CN115639209B - 一种钢箱梁疲劳裂纹智能检测系统及方法 - Google Patents

Abstract

本发明公开了一种钢箱梁疲劳裂纹智能检测系统及方法；其中检测系统包括无人机检测系统、工业机器人检测系统和数据处理终端。无人机检测系统和工业机器人检测系统均包括惯性测量组件、无线收发模块，以及电子显微镜或CCD相机；无人机检测系统还包括无人机本体，工业机器人检测系统还包括柔性轨道系统、与柔性轨道系统配合的工业机器人；数据处理终端用于接收并分析处理发送的疲劳裂纹图像数据及位置坐标数据，输出疲劳裂纹尺寸数据及位置的统计信息。其中检测方法需要基于无人机检测系统和工业机器人检测系统获取图像数据。本发明可以实现钢箱梁内外的机械化检测，检测效率高。

Description

一种钢箱梁疲劳裂纹智能检测系统及方法

技术领域

本发明属于疲劳裂纹检测技术领域，具体涉及一种钢箱梁疲劳裂纹智能检测系统及方法。

背景技术

随着公路交通迅速发展，交通量、车重和车速不断提高，超载现象日益突出，加之环境侵蚀作用，桥梁抗力退化问题难以避免，由此造成的疲劳累积损伤不容忽视。我国《公路钢结构桥梁设计规范》JTG D64-2015明确指出车辆荷载是公路桥梁疲劳损伤和破坏的主要原因。此外，钢构件腐蚀不仅会引起材料的损失，导致结构构件变薄变窄，降低构件截面特征参数，影响构件的承载力，而且会使材料的疲劳性能发生退化，加速结构的疲劳破坏。交通运输部在《关于推进公路钢结构桥梁建设的指导意见》明确指出要重视钢结构桥梁的构造设计，有效避免应力集中引起的疲劳损伤。

钢箱梁的裂缝经常出现在的关键疲劳细节处，这些疲劳关键细节容易疲劳，并且在深度、长度和数量上都会增加。目前钢箱梁疲劳裂纹的检测方法包括目视检测（VT）、磁粉检测（MT）、着色渗透探伤（PT）、涡流检测（ET）、超声波检测（UT）、X射线检测（RT）和激光超声检测（LUT）。然而，上述方法都需要人工操作设备，受主观和操作人员的经验影响较大，有时很难提取可靠的特征。目前也有通过图像特征进行裂纹检测的技术，该技术检测更加精准。疲劳裂纹的有效检测可防止此类桥梁疲劳破坏事故的发生，合理延长其使用寿命与维护周期，并且对提高我国现代钢箱梁的设计和制造水平也具有非常重要的意义。

钢箱梁疲劳开裂多出现在隐蔽部位，小裂纹的检测难度高，尤其是钢箱梁内部，在疲劳开裂阶段的早期有效检出裂纹，是确保钢箱梁结构服役质量和结构安全的重要前提。当前基于图像特征检测疲劳裂纹缺陷主要存在的问题是：对于钢箱梁外部裂纹图像可以通过控制无人机进行采集，而对于钢箱梁内部的疲劳裂纹依然通过人工拍照采集，因此，存在工作量大、工作效率低的问题；对于相对平直的钢箱梁段，可通过铺设轨道利用移动小车进行移动拍摄，而对于弯曲变化的钢箱梁段，则无法进行轨道铺设，无法有效实现机械化拍照作业，给图像提取工作带来极大不便。

发明内容

本发明的一个目的是提供一种钢箱梁疲劳裂纹检测系统，用以实现疲劳裂纹检机械化自动检测。

为实现上述目的，本发明采用的技术方案是：

一种钢箱梁疲劳裂纹智能检测系统，包括：

无人机检测系统，其用于拍摄钢箱梁外部疲劳裂纹并标注疲劳裂纹图像坐标，其包括无人机本体以及设在无人机本体上的惯性测量组件、无线收发模块，以及电子显微镜或CCD相机；

