針對市政橋梁施工中容易出現(xiàn)的施工缺陷進行識別與檢測，提高施工過程中橋梁建設(shè)的質(zhì)量與安全系數(shù)。利用無人機搭載高清成像系統(tǒng)采集橋梁各方位圖像，對圖像進行灰度轉(zhuǎn)換、濾波去噪、圖像增強等預(yù)處理；以橋梁缺陷特征提取結(jié)果作為測試樣本與訓(xùn)練樣本，構(gòu)建了卷積神經(jīng)網(wǎng)絡(luò)模型識別圖像中橋梁缺陷類型。經(jīng)實際工程驗證，此方法可以精準(zhǔn)識別橋梁施工的多種缺陷，具有廣闊的推廣價值與空間。
關(guān)鍵詞：市政橋梁；卷積神經(jīng)網(wǎng)絡(luò)；缺陷識別
1 引言
我國城市橋梁施工正朝著立體化、多層次的趨勢邁進，國內(nèi)橋梁建設(shè)需求與力度不斷加大，市政橋梁建設(shè)項目數(shù)量和規(guī)模擴張，對施工質(zhì)量水平提出了新的標(biāo)準(zhǔn)與要求。橋梁施工質(zhì)量問題是影響交通安全運輸?shù)闹饕蛩刂唬Ｕ鲜姓蛄菏┕べ|(zhì)量、減少施工缺陷是提高市民生命安全系數(shù)、促進社會和諧穩(wěn)定的基本要求[1]。所以，結(jié)合當(dāng)前科技發(fā)展水平設(shè)計一套識別與檢測橋梁施工缺陷的方案勢在必行，市政橋梁施工中缺陷識別既要高效，又要具有精準(zhǔn)性，才能符合當(dāng)前橋梁施工建設(shè)水平。裂縫是常見的橋梁施工缺陷，由于大部分橋梁施工的關(guān)鍵材料是混凝土，混凝土結(jié)構(gòu)構(gòu)筑容易發(fā)生裂縫現(xiàn)象，裂縫不及時修補為橋梁坍塌埋下安全隱患[2]。本次研究結(jié)合缺陷識別領(lǐng)域應(yīng)用頻率較高的圖像處理技術(shù)，對橋梁施工的裂縫、蜂窩、銹蝕等缺陷進行識別與檢測，及時查找出市政施工中的安全隱患，增強橋梁運行的整體質(zhì)量。
2市政橋梁施工中缺陷識別技術(shù)研究
2.1基于無人機的橋梁施工圖像采集與處理
2.1.1無人機圖像采集技術(shù)
無人機采集橋梁施工圖像具有較高的靈活性，可以全方位自由采集橋底面、側(cè)面等難以到達的部位信息。無人機采集橋梁施工圖像需要搭載高清的成像系統(tǒng)，識別橋梁裂縫的精度可達0.1mm，本次研究選用大疆品牌無人機配合使用高清成像系統(tǒng)，聯(lián)合采集橋梁各個角度、層面的缺陷信息。本次研究中無人機搭載高清攝像頭的結(jié)構(gòu)如下：包括云臺、高清成像系統(tǒng)、LED燈具、激光測距儀、旋翼、防撞系統(tǒng)等主要構(gòu)件[3]。其中，高清成像系統(tǒng)運用5000萬像素的攝像頭，符合高精度圖像采集的標(biāo)準(zhǔn)；防撞系統(tǒng)、云臺技術(shù)可以減少無人機的自身抖動程度、提高圖像采集的穩(wěn)定性，降低噪聲干擾；LED燈具能夠為光線不足環(huán)境提供照明補充，提高橋底施工圖像采集的清晰度；激光測距儀可以測量到圖像拍攝的位置信息，為橋梁缺陷定位提供數(shù)據(jù)基礎(chǔ)。
2.1.2 橋梁施工圖像預(yù)處理
橋梁施工圖像預(yù)處理的方法與步驟如下：
（1）圖像灰度化處理。無人機采集的彩色圖像蘊含豐富且大量的圖像信息，圖像特征提取與缺陷識別僅應(yīng)用到灰度信息，圖像灰度化處理后可以減少算法運行所占空間，提高橋梁施工缺陷識別的效率[4]。本文采用加權(quán)平均法轉(zhuǎn)換圖像的灰度模式，此方法在諸多相關(guān)特征提取實驗中取得了優(yōu)異成果。
（2）圖像濾波去噪處理。無人機采集橋梁圖像時受光線、設(shè)備性能、不確定因素干擾產(chǎn)生大量噪聲，影響裂縫缺陷特征提取效果。本文基于均值濾波算法對橋梁圖像去噪，該方法優(yōu)點是運算效率高、濾波器容易實現(xiàn)。
（3）圖像增強處理。對采集的橋梁施工圖像進行灰度與濾波處理后，圖像的噪聲含量有所減少。為提高圖像中橋梁缺陷提取精度，需要對圖像實施增強處理進一步優(yōu)化圖像質(zhì)量。圖像增強改善圖像質(zhì)量的同時重在突出圖像邊緣、輪廓等感興趣區(qū)域，強調(diào)了圖像對比度，有助于圖中橋梁裂縫缺陷的識別檢測。用于增強圖像效果的方法較多，此處采用小波變換圖像增強法，使用多重小波函數(shù)描述信號，能夠?qū)D像的時頻實施綜合性解析，優(yōu)勢是有效抑制圖像噪聲、加強橋梁施工圖像的細(xì)節(jié)表達。
