路面裂縫檢測(cè)識(shí)別方法研究綜述與前景展望

黃 瑾

(湖南省交通規(guī)劃勘察設(shè)計(jì)院有限公司,湖南 長(zhǎng)沙 410219)

1 路面裂縫病害研究現(xiàn)狀

1.1 瀝青混凝土裂縫病害

瀝青混凝土路面是運(yùn)用最廣泛的公路路面之一,大部分采用瀝青混凝土材料鋪裝的路面在半剛性的路基上進(jìn)行鋪建,其設(shè)計(jì)使用壽命一般為15年[1-7]。造成瀝青混凝土路面產(chǎn)生病害的因素有很多,從其結(jié)構(gòu)本身看,有路面結(jié)構(gòu)設(shè)計(jì)不合理、現(xiàn)場(chǎng)施工質(zhì)量不達(dá)標(biāo)等因素;從運(yùn)營(yíng)期間的外界影響來(lái)看,由于近年來(lái)頻繁出現(xiàn)車輛超限超載行駛的原因,重載下的車路耦合效應(yīng)致使瀝青混凝土收到不同程度的損傷和破壞,因而我國(guó)較多的瀝青混凝土路面提早進(jìn)入了維修階段。目前瀝青混凝土路面的病害主要有裂縫、水破壞、松散等。

瀝青混凝土路面裂縫破壞主要分為縱梁裂縫破壞和橫向裂縫破壞兩種,兩種裂縫破壞的產(chǎn)生機(jī)理存在差異。

瀝青混凝土路面縱向裂縫破壞的主要成因是地基填土密度在橫向剖面上的不均勻,地基土的填筑厚度或壓實(shí)度會(huì)影響路基剖面在橫向上的穩(wěn)定性,此外,地表水的侵入也可能會(huì)改變路基不同結(jié)構(gòu)層的密實(shí)度,從而在路面上表現(xiàn)為縱向裂縫的形式。

瀝青混凝土路面橫向裂縫主要是由于溫度應(yīng)力作用下的疲勞裂縫,由于路面溫度變化率較大,隨著時(shí)間推移瀝青面層的抗裂能力逐漸下降,溫度裂縫逐年延伸,在路面上會(huì)表現(xiàn)為橫向裂縫的形式。

對(duì)于瀝青混凝土路面開(kāi)裂機(jī)理或預(yù)防措施方面的研究,馬玉成結(jié)合實(shí)際工程中瀝青混凝土路面對(duì)橫向裂縫產(chǎn)生的原因進(jìn)行了分析,得到不均勻沉降和半剛性基層強(qiáng)度偏高是裂縫產(chǎn)生的主要原因,并提出了針對(duì)性的預(yù)防措施減少瀝青路面的裂縫;李世芳調(diào)查了冰凍鹽漬土地區(qū)瀝青路面裂縫的表現(xiàn)特征,研究了其產(chǎn)生機(jī)理,指出風(fēng)積沙隔斷和土工膜布隔斷可以有效預(yù)防冰凍鹽漬土地區(qū)瀝青路面裂縫的產(chǎn)生;楊振海等依托某高速公路對(duì)瀝青路面半剛性基層裂縫進(jìn)行了注漿試驗(yàn),得出非開(kāi)挖注漿技術(shù)對(duì)該類型裂縫的修補(bǔ)效果良好;洪海等以黑龍江省半剛性基層瀝青混凝土路面為研究對(duì)象,分析得出瀝青混凝土路面的損壞機(jī)理和形式。此外,還有一些專家學(xué)者對(duì)瀝青混凝土路面的裂縫產(chǎn)生機(jī)理和預(yù)防修補(bǔ)措施進(jìn)行了不同程度的研究,大多數(shù)研究顯示,對(duì)于瀝青混凝土路面而言,裂縫這一病害類型是最主要的早期破壞之一,對(duì)路面結(jié)構(gòu)的影響較大,需要做出及時(shí)的識(shí)別和處理。

1.2 水泥混凝土路面裂縫病害

水泥混凝土路面因其施工工藝相對(duì)簡(jiǎn)單且性價(jià)比較高,被廣泛應(yīng)用于市政道路、城市小區(qū)道路和鄉(xiāng)村道路中。造成水泥混凝土路面產(chǎn)生裂縫的原因眾多,參考王文斌對(duì)水泥混凝土路面裂縫成因的分析,可將水泥混凝土路面裂縫分為結(jié)構(gòu)裂縫、溫度裂縫和收縮裂縫三種。

