shù)，采集橋梁的圖像進(jìn)行橋梁的精細(xì)化建模，提高了三維建模的效率與精確度和裂縫辨別的效率。這些方法使得橋梁裂縫檢測更簡單、便捷和可靠，推動基于無人機(jī)的橋梁裂縫檢測成為橋梁養(yǎng)護(hù)方面的主要研究方向。

本文將基于無人機(jī)的橋梁裂縫檢測分為無人機(jī)圖像采集與裂縫識別兩個步驟，歸納總結(jié)每個步驟所使用的方法。

1 無人機(jī)圖像采集

1.1 無人機(jī)部件組成

用無人機(jī)采集橋梁表面圖像時，可根據(jù)橋梁的結(jié)構(gòu)特點(diǎn)與采集目的的不同，自行選擇加裝到無人機(jī)上的部件。無人機(jī)作業(yè)要考慮多種影響因素，如果利用無人機(jī)采集懸架橋上部的圖像，在選擇無人機(jī)時要考慮防風(fēng)能力，目前市面上的無人機(jī)多能抵抗4～5級的風(fēng)，DJI FPV機(jī)型可抗六級風(fēng)，M300 RTK可抗7級風(fēng)；應(yīng)選擇體積相對較小的無人機(jī)；無人機(jī)采集圖像時需要準(zhǔn)確知道自身的位置以便懸停，此時，需要在無人機(jī)上加裝傳感器與GPS模塊，或者采用GPS與慣性測量單元（IMU，Inertial Measurement Unit）來獲取方位信息；無人機(jī)采集橋梁背面圖像時，由于光線較暗，可以添加補(bǔ)光裝置；考慮無人機(jī)的安全，要加裝防撞系統(tǒng)；另外還有可以加裝將無人機(jī)拍攝的圖像實(shí)時傳輸?shù)膱D傳模塊。

1.2 圖像采集

無人機(jī)在橋梁圖像采集方面具有減少時間損耗、降低成本及提高效率等優(yōu)點(diǎn)，近年來被廣泛應(yīng)用于隧道、橋梁及公路等領(lǐng)域。文獻(xiàn)［5］針對橋梁結(jié)構(gòu)中經(jīng)常出現(xiàn)的清水混凝土工藝進(jìn)行圖像采集的研究，選用大疆Mavic TM2 Pro，搭載相機(jī)、配備紅外感應(yīng)設(shè)備、全方位感應(yīng)裝置、下視補(bǔ)光燈，在圖像采集過程中自動選擇補(bǔ)光的強(qiáng)弱，攝制角度保持在90°左右。通過比較證明，無人機(jī)采集的圖像與真實(shí)物體具有較高的相似度。文獻(xiàn)［6］選用四旋翼民用其搭載單目攝像頭，并為其設(shè)計相應(yīng)的控制系統(tǒng)，其控制指令通過USB傳輸給無人機(jī)公司開發(fā)的基礎(chǔ)飛行平臺，自動采集較大場景的圖像，其系統(tǒng)結(jié)構(gòu)與模塊見圖1～2，結(jié)果表明此無人機(jī)在大場景圖像的檢測方面發(fā)揮優(yōu)異。

2 裂縫識別

橋梁養(yǎng)護(hù)是保證橋梁安全服役的重要環(huán)節(jié)，而裂縫的檢測與維修是橋梁養(yǎng)護(hù)中的一個重要工作。傳統(tǒng)的橋梁裂縫檢測方法已經(jīng)不能滿足橋梁日常養(yǎng)護(hù)工作的需要，迫切需要研發(fā)出一種快速精確識別橋梁裂縫的方法^［7］。近年來，計算機(jī)技術(shù)與無人機(jī)技術(shù)的發(fā)展應(yīng)用，拓展了橋梁裂縫檢測與維修的研究思路。

