CN108918539B - 一种隧道结构表观病害检测装置及方法 - Google Patents

Abstract

本发明公开一种隧道结构表观病害检测装置及方法。所述检测装置包括：相机组、光源、环境光传感器、测距仪、主控机；环境光传感器的输出端与主控机连接，环境光传感器用于检测环境中光的亮度，并将获得的光的亮度数据传输至主控机；测距仪的输出端与主控机连接，测距仪用于测量检测装置与隧道表面之间的距离，并将获得的距离数据传输至主控机；主控机与光源的控制端连接，主控机用于根据光的亮度数据和距离数据调节光源的参数；相机组的输出端与主控机连接，相机组用于拍摄隧道结构的表观图像，主控机还用于对图像数据进行分析，得到隧道结构的表观病害检测结果。采用本发明的检测装置或方法，可以提高病害检测的效率，提升检测效果。

Description

一种隧道结构表观病害检测装置及方法

技术领域

本发明涉及隧道病害检测领域，特别是涉及一种隧道结构表观病害检测装置及方法。

背景技术

隧道表观病害现象包括衬砌开裂、腐蚀剥落及接缝错裂、渗漏水等，这些病害影响隧道交通的安全性。传统人工检测的方法，通过目视和拍照，针对隧道裂缝、渗漏、错台主要指标进行检测并做好详细记录，以便后期处理数据、整理结果，肉眼观察的人为主观因素影响较大，效率低、准确性差。

现有采用隧道检测车系统探测隧道衬砌，一般仅得到图像数据，需要通过计算机进行后续图像处理和病害识别实现对裂缝及渗漏水等病害的检测分析。现有的图像采集装置对于环境光强度变化缺乏相应的反馈调整措施，采集的图像质量参差不齐，而且获取隧道图像间容易存在光度差，就会使拼接后的隧道图像缝合线两边出现明显的明暗变化，图像对比度过大，不能满足隧道图像的拼接要求；采集得到的图片需要传输至上位机电脑进行后续的校正拼接等处理工作，才能得到适用的图像进行病害识别与处理。

由此可见，现有检测方法病害检测与病害定位效率较低，病害采集自动化程度不高，检测效果不佳。

发明内容

本发明的目的是提供一种隧道结构表观病害检测装置及方法，以提高病害检测的效率，提升检测效果。

为实现上述目的，本发明提供了如下方案：

一种隧道结构表观病害检测装置，所述检测装置包括：相机组、光源、环境光传感器、测距仪、主控机；所述环境光传感器的输出端与所述主控机连接，所述环境光传感器用于检测环境中光的亮度，并将获得的光的亮度数据传输至所述主控机；所述测距仪的输出端与所述主控机连接，所述测距仪用于测量所述检测装置与隧道表面之间的距离，并将获得的距离数据传输至所述主控机；所述主控机与所述光源的控制端连接，所述主控机用于根据所述光的亮度数据和所述距离数据调节所述光源的参数；所述相机组的输出端与所述主控机连接，所述相机组用于拍摄隧道结构的表观图像，并将拍摄的图像数据传输至所述主控机，所述主控机还用于对所述图像数据进行分析，得到所述隧道结构的表观病害检测结果。

可选的，所述检测装置还包括：检测车和编码器，所述相机组、所述光源、所述环境光传感器和所述主控机均固定于所述检测车上；所述编码器与所述检测车的车轮同轴安装，所述编码器的输出端与所述主控机连接，所述编码器用于检测所述检测车的行进速度，并将得到的行进速度数据传输至所述主控机，所述主控机根据所述行进速度数据、所述光的亮度数据和所述距离数据调节所述光源的参数。

可选的，所述相机组为面阵或线阵相机，当所述相机组为线阵相机时，所述主控机还与所述线阵相机的控制端连接，所述主控机用于对所述线阵相机的采集行频进行调节。

可选的，所述光源的参数包括光强和曝光时间；当所述相机组为线阵相机时，所述主控机用于根据所述光的亮度数据和所述距离数据调节所述光源的强度；当所述相机组为面阵相机时，所述主控机用于根据所述光的亮度数据和所述距离数据调节所述光源的强度和曝光时间。

