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。     

基于深度卷积神经网络的隧道衬砌裂缝识别算法

衬砌裂缝严重影响了铁路隧道的安全运营,采用机器视觉技术快速获取衬砌图片并进行裂缝识别是国内外的研究热点。衬砌裂缝图像信号具有复杂的特性,存在水渍、污染及其他结构缝等引起的噪声,加之光照不均匀、分布不规律等原因,使得传统的图像处理方法难以快速、准确地检测衬砌裂缝。本文提出一种基于深度神经网络的隧道衬砌裂缝识别算法,有效解决了裂缝识别速度慢、精度低等问题。分类结果精度达到94%,识别速度在GPU(Pascal Titan X)上每张图片仅需0.05 s;分割网络性能均交并比可达到65%,能够准确分割出裂缝形状。该算法具有很好的工程应用价值。     

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。     

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。     

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。     

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%。     

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。     

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。     

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。     

既有线隧道衬砌质量无损检测

使用地质雷达技术对隧道衬砌结构进行检测，是物探应用领域发展较为迅速的技术方法。本文介绍了应用地质雷达检测隧道衬砌质量的原理及技术，在大量既有线隧道检测实践基础上，阐述了使用该技术的基本方法及其数据图像处理过程，并对典型图像进行举例分析。     

基于无靶标图像的轨道交通隧道内积水检测技术

轨道交通隧道区段轨行区积水影响行车安全甚至引发严重安全事件。本文介绍一种应用于轨道交通隧道内、基于计算机光谱图像的轨行区积水检测系统。通过对积水检测现状的介绍和光谱反射特点的分析,针对轨行区单点式图像积水检测识别范围窄、无法区域化识别的局限性,提出了利用特定激光补光及图像采集分析判别系统实现区域式无靶标积水的有效检测并阐述了该检测系统的工作原理、系统架构和算法构成。在厦门轨道交通1号线试车线隧道区段搭建模拟轨行区积水的场景进行现场测试,结果表明该系统对轨行区积水检测具有良好的识别效果。     

高速铁路新建隧道衬砌质量检测车的研制与应用

根据我国高速铁路新建隧道建设期的检测需求和特点,提出检测车的主要技术指标和关键技术问题。该车采用轮胎式走行车辆平台,作业速度3～10 km/h,非作业运行最高速度80 km/h,兼具衬砌内部、隧底结构检测与衬砌裂缝识别功能,可同时对拱墙3条测线、仰拱2条测线进行检测。基于机器人自动追踪技术和地质雷达检测技术,雷达天线与衬砌表面距离可保持在(100±20)mm,确保隧道衬砌质量检测数据的连续性和准确性。轮胎式隧道检测车已在新建高速铁路隧道中得到应用,效果良好。     

基于图像技术的无砟道床表观伤损检测系统研制

我国高速铁路部分线路无砟道床裂缝、离缝、缺损等表观伤损主要依赖于人工持钢板尺、塞尺、测宽仪等传统工具进行测量,检测效率低,准确性差.针对这一问题,本文基于图像技术研制了无砟道床表观伤损检测系统,对无砟道床表观高清图像快速采集,利用图像处理、深度学习等技术构建图像识别算法,编制识别软件对采集图像进行智能识别.现场验证结果...     

既有线电气化铁路隧道病害全断面车载检测技术

介绍既有线电气化铁路隧道病害全断面车载检测技术和车载检测系统。车载探地雷达的6组天线辐射面不超过车辆界限,可以80～175 km/h速度采集隧道衬砌结构与围岩结构的雷达回波,并根据雷达回波图像判断隧道衬砌厚度、断裂、错台,围岩破碎、变形,衬砌后面是否有空洞等隧道病害。经现场试验证明可行、有效,可用于隧道衬砌质量和隧道病害普查。     

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。     

地铁隧道表面裂缝智能视觉采集系统

基于我国隧道裂缝检测主要依靠人工检测来实现,检测方式工作效率低、占用线路时间长,无法满足现代城市轨道交通检测的需求。提出一种基于车载式多目高速线阵相机的地铁隧道表面图像采集系统,阐述其系统工作原理,并对系统内部各项硬件设备进行选型,在实验室内完成组装和调试,基本实现线阵相机图像采集的功能,并为后续的隧道表面图像处理提供支持。     

隧道检测系统及其在韩国高速铁路隧道的应用

介绍韩国高速铁路隧道安装的健康监测系统,提出基于检测数据诊断隧道衬砌可能破损的新系统识别方法。引入逆算法,即根据已知的形变数据和混凝土衬砌恒载,估计破损的程度和位置。对以刚度均减和裂缝概念为基础建立的两种模型进行效果和优劣比较。对理想化的隧道结构进行数学分析,并用检测数据中常用的白噪声对模型进行适应性研究。结果表明,基于刚度均减方法的模型1对白噪声相对不敏感,而以裂缝概念为基础的模型2由于受刚度减小的影响很小,易于现场应用。     

铁路GPR检测数据智能管理分析系统的研究与设计

为提高铁路基础设施检测探地雷达数据处理效率,提出了一种铁路探地雷达(GPR)检测数据智能管理分析系统方案。结合铁路基础设施检测工程需求与探地雷达数据特点,开展系统需求分析和设计。优化数据管理、工作流处理、交互解释和统计分析等步骤,克服目前软件的不足;利用Hadoop大数据技术进行多通道探地雷达数据的快速处理,实现海量探地雷达文件的并行计算;利用深度神经网络技术对探地雷达图像进行智能识别。对高铁隧道衬砌检测车采集的数据进行系统应用测试,测试效果显示,该系统可以提高探地雷达检测数据的管理和处理效率,推动铁路基础设施探地雷达检测向信息化、智能化和标准化发展。