基于图像识别技术的隧道衬砌裂缝检测系统研究

首先分析了既有隧道衬砌裂缝检测系统存在的问题,然后应用最新技术发展成果,提出基于图像识别技术的隧道衬砌裂缝检测系统。该系统能对隧道衬砌图像予以高速采集和存储,其后端采用基于深度学习的裂缝识别算法对海量的隧道衬砌图像数据进行快速识别,并提取裂缝特征参数。将该系统安装在现有轨道车上进行了试验,结果表明该系统可以50 km/h的速度对1 mm以上衬砌裂缝无遗漏采集。     

基于图像特征提取的隧道衬砌裂缝检测研究

隧道内存在的各种病害中以衬砌裂缝最为常见和严重。现阶段我国正处于高速铁路大量建设和投入使用的时期,由于高速铁路列车运行速度较快,衬砌裂缝产生掉块将会是巨大的安全隐患。但与之相应的隧道检测手段仍停留在人工肉眼检测的阶段,本文基于近几年快速发展的工程图像检测系统,提出适用于图像检测的隧道衬砌裂缝评价指标,对采集到的裂缝图像进行增强和分割处理,通过实验选取了合适的增强和分割方法,并利用形态学原理对裂缝图像进行处理,提取出裂缝长度、宽度等特征指标,并将特征指标作为识别和评价裂缝的数据依据。     

基于特征分析的地铁隧道裂缝识别算法

有效地检测地铁隧道表面裂缝对于隧道的安全至关重要。地铁隧道表面图像普遍存在光照不均匀,目标对比度低,背景纹理复杂,噪声干扰严重等问题,而检测传统图像裂缝,如混凝土表面、路面裂缝等的算法不能很好地适用于地铁隧道表面图像。为此本文提出了一种隧道表面裂缝识别的算法。该算法首先利用Mask匀光等预处理算法改善隧道图像的质量,而后分别设计了基于模板的分析法、基于Hough变换的线型结构分析法、基于SVM的近似裂缝结构分析法等算法对隧道表面裂缝图像各成分进行提取,从而达到识别裂缝的目的。实验结果表明,该算法对传统裂缝图像的识别准确率可达97%,对于隧道表面的裂缝图像识别准确率可达81%。     

隧道衬砌分岔裂缝特征提取研究

随着高速铁路的快速发展,高铁隧道的病害问题逐渐受到重视,而隧道衬砌分岔裂缝发育造成的衬砌剥落掉块已成为常见的隧道病害之一,因此对于分岔裂缝的检测与防治十分重要。基于数字图像处理的隧道衬砌裂缝特征提取研究方面,国内外专家学者已经做了很多工作,但大都基于单线裂缝,针对分岔裂缝的特征提取研究还很少。利用MATLAB软件编程,在单线裂缝特征识别的基础上,通过对分岔裂缝进行分支化处理,提取了分岔裂缝的拐点特征。并加入了分岔点生长编码作为分岔裂缝新的裂缝特征,该特征能够量化分岔裂缝的初始生长方向。经裂缝匹配试验验证,不同时期的分岔裂缝图像,其拐点特征和分岔点生长编码特征能够达到高度匹配。两种特征能够为分岔裂缝的机器自动化识别提供可靠依据,进而为实现隧道衬砌剥落掉块预警奠定基础。     

隧道表面图像多目标智能识别算法研究

隧道表面病害已经成为轨道交通基础设施巡检的重要任务之一,人工巡检方法耗时长、强度高,需要智能化、自动化的目标检测与病害识别算法研究。提出一种隧道多目标分类方法和智能识别理论模型,对采集的隧道表面图像进行精细化标注并建立数据集,采用基于语义分割的理论模型对隧道图像目标进行智能分类识别。考虑隧道纹理的特殊性,本研究对算法中模型结构进行改进优化,实现隧道多种目标的智能化检测。试验中,通过测试集和隧道正线图像进行对比试验,其中隧道典型病害裂缝的检测率为94.2%,渗漏水的检测率为96.9%,验证了模型和算法的有效性。     

基于局部图像纹理计算的隧道裂缝视觉检测技术

地铁隧道裂缝病害的自动检测技术是一个重要研究方向。针对地铁隧道复杂场景和弱光环境下,全局图像检测精度低的问题,提出分块图像局部纹理处理算法,将大视场裂缝图像进行网格化处理,在分块区域内完成预处理与纹理提取,基于图像细化与骨架提取算法,提出裂缝和虚假裂缝纹理的差异性计算模型,可有效提高真实裂缝图像的检测精度,滤除虚假裂缝的干扰。针对硬件系统,提出多目高速线阵相机的图像采集方案,研制裂缝图像采集系统样机,可安装于轨道小车上进行图像连续采集。利用研制的图像采集处理设备,可以自动采集和检测隧道裂缝图像,对于纹理简单的普通裂缝图像样本,裂缝的识别率达到0.96;对于地铁隧道裂缝图像样本,裂缝的识别率达到0.84,验证了硬件系统和软件算法的有效性与可行性。     