工业机器人检测系统，其用于拍摄钢箱梁内侧疲劳裂纹并标注疲劳裂纹图像坐标，其包括布设于钢箱梁内部可拆卸并可适应钢箱梁内部结构及弯曲变化的柔性轨道系统、与柔性轨道系统配合的工业机器人；所述工业机器人上设有惯性测量组件、无线收发模块，以及电子显微镜或CCD相机；所述柔性轨道系统包括轨道本体，所述轨道本体包括多个工字型轨道短节、连接在相邻工字型轨道短节的腹板之间的轨道偏转调节组件、设在工字型轨道短节腹板上且作用于轨道偏转调节组件上的锁固组件；所述工字型轨道短节上翼板上侧设有齿条；

数据处理终端，其用于接收并分析处理无人机检测系统和工业机器人检测系统发送的疲劳裂纹图像数据及位置坐标数据，输出疲劳裂纹尺寸数据及位置的统计信息。

进一步，所述柔性轨道系统还包括：

轨道固定机构，其包括夹持在工字型轨道短节下翼板两侧的连接座、设在固定座下侧的磁力吸附固定架；所述连接座上螺纹配合有顶丝，所述顶丝作用于工字型轨道短节下翼板上；所述连接座两侧设有定位筒；

电动小车，其包括U型车座、铰接在U型车座上并与齿条配合的车轮、设在U型车座上并与工字型轨道短节上翼板配合的弹性镇压轮、设在U型车座上并与车轮传动连接的驱动电机；所述弹性镇压轮作用于工字型轨道短节上翼板的下侧，所述弹性镇压轮设有两个并置于U型车座两端，所述U型车座两侧设有与定位筒配合的电动推杆。

进一步，所述轨道偏转调节组件包括：

铰接球，其固定在工字型轨道短节的腹板一端，其球面上对称设有两个长条形轨道槽，其球面上设有众多球面凹槽；

夹持臂，其整体呈U型并固定在相邻的另一工字型轨道短节腹板上；

弧形压盖，其铰接在夹持臂的两个自由端上并夹持铰接球，其内弧面上设有与轨道槽配合的滑块。

进一步，所述锁固组件包括：

螺纹筒，其固定在工字型轨道短节的腹板另一端；

螺杆，其与螺纹筒螺纹配合，其一端设有操纵杆；

止动顶板，其固定在螺杆另一端，其板面上设有多个与球面凹槽相适配的定位球。

进一步，所述磁力吸附固定架包括：

导向筒，其一端竖直固定在连接座下侧；

调节杆，其与导向筒螺纹配合；

开关式磁力座，其设在调节杆自由端上。

进一步，所述车轮包括轮盘和周向均布在轮盘外圆周上的球体；所述球体与齿条配合，相邻所述球体与齿条配合后夹持齿条齿牙的数量不少于两个。

进一步，所述弹性镇压轮包括：

U型架，其设在U型车座两端，其顶部设有杆体并纵向穿插于U型车座上；

轮柱，其设在U型架两端并压覆在工字型轨道短节上翼板的下侧，其一端设有凸缘并压覆在翼板边沿上；

弹簧，其套设在杆体上，其一端与U型车座连接固定，另一端与杆体连接固定。

本发明的另一个目的是提供一种钢箱梁疲劳裂纹检测方法，该方法基于钢箱梁疲劳裂纹检测系统来完成疲劳裂纹图像采集；通过对图像中疲劳裂纹特征的分析处理实现检测作业。

为实现上述目的，本发明采用的技术方案是：

一种钢箱梁疲劳裂纹检测方法，包括如下步骤：

（1）疲劳裂纹图像获取；利用钢箱梁疲劳裂纹智能检测系统中的无人机检测系统和工业机器人检测系统获取具有三维坐标的钢箱梁内外侧疲劳裂纹图像；

（2）疲劳裂纹图像预处理；利用CCD相机拍摄的钢箱梁疲劳裂纹图像会因抖动、光照变化、雨雪以及大雾天气等因素造成图像模糊，利用提前训练好的生成性对抗网络对拍摄的疲劳裂纹图像进行处理，获取超分辨率疲劳裂纹图像；利用Unet网络对超分辨率疲劳裂纹图像进行分割，得到疲劳裂纹的轮廓曲线；