可选的，所述检测装置还包括：上位机，所述上位机与所述主控机连接，所述上位机用于对所述主控机进行程序设置，还用于接收所述主控机传输的隧道结构的表观病害检测结果。

一种隧道结构表观病害检测方法，所述检测方法包括：

获取检测装置中相机组拍摄的隧道结构的表观图像数据；所述检测装置包括：相机组、光源、环境光传感器、测距仪和主控机；所述环境光传感器的输出端与所述主控机连接，所述环境光传感器用于检测环境中光的亮度；所述测距仪的输出端与所述主控机连接，所述测距仪用于测量所述检测装置与隧道表面之间的距离；所述主控机与所述光源的控制端连接；所述相机组的输出端与所述主控机连接，所述相机组用于拍摄隧道结构的表观图像，并将拍摄的图像数据传输至所述主控机；

采用基于形态学的图像识别方法，对所述图像数据进行处理，得到处理后的图像数据；

对所述处理后的图像数据进行网格化和展开，并进行拼接，得到拼接后的图像数据；

获得隧道结构表观病害数据库；

根据所述隧道结构表观病害数据库，对所述拼接后的图像数据进行病害特征匹配和病害识别，得到隧道结构的表观病害检测结果。

可选的，所述获取检测装置中相机组拍摄的隧道结构的表观图像数据，之前还包括：

获取环境中光的亮度数据；

获取所述检测装置与隧道表面之间的距离数据；

获取检测车的行进速度数据；

根据所述光的亮度数据、所述距离数据和检测车的行进速度数据，调节光源的参数；所述光源的参数包括光强和曝光时间。

可选的，所述根据所述光的亮度数据、所述距离数据和检测车的行进速度数据，调节光源的参数，之前还包括：

获取相机组的类型，所述相机组的类型包括线阵相机和面阵相机；

当所述相机组的类型为线阵相机时，根据所述光的亮度数据、所述距离数据和检测车的行进速度数据，调节光源的强度；当所述相机组的类型为面阵相机时，根据所述光的亮度数据、所述距离数据和检测车的行进速度数据，调节光源的强度和曝光时间。

可选的，所述获得隧道结构表观病害数据库，之前还包括：

获取上位机的设置参数；所述设置参数包括病害图像分类标准、隧道结构表观病害数据库种类和卷积神经网络模型种类。

可选的，所述根据所述隧道结构表观病害数据库，对所述拼接后的图像数据进行病害特征匹配和病害识别，得到隧道结构的表观病害检测结果，之后还包括：

获取用户选择的查看类别；

根据所述用户选择的查看类别和所述病害图像分类标准，从所述隧道结构的表观病害检测结果中筛选对应的图像进行显示。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明通过根据检测环境调节光源的参数，以保证图像拍摄质量；通过读取并记录测距仪和编码器中的数据，采集当前的隧道纵向定位数据和检测装置的实时位置；对面阵或线阵相机采集的图像，本发明直接进行图像的校正和拼接等工作；经处理后的图像进行病害识别与分类操作，筛选出病害图像数据及其定位信息，进而实现自动化采集表观病害图像数据和定位信息并在进行病害识别分析，高效准确地进行隧道病害检测。实现了隧道表观病害检测的智能化、快速高精度和客观性，克服了传统检测方法存在的工作量大、效率低、精度低、主观性强等缺点；快速检测衬砌表面裂缝、隧道渗漏水、衬砌腐蚀、隧道断面异常形变等病害，提高了采集数据的质量，降低了人工成本，提高了检测效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明隧道结构表观病害检测装置的结构示意图；

图2为本发明隧道结构表观病害检测装置中主控机的架构框图；

图3为本发明隧道结构表观病害检测方法的流程示意图；

图4为本发明隧道结构表观病害检测方法的病害识别的流程示意图。

图中，1-图像采集部分，2-调节支架，3-上位机，4-检测车，5-编码器，6-主控机。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

图1为本发明隧道结构表观病害检测装置的结构示意图。如图1所示，图像采集部分1和主控机6均固定在检测车4上。图像采集部分1主要用于根据环境光条件自动调整光源强度和曝光时间，通过面阵或线阵相机进行隧道表观图像信息采集工作。主控机6主要用于提取采集到的图像信息，对图像进行校正、拼接等处理工作，可对处理后的图像进行病害识别与分类，筛选并存储病害图像及相关信息，存储的隧道病害相关信息可传输至上位机3。