铁路隧道衬砌表观裂缝快速检测技术

梳理了国内外衬砌表观状态检测技术发展现状,对现场踏勘检测和衬砌表观检测系统检测出的衬砌裂缝检出率、里程误差、长度误差等关键参数进行了对比分析。结果表明：衬砌表观检测系统对宽度0.3 mm及以下的裂缝检出率为54.3%,对宽度0.3 mm以上的裂缝检出率为92.6%;纵向裂缝长度的离散误差为±0.7 m,主要由里程误差所致;环向裂缝长度的离散误差在-0.4～1.0 m,主要由图像拼接冗余所致。与现场踏勘检测结果相比,表观检测系统识别的环向裂缝长度存在27%的系统性放大现象,需进一步研究基于关键特征点匹配技术的图像拼接方法,降低拼接冗余,以提高环向裂缝长度的识别精度。     

隧道检测裂缝的图像处理研究

裂缝是隧道衬砌最常见的病害之一,基于近几年快速发展的工程检测系统与图像处理算法的研究,提出基于CCD相机的衬砌裂缝检测系统来采集裂缝图像。通过比较均值滤波、中值滤波、维纳滤波、自适应中值滤波和加权邻域滤波比较,选择自适应中值滤波进行图像增强。结合直方图阈值分割法、Otsu最大类间方差阈值和局部阈值分割法,对增强后图像进行二值化处理比较,Otsu法较好地保留了裂缝的边缘信息,证明了该算法的有效性,为后续裂缝信息的提取奠定了基础。     

基于生成对抗网络的隧道裂缝自动分割算法研究

传统裂缝识别技术需要大量带标签的裂缝图像作为试验数据集，为减少裂缝图像标注的工作量，利用生成对抗网络图像分割的特性与优势，构建一种Crack-GAN网络用于隧道裂缝自动分割。Crack-GAN网络结构集成2个模块：融合残差化U-Net网络的生成器网络和利用全卷积网络生成置信图的判别器网络。首先U-Net模块使用密集的残差模块来生成保留细粒度信息的深层表示，然后判别器来判断输入真假，并以端到端的方式训练，再经过生成对抗模型之间不断迭代，使生成模型达到分割裂缝的最优状态。试验表明，Crack-GAN网络在自制铁路隧道裂缝数据集上的像素准确性为98.35%,精准率为71.23%,召回率为80.78%,F1得分为75.98%,单次检测时间80 ms,综合表现优于U-Net和CrackSegNet。     

朔黄铁路隧道衬砌表观病害检测技术

为实现朔黄铁路隧道衬砌表观病害远距离非接触快速检测,提出一种基于多源数据深度融合的隧道病害检测方法。首先利用高清线阵相机、激光扫描传感器等检测设备获取隧道衬砌表观高清图像和激光点云数据,然后利用特征提取网络提取图像和点云特征图,并采用空间变换方法将图像特征图投影到点云特征俯视图上得到融合特征图,最后利用候选区域网络和金字塔场景分析网络对融合特征图进行检测识别,输出病害的类型与位置信息。在朔黄铁路重点隧道开展的现场试验表明,该方法能检测隧道裂缝、掉块、渗水等表观病害状态,有效提升重载铁路隧道运维的智能化程度及综合检测水平。     

铁路桥梁裂缝位置识别与目标检测方法探讨

裂缝是铁路混凝土桥梁累积性破损的早期表现形式。由于裂缝形态的非线性和桥梁结构所处环境的多样性,依靠人工作业的桥梁裂缝检测存在耗时长、主观性大、检测精度不高等问题,已无法满足桥梁状态诊断的需求。传统的裂缝图像处理方法过于依赖算法设计者的经验,易导致检测精度不高。针对上述问题,提出一种基于Detectron平台的目标检测模型,利用模型中卷积神经网络(CNN)对输入图像的光线、扭曲旋转、大小变化等高度适应的优点,从大量裂缝图像中学习裂缝特征,实现对桥梁裂缝位置的识别。采用图像分割法建立图像训练集、验证集及测试集,用特征标定工具为数据集作裂缝位置标签,创建由4个卷积层(Conv),4个池化层(Max-pooling)和1个全连接层(FC)共922,368个参数组成的卷积神经网络(CNN),并将学习率调整为0. 001。验证及测试表明,所提出的基于Detectron平台的目标检测模型在数据多次迭代后具有良好的裂缝位置识别精度。用于模型学习的训练集与验证集上,识别精度最优值分别为92. 64%和88. 98%,未被模型学习的测试集上,识别精度最优值为90. 43%。最后,通过与传统图像处理识别技术的对比分析,阐明模型在特征识别上的优劣性。     