（3）疲劳裂纹量化；利用基于Zernike矩亚像素边缘检测算法获取疲劳裂纹的宽度、长度和深度信息；根据图片上的三维坐标对疲劳裂纹的位置进行定位；

（4）疲劳裂纹评估；将疲劳裂纹的宽度、长度和深度信息与基于建立的评估数据库进行比对，输出疲劳裂纹坐标位置及等级。

进一步，所述步骤（2）中，训练好的生成性对抗网络包括预先建立的疲劳裂纹图像数据库，疲劳裂纹图像数据库通过如下方式建立：对疲劳裂纹类型进行分类和分级，大量收集疲劳裂纹图像，并对疲劳裂纹进行标注，根据标注后的疲劳裂纹图像建立疲劳裂纹图像数据库。

进一步，所述步骤（2）中，利用Unet网络对图像进行分割，包括预先建立基于Unet的深度卷积神经网络模型；将疲劳裂纹图像数据库的数据集分为训练集、验证集和测试集，以训练集为样本对神经网络模型进行训练，并在验证集上检验训练结果，不断调整模型参数直到该网络模型在测试集上的识别精度达到要求。

本发明的有益效果是：

本发明的检测系统可实现机械化的自动检测工作，提升了检测作业的工作效率，降低工作人员的劳动量；钢箱梁外侧疲劳裂纹采用无人机进行检测，钢箱梁内侧疲劳裂纹通过柔性轨道系统与工业机器人的配合进行检测，检测更加全面；其中柔性轨道系统在结构设计上可以适应钢箱梁内部起伏弯曲变化，使工业机器人可以顺利、顺畅的在钢箱梁起伏弯曲变化段进行检测工作，该柔性轨道系统搭建及调节操作方便快捷，利于缩短施工作业时间。

本发明的检测方法中，对提取的疲劳裂纹图像进行了预处理，可得到更加清晰的疲劳裂纹轮廓曲线，降低环境因素对图像质量的影响，并基于Zernike矩亚像素边缘检测算对疲劳裂纹图像进行量化实现疲劳裂纹的宽度、长度和深度的测量；该方法获取的宽度、长度和深度信息更加精准，提升了疲劳裂纹的检测精度。

附图说明

图1为本发明的检测系统的结构示意图；

图2为本发明的系统控制框图；

图3为本发明中柔性轨道系统的结构示意图；

图4为本发明中柔性轨道系统的侧视结构示意图；

图5为本发明中轨道本体的结构示意图；

图6为本发明中轨道本体的另一视角结构示意图；

图7为本发明中弧形压盖的结构示意图。

其中，1-无人机检测系统；2-工业机器人检测系统；3-数据处理终端；4-无人机本体；5-惯性测量组件；6-无线收发模块；7-电子显微镜；8-工业机器人；9-轨道本体；10-轨道固定机构；11-电动小车；12-工字型轨道短节；13-齿条；14-铰接球；15-夹持臂；16-弧形压盖；17-轨道槽；18-滑块；19-螺纹筒；20-螺杆；21-止动顶板；22-连接座；23-顶丝；24-定位筒；25-导向筒；26-调节杆；27-开关式磁力座；28-U型车座；29-车轮；30-驱动电机；31-U型架；32-轮柱；33-弹簧；34-电动推杆；35-球面凹槽；36-定位球。

具体实施方式

以下结合附图对本发明优选实施例进行说明。

如图1至7所示，一种钢箱梁疲劳裂纹智能检测系统；该系统包括无人机检测系统1、工业机器人检测系统2和数据处理终端3。无人机检测系统1用于拍摄钢箱梁外部疲劳裂纹并标注疲劳裂纹图像坐标；工业机器人检测系统2用于拍摄钢箱梁内侧疲劳裂纹并标注疲劳裂纹图像坐标；数据处理终端3用于接收并分析处理无人机检测系统1和工业机器人检测系统2发送的疲劳裂纹图像数据及位置坐标数据，输出疲劳裂纹尺寸数据及位置的统计信息。