图像采集部分1主要包括：相机组、光源、环境光传感器、测距仪。相机组为面阵或线阵CCD/CMOS相机，光源为与相机组适应的线型LED光源或线型激光光源。CCD/CMOS相机通过CameraLink接口与主控机6连接，光源、环境光传感器、测距仪、编码器均与主控机6连接。通过环境光传感器、测距仪、编码器得到的环境信息，主控机6通过内部的自动控制模块控制光源的光强和曝光时间等光源参数。相机、光源、环境光传感器、测距仪位于图像采集部分1的内部，光源、环境光传感器、测距仪固定于相机两侧。

环境光传感器的输出端与主控机6连接，用于检测环境中光的亮度，并将获得的光的亮度数据传输至主控机6。所述测距仪的输出端与主控机6连接，用于测量所述检测装置与隧道表面之间的距离，并将获得的距离数据传输至主控机6，测距仪可以采用激光测距仪。主控机6与光源的控制端连接，主控机6根据光的亮度数据和距离数据调节光源的参数；所述相机组的输出端与主控机6连接，所述相机组用于拍摄隧道结构的表观图像，并将拍摄的图像数据传输至主控机6，主控机6对所述图像数据进行分析，得到隧道结构的表观病害检测结果。

编码器5为高精度绝对值旋转编码器，与检测车4的车轮同轴安装，利用模数转换器，将脉冲信号转换为数字信号，实时传输信号给主控机，即可实时测量检测车4的行进里程。此时，主控机也能根据检测车4的行进速度调节光源的参数和相机的适宜的采集速度，例如控制线阵相机的采集行频，以及面阵相机的曝光间隔时间。主控机的调节标准为：采用线阵相机时，调节光源光强和相机采集行频；采用面阵相机时，调节光源的光强与曝光时间，保证图像采集质量，避免图像明暗差过大，满足图像拼接和处理的要求。线阵相机对应的线型光源光强范围为3000～6000Lux，采用合理的线阵工业相机速度即行频，单位是KHz。比如：12KHz表示线阵工业相机在1秒钟内最多能采集12000行图像数据。面阵相机对应的光源光强范围为3000～4000Lux，且采用光强越大曝光时间则越短，以保证稳定的曝光量。

检测装置的整个设备需配置电源，移动方式为车载。面阵或线阵CCD/CMOS相机与主控机6通过Camera Link或GigE接口连接，主控机6与上位机(PC或者平板电脑)通过有线或无线网络模块，即采用蓝牙或WLAN进行连接，或通过GE接口等设备控制接口连接上位机。

图2为本发明隧道结构表观病害检测装置中主控机的架构框图。如图2所示，主控机6通过Camera Link或GigE连接相机以及编码器。通过触摸屏或外置按钮，可直接设置图像采集模式。主控机6可脱离上位机单独使用，进行隧道表观病害采集，通过图像校正拼接模块进行图像处理，通过数据总线传输至存储介质中；也可通过病害识别、分类模块，只保存病害相关图像数据。主控机6可外接上位机(电脑)进行程序设置、图像数据传输等操作。主控机6采用FPGA可编程嵌入式芯片，完成图像的采集、处理以及存储等操作。触摸屏用于系统参数设置或显示扫描图像。,

采用上述检测装置，本发明还提供一种检测方法，图3为本发明隧道结构表观病害检测方法的流程示意图。如图3所示，所述检测方法包括：

步骤100：获取相机组拍摄的隧道结构的表观图像数据。

步骤200：采用基于形态学的图像识别方法，对所述图像数据进行处理，得到处理后的图像数据。获取到隧道的图像数据后，采用基于形态学的图像识别方法，即对图像数据进行图像增强、图像分割和目标特征提取，包括了图像预处理、几何校正、均值滤波、灰度处理以及二值化等操作。图像增强是指对图像进行预处理以提高图像的对比度，使得前景目标在背景信息中更加突出；图像分割是指通过数学形态学运算处理，例如腐蚀、膨胀、开运算、闭运算等操作，再采用阈值分割将前景信息分离；目标特征提取是采用分类器进行前景目标的特征提取。

步骤300：对所述处理后的图像数据进行网格化和展开，并进行拼接，得到拼接后的图像数据。经过处理和解析的图像就可以进行网格化和展开，并进行拼接图像。图像拼接可根据几何标定情况，通过图像采集装置和隧道的几何关系以及相机位置关系确定重合像素点数量以进行拼接。此时得到的图像可用于人眼观测，也可用于病害识别结果的检验。

