CN110044924B - 一种基于图像的公路隧道病害检测方法 - Google Patents

一种基于图像的公路隧道病害检测方法 Download PDF

Info

Publication number
CN110044924B
CN110044924B CN201910395185.3A CN201910395185A CN110044924B CN 110044924 B CN110044924 B CN 110044924B CN 201910395185 A CN201910395185 A CN 201910395185A CN 110044924 B CN110044924 B CN 110044924B
Authority
CN
China
Prior art keywords
image
data
disease
tunnel
leakage water
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910395185.3A
Other languages
English (en)
Other versions
CN110044924A (zh
Inventor
丁浩
李科
李文锋
刘秋卓
程亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Merchants Chongqing Communications Research and Design Institute Co Ltd
Original Assignee
China Merchants Chongqing Communications Research and Design Institute Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Merchants Chongqing Communications Research and Design Institute Co Ltd filed Critical China Merchants Chongqing Communications Research and Design Institute Co Ltd
Priority to CN201910395185.3A priority Critical patent/CN110044924B/zh
Publication of CN110044924A publication Critical patent/CN110044924A/zh
Application granted granted Critical
Publication of CN110044924B publication Critical patent/CN110044924B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/9515—Objects of complex shape, e.g. examined with use of a surface follower device
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques

Abstract

本发明涉及一种基于图像的公路隧道病害检测方法，属于隧道病害检测技术领域，包括以下步骤：A：在防火装饰板的后部布置传感器，检测衬砌状态数据；B：将衬砌状态数据和渗漏水红外图像信息以及裂缝图像数据通过巡检机器人平台实时传输至分析处理服务器中；C：分析处理服务器对传输的数据进行网格化病害定位计算，若检测点数据正常，则对数据进行存储，若检测点数据出现异常，将渗透水裂缝图像进行融合。本发明通过网格化病害定位计算可以快速分辨检测数据的异常情况，并根据经验得出隧道裂缝图像和渗漏水红外图像融合的方法，便于分析出现裂缝和渗漏水病害的衬砌图像，基于多种监测传感器，可以自动得出病害综合指数，确保隧道运营安全和健康。