无人机检测系统1包括无人机本体4以及设在无人机本体4上的惯性测量组件5、无线收发模块6，以及电子显微镜7或CCD相机。惯性测量组件5用于对拍摄的裂纹图像进行坐标标记，方便获悉裂纹位置信息；无线收发模块6用于实现电子显微镜7或CCD相机拍摄图像的数据传输，以及实现遥控器对无人机本体4的远程控制。

工业机器人检测系统2包括柔性轨道系统和工业机器人8。柔性轨道系统以可拆卸的方式布设于钢箱梁内部，同时在结构设计上可以适应钢箱梁内部的起伏及弯曲变化；工业机器人8采用六轴工业机器人，工业机器人8上同样设置惯性测量组件5、无线收发模块6，以及电子显微镜7或CCD相机；无线收发模块6，以及电子显微镜7或CCD相机的功能作用于无人机检测系统1上相同设备的功能作用相同。

柔性轨道系统在结构上包括轨道本体9、轨道固定机构10和电动小车11；轨道本体9在结构上可以实现上下方向的起伏变化也可实现横向的左右弯曲变化；轨道固定机构10用于将轨道本体9与钢箱梁内部进行连接固定，且为可拆卸的连接方式；电动小车11用于承载工业机器人8，也用于和轨道固定机构10配合进行轨道本体9的输送转移。

轨道本体9包括工字型轨道短节12、轨道偏转调节组件和锁固组件。工字型轨道短节12的端面及截面均呈工字型，进而可形成有上翼板、下翼板以及连接在上翼板和下翼板之间腹板。工字型轨道短节12的长度可灵活设置，优选30~100cm；工字型轨道短节12的材质优选质量轻的材料，可选铝合金、硬质塑料或碳纤维等材料加工而成，工字型轨道短节12的数量设置多个，工字型轨道短节12上翼板上侧设有齿条13。轨道偏转调节组件连接在相邻工字型轨道短节12之间，用于实现相邻工字型轨道短节12之间的偏转调节。轨道偏转调节组件包括铰接球14、夹持臂15和弧形压盖16；铰接球14固定在工字型轨道短节12的腹板一端，铰接球14的球面上对称设有两个长条形轨道槽17，铰接球14的球面上还设有众多球面凹槽35；夹持臂15整体呈U型并固定在相邻的另一工字型轨道短节12腹板上，夹持臂15的两个端部铰接有弧形压盖16；弧形压盖16内弧面上设有与轨道槽17配合的滑块18，弧形压盖16夹持铰接球14，并利用滑块18与轨道槽17的配合关系实现铰接球14相对弧形压盖16能够横向偏转；铰接球14与弧形压盖16配合后可依托弧形压盖16与夹持臂15的铰接连接实现工字型轨道短节12相对地上下翻转。锁固组件包括螺纹筒19、螺杆20和止动顶板21；螺纹筒19固定在工字型轨道短节12的腹板另一端；螺杆20与螺纹筒19螺纹配合，为方便控制螺杆20旋转，在螺杆20端部设有操纵杆，当操纵杆与腹板产生干涉时，在腹板上开设容纳孔；螺杆20横向布设并贯穿夹持臂15的中部；止动顶板21固定在螺杆20另一端，止动顶板21的板面上设有多个与球面凹槽35相适配的定位球36，控制螺杆20相对螺纹筒19移动时，可利用止动顶板21锁定铰接球14，进而实现相邻两个工字型轨道短节12的锁固。