基于深度学习的铁路限界快速检测算法

列车行驶环境快速、可靠、精准感知是列车安全、高效运行的前提和关键支撑技术。列车若无法提前感知非法侵入铁路限界范围内的异物,并在短时间内有效制动,将会导致严重的安全事故。为解决列车运行环境内影响运行安全的异物侵限问题,基于深度学习算法,提出一种铁路轨道限界快速检测算法。该方法首先采用预设行锚框的方式对图像进行划分,将传统分割算法的逐像素预测,转变为对每个行锚框进行逐网格预测,以达到显著降低算法计算量,并提高检测速度的目的。同时,通过快速识别图像中属于轨道部分的像素,结合轨道线的连续特征进行追踪,达到铁路轨道坐标的智能快速识别。最后根据标准轨距下限界的定义,对识别出的轨道线坐标和侵限区域进行扩充,以确定铁路异物入侵限界的范围。通过在真实轨道数据集上的对比实验,验证所提算法能以172FPS的速度快速检测铁路限界,且轨道线和限界区域的识别精度分别达到98.96%和98.12%,F1值分别达到99.68%和98.95%,限界区域检测的平均交并比MIoU达到96.88%,各类指标均取得当前最好的准确率和性能,满足高速列车对环境感知精度和速度要求,可以为异物侵限检测、目标跟踪和列车控制等环境感知及运...     

铁路隧道衬砌表观病害智能检测技术

针对铁路隧道衬砌表观病害检测需求，梳理并分析技术现状，介绍隧道衬砌表观病害智能检测系统的研制情况和系统组成。提出铁路隧道衬砌表观病害智能检测面临的技术难点，分析图像快速采集、病害智能识别、病害样本库构建等智能检测关键技术。通过基于实测数据集以及现场检测复核等手段，验证铁路隧道衬砌表观病害智能检测系统关键参数。结合现场运用情况，分析铁路隧道衬砌表观病害智能检测系统运用效率。智能检测系统应用表明，铁路隧道衬砌表观病害智能检测技术可大幅提升隧道衬砌病害检测的自动化和智能化水平。     

隧道二衬背后空洞智能化检测和预防技术撤回

目前隧道衬砌质量检测方法仍然以“地质雷达+敲击法”为主,敲击法存在检测效率低、精度低、受人为因素影响大,容易出现漏检误检等诸多问题。为了提升敲击法在隧道衬砌检测中的有效性,基于敲击回声研究了隧道衬砌智能化检测新技术,通过采用自动敲击、声音自动采集和智能识别方法,在数值仿真的基础上从时域、频域、时频域维度提取隧道衬砌空洞特征参数,进一步建立对正常回声与空响回声的识别模型,针对空洞识别模型进行的模拟实验和实际隧道现场试验,数据结果表明,智能化检测新技术的空洞识别正确率达90%以上,可以有效识别空洞,实现隧道衬砌智能化检测。同时结合后期智能预防措施,采用最新衬砌空洞预防技术,可最大程度地减少和避免空洞的出现,以确保隧道运营安全。     

高铁隧道裂缝成因分析

针对高铁隧道衬砌出现的裂缝病害,通过对隧道秋检资料的统计分析和隧道的现场调研,初步掌握了隧道裂缝的分布规律。裂缝作为隧道衬砌常见病害,从混凝土自身特性、基础不均匀沉降、施工因素、列车动荷载作用、空气动力学效应等方面进行分析,并考虑高铁隧道的特殊性,从空气动力学效应方面进行探讨。提出隧道衬砌裂缝的形成大多是多种因素的共同作用,建议隧道裂缝整治时,应先确定病害的主要成因再进行整治。     

