CN110133639A - 一种传力杆施工质量检测方法 - Google Patents

Abstract

本发明公开了一种传力杆施工质量检测方法，包括如下步骤：步骤1、获取原始传力杆GPR图谱；步骤2、采用目标检测算法对原始传力杆GPR图谱中的传力杆位置进行标示，得到传力杆GPR图谱；步骤3、施工质量具体分析。本方法利用探地雷达检测技术，结合机器学习实现传力杆的自动识别，在此基础上，巧妙采用二等分线的方法，可以快速判断出传力杆位置、传力杆是否有缺失。同时，基于二等分线的方法，还能判断出传力杆安放深度，间距信息，能实时检测与控制传力杆的施工质量，为在建水泥路面传力杆施工质量检测提供一种方法。

Description

一种传力杆施工质量检测方法

技术领域

本发明属于探底雷达目标识别技术领域，涉及一种传力杆施工质量检测方法。

背景技术

传力杆是指沿水泥混凝土路面板横缝，每隔一定距离在板厚中央布置的圆钢筋，其作用是增加相邻混凝土块之间的应力传递以防止混凝土路面局部受力较大造成混凝土路面不均匀沉降，传递应力使相邻混凝土块共同受力。目前，在我国的贵州等地方大规模的建设水泥路面，在实际建设的过程中，经常出现传力杆缺失，沿横缝不对称等问题，严重影响了传力杆施工质量和路面寿命，如何实时检测与控制传力杆的施工质量是急需解决的问题。

通常传力杆施工质量检测包括检测传力杆位置、传力杆形状识别、传力杆安放深度检测、传立杆间距是否合适、数量是否缺失。探地雷达(GPR)作为一种快速、无损的检测技术，在确定地下介质分布规律方面应用广泛，目前传力杆检测大都采取的是探地雷达(GPR)法，但是在GPR图谱中传力杆的识别分析方面，主要依靠人工进行识别与位置的分析，耗时费力，结果主观性大。为此相关工作者借助HOG算法通过对图谱中双曲线的模拟来自动识别传力杆以及采用神经网络和模板匹配的方法来进行传力杆的分类识别，但是该方法只是对传力杆进行识别。

综上，现有的探地雷达检测技术只能检测出传力杆，传力杆识别与位置分析需要依靠人力；HOG算法相比探地雷达检测技术，可以自动识别出传力杆，但是传力杆数量是否缺失，传力杆间距如何，传力杆安放深度等其他施工质量信息无法获取。因此，探地雷达检测技术和HOG算法都有必要结合传力杆间距、数量等其他反应施工质量的指标做进一步完善。

发明内容

本发明的目的提供一种传力杆施工质量检测方法，在GPR技术上加以后续改进，解决现有GPR检测技术中存在的不能反映出传力杆有无缺失的问题。

本发明所采用的技术方案是，

一种传力杆施工质量检测方法，本方法中施工质量检测包括传力杆数量是否缺失检测，包括如下步骤：

步骤1、获取原始传力杆GPR图谱；

步骤2、采用目标检测算法对原始传力杆GPR图谱中的传力杆位置进行标示，得到传力杆GPR图谱；

步骤3、在传力杆GPR图谱上建立坐标系，坐标系0点为获取原始传力杆GPR图谱时的起测点，传力杆位置处在坐标系x轴正方向和y轴正方向组成的象限内，该象限内任一个传力杆n的像素坐标为(X_n,Y_n)，n＝1,2,3,...，传力杆n的实际距离l_n＝X_n×α，α为映射比例；

步骤4、判断所有传力杆的实际距离l_n与l_c的大小，其中传力杆GPR图谱上x轴正方向的二等分线与x轴的交点记为c点，l_c为c点实际距离，记小于l_c的传力杆数量为N_φ，记大于l_c的传力杆数量为判断N_φ与是否相等，若不相等则传力杆存在数量缺失。

进一步，本方法中施工质量检测还包括传力杆的实际安放深度是否合适的检测：具体为，传力杆n的实际深度h_n＝Y_n×β，β为映射比例，该公式用于判断每根传力杆的实际安放深度。

进一步的，本方法中施工质量检测还包括相邻传力杆间距是否合格的检测：具体为，相邻传力杆之间的间距为l_n-l_n-1，判断l_n-l_n-1是否都在30±5mm范围之内，如果存在范围之外的数据，则传力杆间距不合格。