轨道固定机构10包括连接座22和磁力吸附固定架。连接座22对工字型轨道短节12下翼板两侧及上下板面具有夹持结构，该夹持结构包括U型夹臂和设在U型夹臂上的滚轮；在连接座22侧向螺纹配合有顶丝23，顶丝23端部作用于下翼板边沿上，用于实现工字型轨道短节12与连接座22的锁固；连接座22两侧还设有定位筒24，定位筒24用于和电动小车11进行配合实现轨道本体9的输送转移。磁力吸附固定架包括导向筒25、调节杆26和开关式磁力座27；导向筒25一端竖直固定在连接座22下侧，调节杆26与导向筒25螺纹配合，开关式磁力座27设在调节杆26自由端上；利用开关式磁力座27磁力吸附钢箱梁实现轨道本体9的相对固定。

电动小车11包括U型车座28、车轮29、弹性镇压轮和驱动电机30。U型车座28由平板焊接呈U型构成，U型车座28上侧安装工业机器人8；车轮29包括轮盘和周向均布在轮盘外圆周上的球体，球体与齿条13配合，相邻球体与齿条13配合后夹持齿条13齿牙的数量不少于两个，这样的结构设计可以在齿条13起伏变化以及左右弯曲时依然可以和球体进行有效配合，进而实现电动小车11在轨道本体9上移动；弹性镇压轮设有两个并置于U型车座28两端；弹性镇压轮包括U型架31、轮柱32和弹簧33；U型架31的顶部设有杆体，杆体贯穿U型车座28；弹簧33套设在杆体上，弹簧33一端与U型车座28连接固定，另一端与杆体连接固定；这样的结构设计使U型架31可以适应轨道本体9的起伏及左右弯曲变化，有效引导电动小车11沿轨道本体9移动；轮柱32设在U型架31两端并压覆在工字型轨道短节12上翼板的下侧，轮柱32一端设有凸缘并压覆在翼板边沿上；通过车轮29和轮柱32对轨道本体9上翼板的上下夹持实现U型车座28安装与轨道本体9上；驱动电机30通过带传动与轮盘建立连接，可驱动车轮29转动；驱动电机30的电源可通过线盘与外部电源连接，也可在电动小车11上设置蓄电池进行供电；驱动电机30的控制可以采用有线遥控器进行控制，也可利用无线遥控方式进行控制。工业机器人8的供电方式与电动小车11相同。U型车座28两侧设有与定位筒24配合的电动推杆34，当电动推杆34与定位筒24配合后可将电动小车11与轨道固定机构10建立连接，当解除轨道固定机构10对轨道本体9的锁固后，通过电动小车11的运行能够带动轨道本体9相对轨道固定机构10进行横向输送。

数据处理终端3可以是笔记本电脑、平板电脑或智能手机等终端设备。数据处理终端3内置数据处理平台，用于图像数据处理。

本发明的系统使用方法及工作原理是：

进行钢箱梁外侧疲劳裂纹检测时：通过遥控器控制无人机本体4运行在钢箱梁疲劳裂纹重点发生区，并对该区域进行拍照采集，通过利用惯性测量组件5对拍摄的照片进行比较，经无人机本体4上的无线收发模块6将图像数据发送给数据处理终端3。数据处理终端3分析图像数据并输出疲劳裂纹尺寸数据及位置的统计信息。