水泥混凝土裂縫結(jié)構(gòu)裂縫的表現(xiàn)形式可能為縱向裂縫或橫向裂縫,其成因一般為道路竣工后使用期間地基或墊層不均勻沉降、墊層基礎(chǔ)密實(shí)度達(dá)不到使用要求、重載車輛長(zhǎng)期行駛碾壓等。

溫度裂縫一般沿混凝土斷面橫向產(chǎn)生,一般出現(xiàn)在路面混凝土終凝后的使用早期,發(fā)生部位多見(jiàn)于局部混凝土薄弱處,裂縫寬度中等,呈現(xiàn)明顯的規(guī)則性和均勻性。

收縮裂縫又稱“龜裂”,裂縫寬較小,形狀不規(guī)則,無(wú)明顯的發(fā)展趨勢(shì),一般發(fā)生于混凝土初凝與終凝之間。

2 路面裂縫的識(shí)別方法

2.1 基于圖像分析的路面裂縫識(shí)別原理

早期的路面裂縫識(shí)別多基于人工觀測(cè),存在識(shí)別效率和識(shí)別精度低,工作量大等缺點(diǎn)。隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展,圖像識(shí)別和處理是道路路面裂縫自動(dòng)識(shí)別技術(shù)被廣泛應(yīng)用于道路裂縫檢測(cè)中。

路面裂縫圖像識(shí)別的基本流程為采用高清相機(jī)對(duì)待檢測(cè)路面進(jìn)行高分辨率的材料采集,其次通過(guò)圖像預(yù)處理步驟對(duì)采集的圖像做增強(qiáng)和降噪處理,并對(duì)裂縫進(jìn)行識(shí)別和提取、參數(shù)計(jì)算分析和修正拼接、表達(dá)輸出。

2.2 路面裂縫圖像識(shí)別技術(shù)

對(duì)于采集到的路面裂縫圖像,由于受光影和表面污濁的影響,需要采用圖像增強(qiáng)和降噪的預(yù)處理方法對(duì)采集到的路面圖像進(jìn)行預(yù)處理。目前常用的圖像增強(qiáng)方法有差影法、直方圖均衡化、模糊理論增強(qiáng)運(yùn)算等。對(duì)圖像飽和度、亮度等參數(shù)進(jìn)行調(diào)整增強(qiáng)后,需要對(duì)圖像降噪,即降低甚至消除圖像的噪點(diǎn),使圖像更加純凈,便于后續(xù)裂縫識(shí)別與提取。降噪算法一般分為空域和頻域兩種,空域類降噪算法的典型方法有均值濾波器、中值濾波器、高斯濾波器和形態(tài)學(xué)濾波器等,頻域類降噪算法的典型方法是小波變換。對(duì)于路面裂縫圖像增強(qiáng)降噪方面的研究,王墨川等針對(duì)瀝青路面裂縫的圖像識(shí)別問(wèn)題,提出了一種基于曲率濾波的降噪方法,通過(guò)改進(jìn)標(biāo)準(zhǔn)的曲率濾波算法,消除了隨機(jī)噪聲,其次運(yùn)用裂縫的幾何特性去除了塊狀和點(diǎn)狀噪聲,結(jié)果表明降噪效果明顯,有利于提升裂縫識(shí)別的精度;肖鐘捷等采用均衡化處理的方法對(duì)采集到的路面裂縫圖像進(jìn)行增強(qiáng),并提出了一種自適應(yīng)的快速降噪方法,大幅提升了裂縫圖像的識(shí)別速度;宋蘭平等利用中值反差濾波的方法對(duì)采集到的路面裂縫圖像進(jìn)行過(guò)濾,在對(duì)圖像增強(qiáng)降噪的基礎(chǔ)上保留了圖像的關(guān)鍵信息,避免了傳統(tǒng)算法噪聲消除的繁雜操作,簡(jiǎn)化了圖像降噪流程。大多數(shù)專家學(xué)者對(duì)于路面裂縫圖像增強(qiáng)與降噪的方法處理上是基于傳統(tǒng)的圖像處理方法進(jìn)行改進(jìn),并取得了相對(duì)不錯(cuò)的處理效果,隨處理方式存在差異,但基本均可大幅提升裂縫的識(shí)別精度與速度。