步骤400：获得隧道结构表观病害数据库。利用深度学习算法对已知隧道病害进行标注建模，建立病害样本数据库。搜集样本并进行样本标定后，在上位机建立隧道衬砌病害样本库，在开发的深度卷积神经网络模型中进行训练；采用基于区域建议候选框和卷积神经网络结合(R-FCN)的隧道衬砌病害检测方法，利用隧道衬砌病害检测样本库构建病害检测模型，经过网络优化和模型训练(此部分可由主控模块中计算芯片完成)后，得出各类病害的检测率和检测准确率指标。

步骤500：根据所述隧道结构表观病害数据库，对所述拼接后的图像数据进行病害特征匹配和病害识别，得到隧道结构的表观病害检测结果。

本发明在获取检测装置中相机组拍摄的隧道结构的表观图像数据之前，还需要对采集的参数进行调节，具体如下：

获取环境中光的亮度数据；

获取所述检测装置与隧道表面之间的距离数据；

获取检测车的行进速度数据；

根据所述光的亮度数据、所述距离数据和检测车的行进速度数据，调节光源的参数；所述光源的参数包括光强和曝光时间。

调节光源的参数，之前需要获取相机组的类型，所述相机组的类型包括线阵相机和面阵相机。当所述相机组的类型为线阵相机时，根据所述光的亮度数据、所述距离数据和检测车的行进速度数据，调节光源的强度；当所述相机组的类型为面阵相机时，根据所述光的亮度数据、所述距离数据和检测车的行进速度数据，调节光源的强度和曝光时间。

获得隧道结构表观病害数据库，之前还包括：

获取上位机的设置参数；所述设置参数包括病害图像分类标准、隧道结构表观病害数据库种类和卷积神经网络模型种类。

根据所述隧道结构表观病害数据库，对所述拼接后的图像数据进行病害特征匹配和病害识别，得到隧道结构的表观病害检测结果，之后还包括：

获取用户选择的查看类别；

根据所述用户选择的查看类别和所述病害图像分类标准，从所述隧道结构的表观病害检测结果中筛选对应的图像进行显示。

图4为本发明隧道结构表观病害检测方法的病害识别的流程示意图。如图4所示，采用基于卷积神经网络模型的深度学习方法编制相应程序，可通过上位机电脑对病害图像分类标准、病害样本库、卷积神经网络模型等信息进行设置，病害分类、检测指标通过采集器的触摸屏显示，可实现对病害进行查看和分析。

采用本发明的检测装置或方法，具有以下优点：

1)主控机合理控制线型LED光源或线型激光光源曝光时间及光强；

2)针对面阵或线阵相机采集的图像信息，可以自动校正镜头畸变等原因引起图形形变和误差，根据相机安装位置与隧道相对空间关系进行图像拼接，提高图像拼接的质量；

3)采用基于深度学习方法的快速病害检测方法进行病害分类与检测，提高检测的精度；

4)采集器图像存储、传输可选择2种采集存储模式，一种为直接存储2)中图像处理结果，另一种为只保存3)中病害分析得到病害相关图像及定位信息，删除无病害图像。图像数据存储于采集器中存储介质，可通过设备控制接口传输至外部电脑。采集存储模式可通过人工随时设置，在需要详细图像信息的区间可选择直接存储，需要快速检测隧道病害情况时，可选择运行采集器病害识别、分类模块且可选择只保存病害相关图像信息；存储模式设置可通过采集器的交互界面(触摸屏或按键)进行一键设置。病害图像定位的实现是基于区域建议候选框和卷积神经网络结合(R-FCN)的隧道衬砌病害检测方法的重要部分，经过模型训练隧道病害检测先经过骨干结构的深度卷积特征提取，而后通过区域建议网络(Region ProposalNetwork，RPN)提取目标候选框，经过区域敏感性感兴趣区域池化和隧道病害检测的分类和边界框回归，即可得到经过分类和定位的病害区域。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (9)

1.一种隧道结构表观病害检测装置，其特征在于，所述检测装置包括：相机组、光源、环境光传感器、测距仪、主控机；所述环境光传感器的输出端与所述主控机连接，所述环境光传感器用于检测环境中光的亮度，并将获得的光的亮度数据传输至所述主控机；所述测距仪的输出端与所述主控机连接，所述测距仪用于测量所述检测装置与隧道表面之间的距离，并将获得的距离数据传输至所述主控机；所述主控机通过读取并记录所述测距仪和编码器中的数据，采集当前的隧道纵向定位数据和检测装置的实时位置；所述主控机与所述光源的控制端连接，所述主控机用于根据所述光的亮度数据和所述距离数据调节所述光源的参数；当所述相机组为线阵相机时，所述主控机用于根据所述光的亮度数据和所述距离数据调节所述光源的强度和相机采集行频；当所述相机组为面阵相机时，所述主控机用于根据所述光的亮度数据和所述距离数据调节所述光源的强度和曝光时间；所述相机组的输出端与所述主控机连接，所述相机组用于拍摄隧道结构的表观图像，并将拍摄的图像数据传输至所述主控机，所述主控机还用于对所述图像数据进行分析，得到所述隧道结构的表观病害检测结果。