Description

一种基于图像的公路隧道病害检测方法
技术领域
本发明属于隧道病害检测技术领域，涉及一种基于图像的公路隧道病害检测方法。
背景技术
目前隧道病害检测过程中，对病害的定位计算都是呈线性计算，则就导致在计算时无法快速得出结论，影响病害定位计算的效率，同时，在检测病害的综合指数时，没有一个有效的系统进行正确的检测，导致病害的综合指数的误差很大，造成病害的综合指数的准确度下降，影响隧道的定位维修。
发明内容
有鉴于此，本发明的目的在于提供一种基于图像的公路隧道病害检测方法。
为达到上述目的，本发明提供如下技术方案：
本发明提供了一种基于图像的公路隧道病害检测方法，包括以下步骤：
A：在防火装饰板的后部布置传感器，检测衬砌状态数据；
B：将衬砌状态数据和渗漏水红外图像信息以及裂缝图像数据通过巡检机器人平台实时传输至分析处理服务器中；
C：分析处理服务器对传输的数据进行网格化病害定位计算，若检测点数据正常，则对数据进行存储，若检测点数据出现异常，则将渗透水图像和裂缝图像进行融合；
D：对融合后的图像特征数据与网格化定位计算的检测数据进行加权融合，根据融合后的数据判断是否满足预警条件；然后启动病害预警系统，上传病害的数据信息。
作为本发明的一种优选技术方案，在步骤C中，所述网格化病害定位计算需要巡检机器人将根据铺设轨道确定的定位导航基准点与FRID定位点将隧道沿长度方向划分为n个网格，每段大网格为Ln，在每一个网格长度又被划分为均等的10段长度，每一个小网格表示为Lni(i＝1,···,10)，图像标签以对应网格标记。
作为本发明的一种优选技术方案，在步骤C中，设裂缝图像为图像A，渗漏水红外图像为图像B，图像A和图像B均为m×n像素，所述渗漏水与裂缝图像的融合公式为：
f(m,n)＝w1A(m,n)+w2B(m,n)；
其中，w1和w2是裂缝图像和渗漏水红外图像在相同像素位置的灰度值权值，且w1+w2＝1。
作为本发明的一种优选技术方案，在步骤D中，加权融合的计算公式为：I＝w1a+w2b+w3c+···wnn；
其中，I为病害特征数据融合综合指数，w1,···wn为依据专家经验得到的多种传感器的加权参数。
本发明的有益效果在于：
本发明通过网格化病害定位计算可以快速分辨检测数据的异常情况，并根据经验得出隧道裂缝图像和渗漏水红外图像融合的方法，便于分析出现裂缝和渗漏水病害的衬砌图像，基于多种监测传感器，可以自动得出病害综合指数，确保隧道运营安全和健康。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作优选的详细描述，其中：
图1为本发明的整体结构示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本发明的限制；为了更好地说明本发明的实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
请参阅图1，为一种基于图像的公路隧道病害检测方法，包括以下步骤：
A：在防火装饰板的后部布置传感器，检测衬砌状态数据；
B：将衬砌状态数据和渗漏水红外图像信息以及裂缝图像数据通过巡检机器人平台实时传输至分析处理服务器中；
C：分析处理服务器对传输的数据进行网格化病害定位计算，若检测点数据正常，则对数据进行存储，若检测点数据出现异常，则将渗透水图像和裂缝图像进行融合；
D：对融合后的图像特征数据与网格化定位计算的检测数据进行加权融合，根据融合后的数据判断是否满足预警条件；然后启动病害预警系统，上传病害的数据信息。
网格化病害定位计算：
巡检机器人将根据铺设轨道确定的定位导航基准点与FRID定位点将隧道沿长度方向划分为n个网格，每段大网格为Ln，在每一个网格长度又被划分为均等的10段长度，每一个小网格表示为Lni(i＝1,···,10)，图像标签以对应网格标记。
对于防火装饰板后部无线传感器，当机器人到达传感器安装网格内时，在ZigBee网络通信时通过巡检机器人平台发起与之对应的轮询信息，获取病害的定位信息。对于裂缝图像和渗漏水图像，则通过最小网格标签得到病害的位置。
渗漏水及裂缝图像融合：
为便于分析出现裂缝和渗漏水病害的衬砌图像，首先使之进行图像融合，根据隧道裂缝图像和渗漏水红外图像分析得出经验方法，对裂缝图像A和渗漏水红外图像B融合时以加权灰度值法进行计算，图像A和图像B均为m×n像素，计算方法如下：
f(m,n)＝w1A(m,n)+w2B(m,n)
其中，w1和w2是裂缝图像和渗漏水红外图像在相同像素位置的灰度值权值，且w1+w2＝1。
网格化病害数据融合与判断：
将提取的病害图像特征信息与监测点数据异常位置进行加权融合，作为系统对于结构病害安全是否满足预警条件的判断，具体计算过程如下：
I＝w1a+w2b+w3c+···wnn
其中，I为病害特征数据融合综合指数，w1,···wn为依据专家经验得到的多种传感器的加权参数。
以此通过对监测隧道采用多种监测传感器和病害，综合专家经验自动得出病害综合指数I，并根据其大小分别实施病害临界预警、病害预警、病害严重预警三种预警方式，确保隧道运营安全和健康。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (1)