2.3 裂縫識(shí)別與提取研究

路面裂縫識(shí)別與提取方法按技術(shù)類型可分為傳統(tǒng)的數(shù)學(xué)算法和基于機(jī)器學(xué)習(xí)的新型算法,傳統(tǒng)的算法主要有閾值算法、邊緣算法、區(qū)域算法、匹配算法等,近年來(lái),隨著計(jì)算機(jī)硬件的飛速發(fā)展,計(jì)算機(jī)算力得到大幅度提升,通過(guò)機(jī)器學(xué)習(xí)的方法識(shí)別與提取路面圖像中的裂縫成為了各專家學(xué)者開(kāi)始深入研究的問(wèn)題。

傳統(tǒng)的路面裂縫識(shí)別方法多基于數(shù)字圖像處理,將圖像預(yù)處理后對(duì)裂縫進(jìn)行分類提取。Choi J等通過(guò)多分辨率分割進(jìn)行圖像的裂縫提取分類,該方法效率較高但識(shí)別精度不高;姜吉榮基于圖像分析的原理對(duì)路面裂縫檢測(cè)識(shí)別方法展開(kāi)研究,采用增強(qiáng)裂縫邊緣對(duì)比度的方法提升了識(shí)別精度。加強(qiáng)裂縫邊緣的識(shí)別是傳統(tǒng)裂縫識(shí)別方法中非常有效的手段,因此許多專家研究了針對(duì)裂縫識(shí)別的邊緣檢測(cè)算子,如Prewitt、Canny、Sobel等。

傳統(tǒng)的路面裂縫識(shí)別技術(shù)雖已發(fā)展多年,但受限路面情況和圖像采集的復(fù)雜性,傳統(tǒng)的方法仍存在一定的局限性。數(shù)據(jù)信息的爆炸式增長(zhǎng)為深度學(xué)習(xí)理論奠定了數(shù)據(jù)基礎(chǔ),神經(jīng)網(wǎng)絡(luò)是一種經(jīng)典的機(jī)器學(xué)習(xí)算法,也是深度學(xué)習(xí)理論的一種應(yīng)用形式,其中卷積神經(jīng)網(wǎng)絡(luò)模型在路面裂縫圖像識(shí)別領(lǐng)域被廣泛應(yīng)用,其基本原理是基于卷積神經(jīng)網(wǎng)絡(luò)的語(yǔ)意分割算法對(duì)裂縫圖像進(jìn)行學(xué)習(xí),訓(xùn)練模型具備裂縫信息提取能力,其基本算法流程如圖1所示,基本原理如圖2所示。

圖1 基于卷積神經(jīng)網(wǎng)絡(luò)的裂縫識(shí)別流程

圖2 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)由多個(gè)卷積層、池化層和全連接層堆疊而成,卷積操作將裂縫圖像數(shù)據(jù)輸入信息的有效特征提取傳遞至后續(xù)的結(jié)構(gòu)層,采樣層再進(jìn)行特征選擇并壓縮,實(shí)現(xiàn)分類處理。對(duì)于神經(jīng)網(wǎng)絡(luò)模型在路面裂縫識(shí)別中的應(yīng)用問(wèn)題,章天杰等提出了一種改進(jìn)兩步式卷積神經(jīng)網(wǎng)絡(luò)的瀝青路面裂縫識(shí)別方法,通過(guò)不同類型的圖像對(duì)卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練與測(cè)試,實(shí)現(xiàn)了不同類型裂縫的精確提取;劉奇等基于轉(zhuǎn)置卷積神經(jīng)網(wǎng)絡(luò),融合三階段路面裂縫提取算法實(shí)現(xiàn)了路面裂縫自動(dòng)識(shí)別和提取優(yōu)化;章世祥采用卷積神經(jīng)網(wǎng)絡(luò)為主框架,融合ResNet模型和FPN特征金字塔網(wǎng)絡(luò)建立了一種基于機(jī)器視覺(jué)的多目標(biāo)路面裂縫監(jiān)測(cè)模型,研究結(jié)果表明,與傳統(tǒng)模型相比,融合ResNet和FPN的卷積神經(jīng)網(wǎng)絡(luò)模型可以有效保留裂縫病害紋理和細(xì)節(jié)信息;S.Khatir等使用Jaya算法優(yōu)化人工神經(jīng)網(wǎng)絡(luò)的超參數(shù),將其應(yīng)用于裂縫檢測(cè)的自適應(yīng)識(shí)別中,結(jié)果表明所提方法能準(zhǔn)確識(shí)別不同場(chǎng)景下的裂縫長(zhǎng)度,驗(yàn)證了數(shù)值預(yù)測(cè)方法的正確性;還有孫朝云等其他諸多專家學(xué)者們均在卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上進(jìn)行一定的算法改進(jìn),提升了所提模型的識(shí)別精度與速度。