2.根据权利要求1所述的检测装置，其特征在于，所述检测装置还包括：检测车和编码器，所述相机组、所述光源、所述环境光传感器和所述主控机均固定于所述检测车上；所述编码器与所述检测车的车轮同轴安装，所述编码器的输出端与所述主控机连接，所述编码器用于检测所述检测车的行进速度，并将得到的行进速度数据传输至所述主控机，所述主控机根据所述行进速度数据、所述光的亮度数据和所述距离数据调节所述光源的参数。

3.根据权利要求1所述的检测装置，其特征在于，所述相机组为面阵或线阵相机，当所述相机组为线阵相机时，所述主控机还与所述线阵相机的控制端连接，所述主控机用于对所述线阵相机的采集行频进行调节。

4.根据权利要求1所述的检测装置，其特征在于，所述检测装置还包括：上位机，所述上位机与所述主控机连接，所述上位机用于对所述主控机进行程序设置，还用于接收所述主控机传输的隧道结构的表观病害检测结果。

5.一种隧道结构表观病害检测方法，其特征在于，所述检测方法包括：

获取检测装置中相机组拍摄的隧道结构的表观图像数据；所述检测装置包括：相机组、光源、环境光传感器、测距仪和主控机；所述环境光传感器的输出端与所述主控机连接，所述环境光传感器用于检测环境中光的亮度；所述测距仪的输出端与所述主控机连接，所述测距仪用于测量所述检测装置与隧道表面之间的距离；所述主控机通过读取并记录所述测距仪和编码器中的数据，采集当前的隧道纵向定位数据和检测装置的实时位置；所述主控机与所述光源的控制端连接；所述相机组的输出端与所述主控机连接，所述相机组用于拍摄隧道结构的表观图像，并将拍摄的图像数据传输至所述主控机；

采用基于形态学的图像识别方法，对所述图像数据进行处理，得到处理后的图像数据；

对所述处理后的图像数据进行网格化和展开，并进行拼接，得到拼接后的图像数据；

获得隧道结构表观病害数据库；

根据所述隧道结构表观病害数据库，对所述拼接后的图像数据进行病害特征匹配和病害识别，得到隧道结构的表观病害检测结果。

6.根据权利要求5所述的检测方法，其特征在于，所述获取检测装置中相机组拍摄的隧道结构的表观图像数据，之前还包括：

获取环境中光的亮度数据；

获取所述检测装置与隧道表面之间的距离数据；

获取检测车的行进速度数据；

根据所述光的亮度数据、所述距离数据和检测车的行进速度数据，调节光源的参数；所述光源的参数包括光强和曝光时间；当所述相机组为线阵相机时，所述主控机用于根据所述光的亮度数据和所述距离数据调节所述光源的强度和相机采集行频；当所述相机组为面阵相机时，所述主控机用于根据所述光的亮度数据和所述距离数据调节所述光源的强度和曝光时间。

7.根据权利要求6所述的检测方法，其特征在于，所述根据所述光的亮度数据、所述距离数据和检测车的行进速度数据，调节光源的参数，之前还包括：

获取相机组的类型，所述相机组的类型包括线阵相机和面阵相机。

8.根据权利要求5所述的检测方法，其特征在于，所述获得隧道结构表观病害数据库，之前还包括：

获取上位机的设置参数；所述设置参数包括病害图像分类标准、隧道结构表观病害数据库种类和卷积神经网络模型种类。

9.根据权利要求6所述的检测方法，其特征在于，所述根据所述隧道结构表观病害数据库，对所述拼接后的图像数据进行病害特征匹配和病害识别，得到隧道结构的表观病害检测结果，之后还包括：

获取用户选择的查看类别；

根据所述用户选择的查看类别和所述病害图像分类标准，从所述隧道结构的表观病害检测结果中筛选对应的图像进行显示。

Images