进行钢箱梁内侧疲劳裂纹检测时：先根据钢箱梁的整体长度，适当选取导轨本体的长度；如果钢箱梁整体长度在50~100m之间，可沿钢箱梁长度方向通铺轨道本体9；如果钢箱梁整体长度大于100m可将轨道本体9的长度控制在10~20m之间，通过将轨道本体9逐步前移来完成工业机器人8的图像采集工作。工作人员预先将轨道本体9及多个轨道固定机构10置于钢箱梁内部；通过导向筒25与调节杆26的螺纹配合关系调节轨道本体9的整体高度；然后操作开关式磁力座27使轨道本体9相对钢箱梁固定，开关式磁力座27可磁力吸附在人孔处或钢箱梁的钢底部上。将电动小车11安装于轨道本体9上。控制驱动电机30以及工业机器人8启动，电动小车11可携带工业机器人8在钢箱梁内部沿轨道本体9进行移动；工业机器人8利用电子显微镜7或CCD相机在钢箱梁内部采集疲劳裂纹图像并发送给数据处理终端3；数据处理终端3分析图像数据并输出疲劳裂纹尺寸数据及位置的统计信息。工业机器人8完成一段距离的图像采集工作后，需要将轨道本体9前移实现继续采集。轨道本体9前移的操作过程是：控制工业机器人8运行至前端连接座22位置处；控制电动推杆34动作，使电动推杆34的活塞杆插入定位筒24内；通过旋松顶丝23，使轨道本体9的下翼板相对连接座22解除锁定；控制驱动电机30启动，并利用车轮29与齿条13的配合使轨道本体9向前移动，连接座22上的滚轮可以使轨道本体9顺畅移动，减小移动阻力；轨道本体9移动一定距离后将末端脱离的轨道固定机构10前置并与轨道本体9配合；当轨道本体9的末端临近工业机器人8后，通过旋紧顶丝23将轨道本体9与连接座22进行锁固；控制电动推杆34动作并解除与定位筒24的配合；此时可控制电动小车11继续前移。该种轨道循序前移操作可减少轨道本体9的使用长度，安装操作方便快捷，可减少轨道的材料成本，适合大跨度的钢箱梁检测工作。轨道本体9铺设过程中如遇到高低起伏端或左右弯曲的钢箱梁端时，需预先解除轨道本体9上部分区域的相邻工字型轨道短节12的锁定结构：具体操作是：通过操作杆旋动螺杆20，使止动顶板21上的定位球36解除对铰接球14上球面凹槽35的配合，此时相邻的工字型轨道短节12，可以彼此进行相对偏转，且偏转方向仅有上下左右四向；多个工字型轨道短节12进行偏转调节后即可适应钢箱梁内部起伏及左右完全的变化；工字型轨道短节12调节操作完成后通过操作杆控制止动顶板21上的定位球36再次与铰接球14上球面凹槽35的配合，实现相邻工字型轨道短节12的锁固。

本发明还提供了一种基于无人机检测系统1和工业机器人检测系统2进行图像采集的钢箱梁疲劳裂纹检测方法。该方法具体包括如下步骤：

（1）疲劳裂纹图像获取；利用上述无人机检测系统1和工业机器人检测系统2获取具有三维坐标的钢箱梁内外的疲劳裂纹图像。

（2）疲劳裂纹图像预处理；通过无人机本体4和工业机器人8采集的钢箱梁疲劳裂纹图像会因抖动、光照变化、雨雪以及大雾天气等因素造成图像模糊，因此利用提前训练好的生成性对抗网络（EnlightenGAN）对拍摄的疲劳裂纹图像进行处理，进而获取超分辨率疲劳裂纹图像；利用Unet网络对超分辨率疲劳裂纹图像进行分割，得到疲劳裂纹的轮廓曲线；这样可减少复杂背景对钢箱梁疲劳裂纹检测的影响，方便对钢箱梁疲劳裂纹进行准确的检测和定位；

提前训练好的生成性对抗网络包括预先建立的疲劳裂纹图像数据库，疲劳裂纹图像数据库的建立是：依据《城市桥梁检测与评定技术规范》CJJ/T 233-2015和《公路桥梁技术状况评定标准》JTG/T H21-2011对钢箱梁疲劳裂纹和裂缝病害类型进行分类和分级，大量收集钢箱梁疲劳裂纹图像，并对钢箱梁疲劳裂纹进行标注，根据标注后的钢箱梁疲劳裂纹图像建立疲劳裂纹图像数据库；

利用Unet网络进行图像分割包括预先建立基于Unet的深度卷积神经网络模型；将疲劳裂纹图像数据库的数据集分为训练集、验证集和测试集，以训练集为样本对神经网络模型进行训练，并在验证集上检验训练结果，不断调整模型参数直到该网络模型在测试集上的识别精度达到要求。