2.2裂縫缺陷特征提取與識別
以預(yù)處理完成的橋梁圖像為基礎(chǔ)，采用二維OTSU算法分割圖像信息，提取橋梁圖像中的缺陷特征。然后將特征提取結(jié)果作為缺陷識別的樣本，構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)模型對目標(biāo)缺陷進行分類識別，完成橋梁施工缺陷的檢測工作[5]。卷積神經(jīng)網(wǎng)絡(luò)模型構(gòu)建步驟如下：
（1）準(zhǔn)備600幅橋梁缺陷圖像作為訓(xùn)練樣本集、150幅橋梁缺陷圖像作為測試樣本集，如圖像數(shù)量不足可通過旋轉(zhuǎn)、平移等方式擴充圖像庫。圖像統(tǒng)一像素、格式之后標(biāo)記序號備用。
（2）本次構(gòu)建的卷積神經(jīng)網(wǎng)絡(luò)模型如圖1所示。橋梁施工缺陷圖像輸入大小為統(tǒng)一規(guī)范，通過第一次卷積與抽樣操作完成第一次映射，通過第二次卷積與抽樣操作完成第二次映射。第一次特征映射操作的圖像數(shù)量為4幅，第二次特征映射操作的圖像數(shù)量為6幅，全連接層的缺陷結(jié)果輸出類型為4種[6]，分別為混凝土裂縫缺陷、麻面缺陷、蜂窩缺陷、銹蝕缺陷。
圖1 卷積神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)
（a）預(yù)處理前 （b）預(yù)處理后
圖2 本文方法預(yù)處理效果
3 實驗驗證與分析
為驗證本文提出的橋梁缺陷識別方法可行實用，以某市政橋梁施工工程為例開展缺陷檢測測試。本次測試應(yīng)用的硬件設(shè)備包括大疆無人機、5000萬像素的高清成像系統(tǒng)、激光測距儀、LED照明設(shè)備。計算機處理環(huán)境如下：Intel Core CPU、主頻2.60 GHz、運行內(nèi)存可達8 GB。在橋梁施工現(xiàn)場采集圖像總計750幅，其中150幅作為測試集，600幅作為訓(xùn)練樣本集。卷積神經(jīng)網(wǎng)絡(luò)模型識別橋梁施工缺陷的迭代次數(shù)設(shè)為150次，每次迭代消耗5s。本次測試中各類型缺陷設(shè)置情況與本文方法識別缺陷結(jié)果見表1，并以橋梁裂縫缺陷為例展示了圖像預(yù)處理前后的圖像質(zhì)量情況，見圖2。
表1 本文方法缺陷識別與檢測結(jié)果
數(shù)據(jù)顯示，本文方法識別市政橋梁缺陷的誤差約在1.70%～4.30%之間，識別混凝土裂縫缺陷的效果最佳，識別橋梁混凝土蜂窩缺陷的誤差相對較高?？傮w而言，本文方法識別橋梁缺陷的精度均大于95%，滿足了現(xiàn)實橋梁施工對缺陷檢測精度的要求。
由圖2可知，經(jīng)過本文方法與處理前后的圖像質(zhì)量與清晰度差距顯著，無人機采集的原始圖像雜色、噪聲較多，裂縫特征的邊緣較為模糊，影響裂縫特征提取的質(zhì)量；預(yù)處理后的圖像裂縫更為突出，裂縫界限清晰，便于精準(zhǔn)提取圖像的感興趣區(qū)域。
4結(jié)論
本文研究的市政橋梁施工缺陷識別方法存在兩項優(yōu)勢特征：其一，使用無人機搭載高清成像系統(tǒng)采集橋梁圖像，采集方式靈活、采集范圍較為全面；其二，構(gòu)建了卷積神經(jīng)網(wǎng)絡(luò)對橋梁缺陷特征進行分類，輸出結(jié)果可表征4種缺陷類型，通過預(yù)先學(xué)習(xí)缺陷類型的方式精準(zhǔn)識別測試集中的橋梁缺陷并進行分類，滿足了橋梁施工的質(zhì)量檢測需求。實驗結(jié)果證明了此方法識別橋梁缺陷的有效性，關(guān)于混凝土蜂窩缺陷識別能力相對較弱的問題，未來可進一步加強探索研究，有針對性的改進卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建性能，全方位優(yōu)化市政橋梁施工缺陷識別效果。