优选的，步骤1中获取原始传力杆GPR图谱时，采用探地雷达检测技术。

优选的，步骤2中标示传力杆位置前先对原始传力杆GPR图谱进行预处理。

上述预处理方法包括抽取平均道，静校正切除，背景去除或带通滤波。

优选的，步骤2中采用目标检测算法时，选用inception v2模型提取特征和Faster-RCNN检测模型进行训练，实现对图谱中的传力杆自动识别标示。

其中，映射比例α为传力杆GPR图谱实际长度与传力杆GPR图谱像素宽的比值。映射比例β为传力杆GPR图谱实际深度与传力杆GPR图谱像素高的比值。

可选的，本方法中传力杆GPR图谱像素为1300×265。

本发明的有益效果是：

本方法利用雷达检测图谱技术，结合机器学习实现传力杆的自动识别，在此基础上，巧妙采用二等分线的方法，可以快速判断出传力杆位置、传力杆是否有缺失。同时，基于二等分线的方法，还能判断出传力杆安放深度，间距信息，本方法能实现实时在线检测与控制传力杆的施工质量，为在建水泥路面传力杆施工质量检测提供一种方法。

附图说明

图1是本方法流程图；

图2是原始传力杆GPR图谱；

图3是检测传力杆测线布置示意图；

图4是GPR数据预处理流程图；

图5是传力杆GPR图谱示意图；

图6是本方法测试部分样例；

图7是传力杆GPR图谱坐标示意图。

具体实施方式

本实施例提供一种传力杆施工质量检测方法，主要包括以下步骤：

步骤1：原始数据采集，利用探地雷达检测传力杆，获取原始传力杆GPR图谱，如图2：

a：设置雷达参数：首先应标定地面反射波起始零点；天线主频率大于900Mz，时窗大小不宜超过10ns，采样率应在雷达主频的10倍以上，测量轮分辨率不大于10mm，采样间距大于1mm。

b:布置测线：左右测线距切割缝10cm，传力杆位置测试布线如图3，水泥路面都有传力杆缝和拉杆缝将路面分割成很多水泥板块，两条测线之间即为传力杆缝，检测时，是检测整个路面宽度，一个水泥板块的宽度大概3.5m。

步骤2：对原始传力杆GPR图谱进行预处理，由于受到路面本身结构和地质环境的影响，GPR原始数据复杂，包含传力杆信息和大量的杂波噪声，因此进行模型训练之前。需要对原始数据进行预处理，以去除杂波，提高图谱的质量，突出传力杆特征，为训练模型提供优良的数据。预处理步骤主要包括抽取平均道，静校正切除，背景去除，带通滤波。结果如图4、图5。

步骤3：针对预处理之后的雷达图谱，建立样本数据库，基于目标检测功能，选用inception v2模型提取特征和Faster-RCNN检测模型进行训练，实现对图谱中的传力杆进行自动识别，可以得到如图6所示的传力杆检测结果的矩形框与置信度，矩形框内表示传力杆在图谱中的形状以及矩形框内包含传力杆的置信度：

a:建立传力杆GPR图谱样本库，优选双曲线重叠部分少的图片，并且保证图片的亮度多样化以及每张图片的像素均为1300×265；并将图谱库分为训练集和测试集。

b:建立标签数据库

分别建立与传力杆GPR图谱样本库训练集和测试集相对应的标签数据库，每张GPR图谱在标签数据库中都有对应的一个标签文件。标签文件为xml格式，包括标签名称、图像路径、图像名称、图像的像素高度及宽度。其中图像的像素高度和宽度通过一个矩形框的四个坐标xmin,ymin,xmax,ymax来表示。其中(xmin,ymin)是矩形框的左上顶点的坐标，(xmax,ymax)是矩形框右下顶点的坐标。然后将训练集和测试集标签文件数据库的xml文件全部转换为tfrecords格式文件。

c:建立深度学习模型

利用Tensorflow平台与Faster R-CNN目标检测算法搭建出深度学习目标识别网络。Tensorflow是一个采用数据流图，用于数值计算的开源软件库，其灵活的架构可以在多种平台上展开计算，安装容易。Faster-RCNN中的anchor机制提高了模型的精度，采用RPN直接生成检测框，极大提高了生成检测框的速度。

d:模型的训练与测试

将标签数据库里面的tfrecords格式文件输入Faster-RCNN进行训练，初始学习率为0.001，bitch_size为1，训练步数为50000步。训练过程中，每隔一定步数，保存训练的模型。将待测GPR图谱传入保存好的模型之中，得到如图6所示的传力杆检测结果的矩形框与置信度，矩形框内表示传力杆在图谱中的形状以及矩形框内包含传力杆的置信度。其中矩形框依然采用xmin,ymin,xmax,ymax来表示，原点为图谱左上角，向右向下分别为x、y的正方向，如图6。(xmin,ymin)是矩形框的左上顶点的坐标，(xmax,ymax)是矩形框右下顶点的坐标，每个矩形框上的数据是置信度。