（3）疲劳裂纹量化；利用基于Zernike矩亚像素边缘检测算法获取疲劳裂纹的宽度、长度和深度信息；根据图片上的三维坐标对疲劳裂纹的位置进行定位。其中，基于Zernike矩亚像素边缘检测算法的原理如下：

采用Canny边缘检测算法对钢箱梁疲劳裂纹的边缘进行像素级的粗提取，再利用改进的Zernike矩算法进行钢箱梁疲劳裂纹边缘的亚像素级精确提取；

Canny边缘检测原理：选择高斯滤波器对钢箱梁疲劳裂纹图像进行平滑滤波，并计算出平滑后钢箱梁疲劳裂纹图像G各点处的梯度幅值和梯度方向，获得钢箱梁疲劳裂纹的梯度幅值图像H和梯度方向图像R；则此时点（i，j）处的梯度幅值为：

（1）

梯度方向为：

（2）

假设

为钢箱梁疲劳裂纹图像，

为p阶q次的Zernike矩，则当钢箱梁疲劳裂纹图像为离散形式时，Zernike矩可表示为：

（3）

式中，

表示在极坐标下，共轭的单位圆内的正交p阶q次的Zernike矩；

对钢箱梁疲劳裂纹图像中裂纹的边缘附近的每一个像素都采用Zernike矩计算其边缘参数，当Zernike矩的模板为N×N时，钢箱梁疲劳裂纹的亚像素边缘检测公式为：

（4）

结合钢箱梁疲劳裂纹的实际情况，这里设定相对灰度阈值α和强度阈值β，在钢箱梁疲劳裂纹边缘附近搜索灰度值低于相对灰度阈值α的区域，并沿着这个梯度方向，找出强度值大于强度阈值β的点，记下其坐标。设像素级边缘点集为

，按照式（4）进行计算，生成亚像素点集；

。

（4）疲劳裂纹评估；将疲劳裂纹的宽度、长度和深度信息与基于建立的评估数据库进行比对，输出疲劳裂纹坐标位置及等级。

Claims (8)

1.一种钢箱梁疲劳裂纹智能检测系统，其特征在于，包括：

无人机检测系统，其用于拍摄钢箱梁外部疲劳裂纹并标注疲劳裂纹图像坐标，其包括无人机本体以及设在无人机本体上的惯性测量组件、无线收发模块，以及电子显微镜或CCD相机；

工业机器人检测系统，其用于拍摄钢箱梁内侧疲劳裂纹并标注疲劳裂纹图像坐标，其包括布设于钢箱梁内部可拆卸并可适应钢箱梁内部结构及弯曲变化的柔性轨道系统、与柔性轨道系统配合的工业机器人；所述工业机器人上设有惯性测量组件、无线收发模块，以及电子显微镜或CCD相机；所述柔性轨道系统包括轨道本体，所述轨道本体包括多个工字型轨道短节、连接在相邻工字型轨道短节的腹板之间的轨道偏转调节组件、设在工字型轨道短节腹板上且作用于轨道偏转调节组件上的锁固组件；所述工字型轨道短节上翼板上侧设有齿条；

其中，所述柔性轨道系统还包括：

轨道固定机构，其包括夹持在工字型轨道短节下翼板两侧的连接座、设在连接座下侧的磁力吸附固定架；所述连接座上螺纹配合有顶丝，所述顶丝作用于工字型轨道短节下翼板上；所述连接座两侧设有定位筒；

电动小车，其包括U型车座、铰接在U型车座上并与齿条配合的车轮、设在U型车座上并与工字型轨道短节上翼板配合的弹性镇压轮、设在U型车座上并与车轮传动连接的驱动电机；所述弹性镇压轮作用于工字型轨道短节上翼板的下侧，所述弹性镇压轮设有两个并置于U型车座两端，所述U型车座两侧设有与定位筒配合的电动推杆；