綜上所述,目前路面裂縫識(shí)別領(lǐng)域的研究重心在深度學(xué)習(xí)算法的開(kāi)發(fā)與應(yīng)用上,不同改進(jìn)方法對(duì)卷積神經(jīng)網(wǎng)絡(luò)模型的識(shí)別側(cè)重點(diǎn)各有不同,但系統(tǒng)梳理可知,目前基于卷積神經(jīng)網(wǎng)絡(luò)的裂縫識(shí)別框架仍然在傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上進(jìn)行局部算法的改良,雖在一定程度上識(shí)別精度與效率較原算法有所提升,但整體識(shí)別水平并未有越級(jí)提升。

3 結(jié)論與展望

(1)路面裂縫的成因較為復(fù)雜,瀝青混凝土路面與水泥混凝土路面的裂縫形成機(jī)理有其相同點(diǎn),水泥混凝土與瀝青混凝土路面收溫度影響產(chǎn)生的裂縫大多表現(xiàn)為橫向裂縫形式,受路基墊層密實(shí)度等因素影響產(chǎn)生的結(jié)構(gòu)性裂縫大多表現(xiàn)為縱梁裂縫形式。

(2)傳統(tǒng)的數(shù)字圖像裂縫識(shí)別方法已經(jīng)相對(duì)成熟,目前傳統(tǒng)數(shù)字圖像裂縫識(shí)別領(lǐng)域的創(chuàng)新多側(cè)重于裂縫邊緣檢測(cè)算法的研究,受限于圖像采集質(zhì)量,傳統(tǒng)數(shù)字圖像裂縫識(shí)別方法仍有一定的局限性,對(duì)于復(fù)雜圖像畫(huà)面下的裂縫提取能力不足。

(3)基于深度機(jī)器學(xué)習(xí)的路面裂縫識(shí)別方法是目前較為前沿的技術(shù),圍繞該方向的研究多采用卷積神經(jīng)網(wǎng)絡(luò)的框架對(duì)裂縫圖像進(jìn)行網(wǎng)格化捕捉,其改進(jìn)方式一般分為兩類,一是針對(duì)卷積神經(jīng)網(wǎng)絡(luò)算法網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行改進(jìn),二是優(yōu)化調(diào)整模型超參數(shù),根據(jù)現(xiàn)有研究可知,不同改進(jìn)方法均能在一定程度上提升深度機(jī)器學(xué)習(xí)模型的識(shí)別率。

(4)當(dāng)前對(duì)于路面病害的監(jiān)測(cè)與識(shí)別多為事后識(shí)別,即對(duì)已經(jīng)發(fā)生病害的路段進(jìn)行檢測(cè)識(shí)別,并采取處理措施。隨著傳感器精度的提高、數(shù)據(jù)的爆炸式增長(zhǎng)和計(jì)算機(jī)算力的顯著提升,未來(lái)可融合高精傳感器在重點(diǎn)監(jiān)測(cè)區(qū)域進(jìn)行路面病害的事中感知和事前預(yù)警研究,通過(guò)傳感器數(shù)據(jù)建立路面結(jié)構(gòu)服役性能與荷載環(huán)境等隨機(jī)因素的非線性演化聯(lián)系,并對(duì)可能發(fā)生裂縫或其他病害的區(qū)域進(jìn)行提前預(yù)警和觀測(cè),建立一套基于大數(shù)據(jù)的路面病害預(yù)警采集系統(tǒng),具有良好的研究?jī)r(jià)值和應(yīng)用場(chǎng)景。