文獻(xiàn)［8］首先將采集到的圖像進(jìn)行灰度化、圖像增強(qiáng)以及小波去噪等預(yù)處理，然后針對線性裂縫，優(yōu)化Canny算子，通過與Sobel算子以及基礎(chǔ)Canny算子的識別結(jié)果進(jìn)行比較，認(rèn)為提出的裂縫邊緣提取方法是有效的，其對比結(jié)果如圖3所示。文獻(xiàn)［9］將數(shù)字圖像與深度學(xué)習(xí)技術(shù)結(jié)合，可滿足對路面裂縫的分割與分類兩種要求，且考慮裂縫占比小的特征，構(gòu)建U形與殘差網(wǎng)絡(luò)組合使用的U-Resnet網(wǎng)絡(luò)，整體路面裂縫檢測流程如圖4所示；利用Aigle RN數(shù)據(jù)集進(jìn)行裂縫識別的驗(yàn)證，結(jié)果表明所設(shè)計的算法在精確度方面比U-Net算法提升2.43%。文獻(xiàn)［10］通過圖像切片與經(jīng)過改進(jìn)可以進(jìn)行二分類的經(jīng)典AlexNet網(wǎng)絡(luò)組合，在識別橋梁裂縫這種線性目標(biāo)方面，與Faster R-CNN相比具有檢測區(qū)域小、時間冗余度低的優(yōu)點(diǎn)。文獻(xiàn)［11］為克服實(shí)際環(huán)境中橋梁裂縫檢測精度低的困難，在卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上添加條件隨機(jī)場，并同樣將識別的結(jié)果與Faster R-CNN網(wǎng)絡(luò)的結(jié)果進(jìn)行比較，認(rèn)為即使在背景復(fù)雜的情況下，所設(shè)計的算法仍可抵抗水漬、劃痕等干擾，準(zhǔn)確檢測裂縫圖片。

宋淑慧^［12］以混凝土結(jié)構(gòu)的橋梁為研究對象，在YOLVO3模型的基礎(chǔ)上，改進(jìn)kmeans聚類算法，使其對裂縫識別的靈敏度更高；在模型訓(xùn)練時，利用early-stopping進(jìn)行實(shí)時監(jiān)測，保持訓(xùn)練時間與泛化誤差的均衡；利用測試集驗(yàn)證其精確度高達(dá)90.26%，并且用cuda加速模型的訓(xùn)練，提升了檢測效率。趙雪冰等^［13］考慮橋梁難以到達(dá)部位的圖像采集困難，擁有較少的樣本數(shù)，為避免因小樣本導(dǎo)致模型的訓(xùn)練精度不夠，改進(jìn)Deeplabv3+模型使其滿足橋梁裂縫檢測的需求；其改進(jìn)手段包括將骨干網(wǎng)絡(luò)換成ResNet-50，引用ECA與scSE兩種注意力模塊（其具體結(jié)構(gòu)如圖5所示）；與典型語義分割模型對橋梁裂縫的測試結(jié)果作比較，認(rèn)為所改進(jìn)的Deeplabv3+模型在小樣本測試集上可取得高達(dá)93%的分割精度，具有研究價值。文獻(xiàn)［14］與文獻(xiàn)［13］相似，均使用編碼與解碼的基礎(chǔ)結(jié)構(gòu)，同樣添加了注意力機(jī)制模塊，另外添加了高語義特征融合模塊，并且利用反卷積設(shè)計了混合域注意力機(jī)制，便于識別不同尺寸的裂縫，利用自身采集的橋梁圖像組成測試集，并將識別結(jié)果與其他網(wǎng)絡(luò)進(jìn)行對比，結(jié)果如下頁表1所示。由表1可知所提出網(wǎng)絡(luò)的識別精確率得到了提升，但增加模塊提升精度的同時也會拖慢識別速度。

3 橋梁裂縫檢測仍存在的問題

目前裂縫檢測的準(zhǔn)確度與效率得到了提升，但是仍存在著一些問題^［15-16］，例如某些研究者的裂縫識別方法只是針對混凝土材料的橋梁，而對于其他鋼構(gòu)等材料的橋梁裂縫識別結(jié)果是不確定的，研究方法的普適性低，間接導(dǎo)致推廣的價值低。某些研究方法只針對線性裂縫或網(wǎng)狀裂縫等單一類別的裂縫識別準(zhǔn)確度高，但一座橋梁不可能只有一種裂縫。此時要想獲得橋梁裂縫的準(zhǔn)確數(shù)目與狀態(tài)，就需要采用多種裂縫檢測方法，從而減慢裂縫檢測的效率且增加一些成本^［17］。

對橋梁裂縫準(zhǔn)確識別還有一個重要的前提，即無人機(jī)要采集清晰完整的橋梁圖像。采集圖像過程中的飛行速度比較緩慢，而橋梁的體積也偏向大型化方向發(fā)展，但續(xù)航時間是固定的，這就需要嚴(yán)格計劃每次采集的任務(wù)量。無人機(jī)被應(yīng)用于橋梁檢測的一個優(yōu)勢是體積小^［18］，在對無人機(jī)提出更智能化要求的同時，也需要在無人機(jī)上加裝一些額外裝置，如采集橋梁背面或光線較差的地點(diǎn)，無人機(jī)就需要加裝下補(bǔ)光燈^［19］，加裝零部件，但會增大飛行過程中功率的損耗。

4 結(jié)語

盡管基于無人機(jī)的橋梁檢測仍存在一些問題，但未來橋梁圖像的采集仍在很大程度上依賴無人機(jī)；裂縫的識別與測量仍需要不斷地研究測試，爭取未來研發(fā)出一種續(xù)航里程更長的無人機(jī)和普適性與經(jīng)濟(jì)性更高的裂縫檢測方法^［20］。本文對無人機(jī)在橋梁檢測方面的應(yīng)用、裂縫檢測與測量的方法以及存在的問題進(jìn)行總結(jié)，借此為橋梁檢測的研究工作提供一個思路^［21］。

參考文獻(xiàn)

［1］劉博愷，劉 佳，張 陽.無人機(jī)在橋梁檢測中的應(yīng)用［C］.2022世界交通運(yùn)輸大會（WTC2022）論文集（橋梁工程與隧道工程篇），2022.