步骤3中采用目标检测算法识别传力杆，是常规步骤，但是发明人在经历了大量的模拟练习后发现，只有采用inception v2模型提取特征和Faster-RCNN检测模型进行训练，可以实现对图谱中的传力杆高精度自动识别标示。

步骤4：对识别之后的传力杆进行安装位置分析以及施工质量的分析：

此步骤结合图7进行介绍。建立如图7所示的坐标系，其中左上角O点对应实际检测时的起点位置。雷达图谱中的实际长度(x正方向)和深度(y正方向)分别为L,H(单位：米)。

将图谱的像素的宽1300和高265分别按照的比例与实际距离进行映射。

a：以每个矩形框上沿的中点所在位置作为传力杆的实际位置，记为{(l₁,h₁),(l₂,h₂)…(l_n,h_n)；n取1,2,3…}，如图中A、B两点，以A点为例，在图谱中，A点的像素坐标为(X_A,Y_A),即根据上述比例关系可求得A点的位置信息：

实际距离

实际深度

按照以上方式可以分别得出(l₁,h₁),(l₂,h₂)…(l_n,h_n)，即得出每根传力杆的安放深度。

b：图7中CD线为图谱在水平x方向的二等分线，根据A点位置信息的求取方法可以得到C点的实际距离l_C；其次判断l₁、l₂、l₃…l_n与l_C的大小；然后将比l_C小的归为一组，并统计其数量，即为传力杆图谱中左半幅传力杆的数量N_l，将比l_C大的归为另一组，统计其数量，即为传力杆图谱右半幅传力杆的数量N_r；然后判断N_l与N_r是否相等，若不相等则得出传力杆存在缺失的结论，如图7，可知N_l与N_r并不相等，因此传力杆存在缺失。

c:用d₁,d₂,d₃…d_n(n＝1,2,3,…n-1)来表示相邻传力杆之间的实际间距，则：

d₁＝l₂-l₁

d₂＝l₃-l₂

…

d_n-1＝l_n-l_n-1

即可以求出传力杆之间的间距，然后依据传力杆施工标准，判断d₁,d₂,d₃…d_n是否都在30±5mm范围之内，如果存在范围之外的数据，即判定传力杆间距不合格。

Claims (9)

1.一种传力杆施工质量检测方法，本方法中施工质量检测包括检测传力杆数量是否缺失，本方法包括如下步骤：

步骤1、获取原始传力杆GPR图谱；

步骤2、采用目标检测算法对原始传力杆GPR图谱中的传力杆位置进行标识，得到传力杆GPR图谱；

其特征在于，

步骤3、在传力杆GPR图谱上建立坐标系，坐标系0点为获取原始传力杆GPR图谱时的起测点，所有传力杆的位置均处在坐标系x轴正方向和y轴正方向组成的象限内，该象限内任一个传力杆n的像素坐标为(X_n,Y_n)，n＝1,2,3,...，传力杆n的实际距离l_n＝X_n×α，α为映射比例；

步骤4、判断所有传力杆的实际距离l_n与l_c的大小，记传力杆的实际距离小于l_c的传力杆数量为N_φ，记传力杆的实际距离大于l_c的传力杆数量为若则传力杆数量存在缺失，其中传力杆GPR图谱上x轴正方向的二等分线与x轴的交点记为c点，l_c＝X_c×α，X_c为c点x轴的像素坐标，l_c为c点的实际距离。

2.如权利要求1所述传力杆施工质量检测方法，其特征在于，传力杆n的实际深度h_n＝Y_n×β，β为映射比例，该公式用于判断每根传力杆的实际安放深度。

3.如权利要求1所述传力杆施工质量检测方法，其特征在于，相邻传力杆之间的间距为l_n-l_n-1，判断l_n-l_n-1是否都在30±5mm范围之内，如果存在范围之外的数据，则传力杆间距不合格。

4.如权利要求1所述传力杆施工质量检测方法，其特征在于，步骤2中标示传力杆位置前先对原始传力杆GPR图谱进行预处理。

5.如权利要求4所述传力杆施工质量检测方法，其特征在于，预处理方法包括抽取平均道，静校正切除，背景去除或带通滤波。

6.如权利要求1所述传力杆施工质量检测方法，其特征在于，步骤2中采用目标检测算法时，选用inception v2模型提取特征和Faster-RCNN检测模型进行训练，实现对图谱中的传力杆自动识别标示。

7.如权利要求1所述传力杆施工质量检测方法，其特征在于，步骤3中映射比例α为传力杆GPR图谱实际长度与传力杆GPR图谱像素宽的比值。

8.如权利要求2所述传力杆施工质量检测方法，其特征在于，映射比例β为传力杆GPR图谱实际深度与传力杆GPR图谱像素高的比值。

9.如权利要求1所述传力杆施工质量检测方法，其特征在于，传力杆GPR图谱像素为1300×265。