1.一种基于图像的公路隧道病害检测方法，其特征在于：包括以下步骤：
A：在防火装饰板的后部布置传感器，检测衬砌状态数据；
B：将衬砌状态数据和渗漏水红外图像信息以及裂缝图像数据通过巡检机器人平台实时传输至分析处理服务器中；
C：分析处理服务器对传输的数据进行网格化病害定位计算，若检测点数据正常，则对数据进行存储，若检测点数据出现异常，则将渗透水图像和裂缝图像进行融合；
D：对融合后的图像特征数据与网格化定位计算的检测数据进行加权融合，根据融合后的数据判断是否满足预警条件；然后启动病害预警系统，上传病害的数据信息；
在步骤C中，所述网格化病害定位计算需要巡检机器人将根据铺设轨道确定的定位导航基准点与FRID定位点将隧道沿长度方向划分为n个网格，每段大网格为Ln，在每一个网格长度又被划分为均等的10段长度，每一个小网格表示为Lni(i＝1,…,10)，图像标签以对应网格标记；
在步骤C中，设裂缝图像为图像A，渗漏水红外图像为图像B，图像A和图像B均为m×n像素，所述渗漏水与裂缝图像的融合公式为：
f(m,n)＝w1A(m,n)+w2B(m,n)；
其中，w1和w2是裂缝图像和渗漏水红外图像在相同像素位置的灰度值权值，且w1+w2＝1；
在步骤D中，加权融合的计算公式为：I＝w1a+w2b+w3c+…wnn；
其中，I为病害特征数据融合综合指数，w1,…wn为依据专家经验得到的多种传感器的加权参数。
CN201910395185.3A 2019-05-13 2019-05-13 一种基于图像的公路隧道病害检测方法 Active CN110044924B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910395185.3A CN110044924B (zh) 2019-05-13 2019-05-13 一种基于图像的公路隧道病害检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910395185.3A CN110044924B (zh) 2019-05-13 2019-05-13 一种基于图像的公路隧道病害检测方法

Publications (2)

Publication Number Publication Date
CN110044924A CN110044924A (zh) 2019-07-23
CN110044924B true CN110044924B (zh) 2021-06-29

Family

ID=67281688

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910395185.3A Active CN110044924B (zh) 2019-05-13 2019-05-13 一种基于图像的公路隧道病害检测方法

Country Status (1)

Country Link
CN (1) CN110044924B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110529186B (zh) * 2019-09-11 2021-03-30 上海同岩土木工程科技股份有限公司 基于红外热成像的隧道结构渗漏水精确识别装置和方法
CN110967344B (zh) * 2019-11-28 2021-09-03 同济大学 基于红外探测的隧道衬砌浅层剥落剥离判定方法与装置
CN111551562A (zh) * 2020-01-20 2020-08-18 深圳大学 一种桥梁路面结构损伤识别方法和系统
CN111507971A (zh) * 2020-04-20 2020-08-07 南京航空航天大学 一种隧道表面缺陷检测方法
CN112698015B (zh) * 2020-12-08 2024-04-02 温州鼎玛建筑技术有限公司 一种道路桥梁裂缝检测系统
CN113554618B (zh) * 2021-07-22 2022-03-01 上海工程技术大学 一种基于红外图像的铁路轨道状态监测方法及装置
CN113673722B (zh) * 2021-08-27 2023-11-24 招商局重庆交通科研设计院有限公司 一种伸缩缝养护时机精准决策系统及方法
CN114387291B (zh) * 2022-03-22 2022-07-15 中大检测(湖南)股份有限公司 公路状况检测图像中基准网格的自动筛选方法及系统
CN114495019B (zh) * 2022-04-15 2022-06-21 中国矿业大学(北京) 一种管廊渗漏病害的实时监测和动态反馈方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2880602B2 (ja) * 1992-01-08 1999-04-12 株式会社フジタ 掘削面の調査システム
JP2004117194A (ja) * 2002-09-26 2004-04-15 Mitsubishi Heavy Ind Ltd トンネル覆工の内部欠陥検査装置
CN104048969A (zh) * 2014-06-19 2014-09-17 樊晓东 一种隧道病害的识别方法
CN104749187A (zh) * 2015-03-25 2015-07-01 武汉武大卓越科技有限责任公司 基于红外温度场和灰度图像的隧道衬砌病害检测装置
CN105741285A (zh) * 2016-01-28 2016-07-06 北京工业大学 用于隧道病害的图像处理装置
CN106053475A (zh) * 2016-05-24 2016-10-26 浙江工业大学 基于主动式全景视觉的隧道病害全断面动态快速检测装置
CN106841216A (zh) * 2017-02-28 2017-06-13 浙江工业大学 基于全景图像cnn的隧道病害自动识别装置
CN107064172A (zh) * 2017-06-12 2017-08-18 黄成� 一种隧道衬砌裂缝快速检测系统
CN108918539A (zh) * 2018-07-27 2018-11-30 同济大学 一种隧道结构表观病害检测装置及方法
CN109278053A (zh) * 2018-09-30 2019-01-29 中国铁道科学研究院集团有限公司铁道建筑研究所 一种铁路隧道检测方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2880602B2 (ja) * 1992-01-08 1999-04-12 株式会社フジタ 掘削面の調査システム
JP2004117194A (ja) * 2002-09-26 2004-04-15 Mitsubishi Heavy Ind Ltd トンネル覆工の内部欠陥検査装置
CN104048969A (zh) * 2014-06-19 2014-09-17 樊晓东 一种隧道病害的识别方法
CN104749187A (zh) * 2015-03-25 2015-07-01 武汉武大卓越科技有限责任公司 基于红外温度场和灰度图像的隧道衬砌病害检测装置
CN105741285A (zh) * 2016-01-28 2016-07-06 北京工业大学 用于隧道病害的图像处理装置
CN106053475A (zh) * 2016-05-24 2016-10-26 浙江工业大学 基于主动式全景视觉的隧道病害全断面动态快速检测装置
CN106841216A (zh) * 2017-02-28 2017-06-13 浙江工业大学 基于全景图像cnn的隧道病害自动识别装置
CN107064172A (zh) * 2017-06-12 2017-08-18 黄成� 一种隧道衬砌裂缝快速检测系统
CN108918539A (zh) * 2018-07-27 2018-11-30 同济大学 一种隧道结构表观病害检测装置及方法
CN109278053A (zh) * 2018-09-30 2019-01-29 中国铁道科学研究院集团有限公司铁道建筑研究所 一种铁路隧道检测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
基于加权融合纹理的路面裂缝检测;章秀华等;《计算机与数字工程》;20111031;第153-156页 *
基于图像局部网格特征的隧道衬砌裂缝自动识别;王平让等;《岩石力学与工程学报》;20120531;第991-998页 *
隧道病害定期快速调查新技术研究;北京市政工程研究院;《市政技术》;20170131;第3-5页 *