一种新型轻量级语义分割网络的轨道及障碍物检测方法研究

针对当前常用的语义分割算法普遍存在无法同时兼顾分割精度与分割速度，以及因下采样带来分辨率损失所导致分割精度不佳的问题，提出一种可同时兼顾分割精度和分割速度的语义分割模型MBv2-DPPM。首先对MBv2网络的逆残差深度可分离卷积块进行修正，去除下采样以增强分割精度；其次在原始主干特征网络的最后4层加入级联空洞卷积，解决网络感受野不足的问题；然后提出一种融合双层金字塔池化多尺度复合结构，聚合图像浅层和深层上下文信息，解决由于交通场景复杂、干扰因素众多导致各物体边界混淆无法区分的问题；最后使用公共数据集和自建轨道数据集对算法进行验证。实验结果表明：与传统语义分割模型相比，在满足分割速度的条件下，本算法精度更高，且对于复杂交通场景效果更明显，MIoU指标可达87.09%,mAP指标达到90.42%,图片推理速度为66 ms/帧。     

电气化铁路隧道衬砌质量检测精度研究

针对我国既有电气化铁路隧道,空气耦合式探地雷达开始应用于隧道衬砌质量检测当中,其检测精度成为其应用的关键。应用Gpr Max二维模拟软件,结合空气耦合式探地雷达实际检测背景,对隧道衬砌5种实际工况进行模拟。通过建立各种工况不同尺寸隧道病害模型,对分界层进行识别,并对其进行逼近分析,计算衬砌及病害层厚度。根据反射回波特性,分析隧道衬砌及病害界面反射时间,探究空气耦合式探地雷达对隧道病害识别的精度,研究证明检测结果可以很好反映隧道衬砌实际情况。对探地雷达隧道检测数据分析及检测结果判定提供了理论依据,为探地雷达隧道衬砌质量在实际应用中隧道缺陷和病害能否识别以及识别分辨率问题提供了依据。     

铁路隧道衬砌表观病害等级评定研究

运营期铁路隧道衬砌存在不同程度的裂缝、渗漏水、剥落（掉块）等表观病害。本文首先分析了GB 50010—2010《混凝土结构设计规范》、TB/T 2820.2—1997《铁路桥隧建筑物劣化评定标准隧道》等规范和标准评定隧道衬砌表观病害等级时存在的差异，针对QC/R 405.2—2019《铁路桥隧建筑物劣化评定第2部分：隧道》中存在的对细长裂缝没有给出判定规则、未考虑环向位置对等级评定的影响、不能依据检测图像对剥落（掉落）病害进行等级评定等问题，对裂缝长宽等级进行了细分，对病害环向位置进行了划分。在此基础上，对Q/CR 405.2—2019中高速、普速铁路隧道衬砌裂缝、渗漏水的等级评定规则进行了细化，实现了对不同属性特征的隧道衬砌表观病害等级的比较全面的评定。最后给出了隧道衬砌表观病害关注程度分类规则和不同等级病害的应对措施。     

基于MFCC的高铁隧道衬砌脱空智能识别

衬砌脱空作为高铁隧道常见病害之一,威胁车辆和人员安全。目前,高铁隧道衬砌脱空检测多采用人工敲击听声的方法进行判断,受主观影响较大,准确率会受到影响。基于传统叩诊法原理并结合声音识别技术,对高铁隧道衬砌脱空的智能识别进行研究。采集京广高铁某隧道敲击检查的270段敲击声音样本,分析密实和脱空状态下的时域和频域特征。分析发现：衬砌背后密实与脱空时域波形特征和短时能量均有显著差异;密实状态下主频与次主频在6 200 Hz左右,脱空状态下主频与次主频在800 Hz左右。提取36维梅尔频率倒谱系数（MFCC）,降维处理后作为机器学习数据集。采用极端梯度提升（XGBoost）算法训练与测试,建立基于MFCC的高铁隧道衬砌脱空智能识别模型,与优化的支持向量机（CV-SVM）模型和梯度提升决策树（GBDT）模型相比,识别准确率更高,达到96.87%。该模型可用于衬砌背后脱空的定性识别,相较于人工检测,智能化和信息化程度极大提升,对智能化和自动化诊断高铁隧道衬砌脱空缺陷具有重要意义。     

高寒地区围岩冻胀对已有裂缝隧道安全性的影响

通过分析隧道工程中围岩冻胀机理,结合衬砌内力分析,建立已有裂缝隧道的弹性冻胀计算理论。以张家口市一隧道为例,通过与数值分析的对比,验证了该计算理论的准确性。综合考虑围岩岩体的局部冻胀分布、相对冻结深度、含水率、衬砌初始裂缝深度等因素,研究已有裂缝隧道安全的影响规律、内在机制和预防措施。结果表明:弹性冻胀理论可以较精确地计算裂缝衬砌受冻胀后的部分应力和位移量,分析隧道不稳定状态,为高寒地区隧道设计提供借鉴。