［2］徐 昊，彭雪村，盧志芳.基于四旋翼無人機(jī)的橋梁裂縫檢測系統(tǒng)設(shè)計［J］.水利水運(yùn)工程學(xué)報，2018（1）：102-110.

［3］洪光征.基于防撞無人機(jī)視頻的橋梁裂縫檢測方法研究［D］.深圳：深圳大學(xué)，2020.

［4］劉 洋，李秀麗，張凱想，等.基于無人機(jī)貼近攝影測量的橋梁精細(xì)化建模［J］.公路，2021，66（12）：106-109.

［5］申旌輝.橋梁檢測旋翼飛行器設(shè)計及運(yùn)動性能研究［D］.重慶：重慶交通大學(xué)，2017.

［6］李孟軍，郭運(yùn)沖.基于無人機(jī)的建筑物裂縫圖像采集與處理系統(tǒng)［J］.科學(xué)技術(shù)創(chuàng)新，2020（25）：92-93.

［7］李 康，周泩樸，鄒林波，等.基于無人機(jī)的大場景序列圖像自動采集和三維建模［J］.西北大學(xué)學(xué)報（自然科學(xué)版），2017，47（1）：30-37.

［8］王瑋華. 基于圖像處理技術(shù)的橋梁裂縫檢測［D］.西安：長安大學(xué)，2013.

［9］寧婷婷. 基于數(shù)字圖像處理的路面裂縫檢測算法研究［D］.大連：遼寧師范大學(xué)，2022.

［10］丁 威.基于圖像的橋梁裂縫檢測理論與實(shí)踐［D］.廣州：華南理工大學(xué)，2020.

［11］吳向東，趙健康，劉傳奇.基于CNN與CRF的橋梁裂縫檢測算法［J］.計算機(jī)工程與設(shè)計，2021，42（1）：51-56.

［12］宋淑慧.基于深度學(xué)習(xí)的混凝土橋梁裂縫檢測研究［D］.濟(jì)南：山東交通學(xué)院，2021.

［13］趙雪冰，王俊杰.基于改進(jìn)DeeplabV3+和遷移學(xué)習(xí)的橋梁裂縫檢測［J/OL］.計算機(jī)工程與應(yīng)用，http：//kns.cnki.net/kcms/detail/11.2127.tp.20220707.1136.002.html，2022-10-10：1-10.

［14］王墨川，王 波，王熊玨，等.基于高語義特征與注意力機(jī)制的橋梁裂縫檢測［J］.湖北工業(yè)大學(xué)學(xué)報，2022，37（2）：55-59.

［15］陳禹歷.基于無人機(jī)的橋梁結(jié)構(gòu)裂縫自動檢測及其狀態(tài)識別與預(yù)測［J］.海峽科技與產(chǎn)業(yè)，2022，35（6）：70-72，82.

［16］李良福，馮建云，宋 睿.基于圖像重生成的橋梁裂縫檢測方法研究［J］.光電子·激光，2019，30（12）：1 298-1 308.

［17］楊 揚(yáng)，王連發(fā)，張宇峰.無人機(jī)橋梁檢測技術(shù)進(jìn)展與瓶頸問題分析［J］.現(xiàn)代交通技術(shù)，2020，17（4）：27-32.

［18］劉 凱，李家坡，鄧智允，等.無人機(jī)橋梁檢測技術(shù)的經(jīng)濟(jì)效益分析［J］.南昌工程學(xué)院學(xué)報，2018，37（3）：51-53，80.

［19］王嘯林.試論無人機(jī)在橋梁檢測中的應(yīng)用與發(fā)展［J］.中國水運(yùn)（下半月），2018，18（4）：199，207.

［20］余 陽.專業(yè)模塊化無人機(jī)在橋梁檢測中的應(yīng)用與發(fā)展［J］.市政技術(shù)，2020，38（6）：78-79，83.

［21］彭玲麗，黃少旭，張申申，等.淺談無人機(jī)在橋梁檢測中的應(yīng)用與發(fā)展［J］.交通科技，2015（6）：42-44.

收稿日期：2023-04-08