其中，所述轨道偏转调节组件包括：

铰接球，其固定在工字型轨道短节的腹板一端，其球面上对称设有两个长条形轨道槽，其球面上设有众多球面凹槽；

夹持臂，其整体呈U型并固定在相邻的另一工字型轨道短节腹板上；

弧形压盖，其铰接在夹持臂的两个自由端上并夹持铰接球，其内弧面上设有与轨道槽配合的滑块；

数据处理终端，其用于接收并分析处理无人机检测系统和工业机器人检测系统发送的疲劳裂纹图像数据及位置坐标数据，输出疲劳裂纹尺寸数据及位置的统计信息。

2.如权利要求1所述的一种钢箱梁疲劳裂纹智能检测系统，其特征在于，所述锁固组件包括：

螺纹筒，其固定在工字型轨道短节的腹板另一端；

螺杆，其与螺纹筒螺纹配合，其一端设有操纵杆；

止动顶板，其固定在螺杆另一端，其板面上设有多个与球面凹槽相适配的定位球。

3.如权利要求1所述的一种钢箱梁疲劳裂纹智能检测系统，其特征在于，所述磁力吸附固定架包括：

导向筒，其一端竖直固定在连接座下侧；

调节杆，其与导向筒螺纹配合；

开关式磁力座，其设在调节杆自由端上。

4.如权利要求1所述的一种钢箱梁疲劳裂纹智能检测系统，其特征在于，所述车轮包括轮盘和周向均布在轮盘外圆周上的球体；所述球体与齿条配合，相邻所述球体与齿条配合后夹持齿条齿牙的数量不少于两个。

5.如权利要求1所述的一种钢箱梁疲劳裂纹智能检测系统，其特征在于，所述弹性镇压轮包括：

U型架，其设在U型车座两端，其顶部设有杆体并纵向穿插于U型车座上；

轮柱，其设在U型架两端并压覆在工字型轨道短节上翼板的下侧，其一端设有凸缘并压覆在翼板边沿上；

弹簧，其套设在杆体上，其一端与U型车座连接固定，另一端与杆体连接固定。

6.一种钢箱梁疲劳裂纹检测方法，其特征在于，包括如下步骤：

（1）疲劳裂纹图像获取；利用权利要求1所述的无人机检测系统和工业机器人检测系统获取具有三维坐标的钢箱梁内外侧疲劳裂纹图像；

（2）疲劳裂纹图像预处理；利用CCD相机拍摄的钢箱梁疲劳裂纹图像会因抖动、光照变化、雨雪以及大雾天气因素造成图像模糊，利用提前训练好的生成性对抗网络对拍摄的疲劳裂纹图像进行处理，获取超分辨率疲劳裂纹图像；利用Unet网络对超分辨率疲劳裂纹图像进行分割，得到疲劳裂纹的轮廓曲线；

（3）疲劳裂纹量化；利用基于Zernike矩亚像素边缘检测算法获取疲劳裂纹的宽度、长度和深度信息；根据图片上的三维坐标对疲劳裂纹的位置进行定位；

（4）疲劳裂纹评估；将疲劳裂纹的宽度、长度和深度信息与基于建立的评估数据库进行比对，输出疲劳裂纹坐标位置及等级。

7.如权利要求6所述的一种钢箱梁疲劳裂纹检测方法，其特征在于，所述步骤（2）中，训练好的生成性对抗网络包括预先建立的疲劳裂纹图像数据库，疲劳裂纹图像数据库通过如下方式建立：对疲劳裂纹类型进行分类和分级，大量收集疲劳裂纹图像，并对疲劳裂纹进行标注，根据标注后的疲劳裂纹图像建立疲劳裂纹图像数据库。

8.如权利要求7所述的一种钢箱梁疲劳裂纹检测方法，其特征在于，所述步骤（2）中，利用Unet网络对图像进行分割，包括预先建立基于Unet的深度卷积神经网络模型；将疲劳裂纹图像数据库的数据集分为训练集、验证集和测试集，以训练集为样本对神经网络模型进行训练，并在验证集上检验训练结果，不断调整模型参数直到该网络模型在测试集上的识别精度达到要求。

Images