Also Published As

Publication number Publication date
CN110044924A (zh) 2019-07-23

Similar Documents

Publication Publication Date Title
CN110044924B (zh) 一种基于图像的公路隧道病害检测方法
US10445871B2 (en) Image analysis neural network systems
CN108051450B (zh) 一种基于无人机的桥梁健康检测系统及方法
JP7319432B2 (ja) 学習用データ収集装置、学習用データ収集方法、及びプログラム
KR102202572B1 (ko) 드론의 촬영영상과 인공지능 알고리즘 기반의 도로표면 균열 검출 방법 및 시스템
CN106097755A (zh) 用于识别泊车场地和/或空出场地的方法
CN112330676B (zh) 基于红外点云的变电站/换流站缺陷诊断方法及系统
CN104751603A (zh) 危岩崩塌监测预警系统及方法
CN111753712A (zh) 电力生产人员安全监测方法、系统以及设备
KR102100496B1 (ko) 드론 및 레이저스캐너를 이용한 콘크리트 구조물 균열 검사 시스템 및 방법
Zhou et al. Automatic sewer defect detection and severity quantification based on pixel-level semantic segmentation
JP2019079303A (ja) 道路設備点検システムおよび道路設備点検方法、ならびにそれに使用されるサーバ
Xing et al. Improved yolov5-based uav pavement crack detection
CN116311081B (zh) 一种基于图像识别的医学实验室监控图像分析方法和系统
Wang et al. Applications of artificial intelligence enhanced drones in distress pavement, pothole detection, and healthcare monitoring with service delivery
Yang et al. A real-time tunnel surface inspection system using edge-ai on drone
Liu et al. Two-stream boundary-aware neural network for concrete crack segmentation and quantification
CN110278285A (zh) 基于onenet平台的智能安全帽远程监测系统及方法
CN116448764A (zh) 一种面向飞行器结构疲劳试验的裂纹自动检测方法
CN116624225A (zh) 一种隧道病害图片与文字巡检信息实时传输预警系统
CN113014894B (zh) 一种基于人工智能的石油井下作业安全盯控方法
JP2023089629A (ja) 異常状態監視システム及び異常状態監視方法
CN105725981B (zh) 移动式育肥猪发热疫情自动检测装置及检测方法
CN113569943A (zh) 一种基于深度神经网络的渣片大块预警方法、系统及装置
CN116071893B (zh) 基于大数据与计算机视觉的预警中控指挥平台

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant