刘 田 俊

(山西省晋中路桥建设集团有限公司，山西 晋中 030600)

1 路桥病害检测工作的难点

1.1 路桥结构复杂化，局部检测困难

借助航空影像进行路桥结构的病害检测是主流检测手段。但是，随着部件形状、大小、造型的改变，以固定三脚架、移动车载、机器人为平台的摄影方式并不能够检测到侧面、底部以及主要部件的细部信息，捕捉不到这些部分的病害情况。为了能够检测到这些信息，养护运营企业必须派出专业人员进行现场目视解译，工作效率大大降低，已不能满足现代养护工作的要求。

1.2 路桥病害模型训练的不够充分

为了实现路桥病害的自动化检测，采用“训练—检测—验证”的模型构建方式。一般而言，路桥项目病害模型的图像数据在1 000张以内，对于参数量较大的模型而言，其训练过程是不充分的。在使用中容易出现病害遗漏、病害错识的情况，尤其在网状病害、线性病害中。针对这种情况，往往会采取简化模型参数的方法，但其性能会有所下降，并且对图像数据的要求更高，需要按照具体气候、季节进行图像数据补充。

1.3 路桥病害信息的图像提取不准确

计算机图像识别技术的发展仍没有达到百分百检测的水平，以边缘检测、语义分割、模板匹配以及机器学习算法为代表的图像提取技术一方面受病害图像信息库数量、类型不足的制约，另一方面受航拍影像分辨率的影响，对线性裂缝、网状裂缝的识别性能较差，无法起到及时防治的作用。此外，路桥病害信息库的更新速度不够，其泛化能力不足，难以跨地区、跨路段使用，大大增加了图像提取的成本。

2 自动提取路桥病害信息的路线设计和技术分析

2.1 自动提取路桥病害信息的设计路线

为了克服路桥病害检测工作的难度，实现路桥病害信息的自动化提取，以大疆六旋翼无人机为搭载平台，构建了自动提取路桥病害信息系统，实现高准确率自动化检测。其设计路线如图1所示。

首先，以无人机为搭载平台，通过设计多条航飞路线，对需要检测的路段进行多角度拍摄，包括路面、侧面、底面以及部件的隐蔽位置；然后，采用SIFT算法对因外界风力、光照影响产生的色差、变形进行图像预处理，最大程度地降低外界干扰；再然后，将影像传入自动化处理系统，经由模型库比对，将路桥病害进行识别，并提取；最后，在软件中，以三维形式进行提取结果展示。

2.2 基于航空影像的路桥病害信息提取技术分析

2.2.1标准各向异性扩散处理影像噪声技术

在航拍影像中，线性裂缝和小型网状裂缝受路表颜色、材料颗粒的干扰比较大，必须采取一定的预处理方法扩大其差异，才能降低病害信息提取的错误率。标准各项异性扩散方法在边缘检测、数据增强、纹理分析中有着良好效果。因此，采用标准各项异性扩散技术进行图像去噪。此技术以矩形选定图像域，通过引入时间参数，计算图像域的均值和方差，计算持续时间内图像扩散状态。首先，选定原始处理图像，在PDF上以限定时间T获取去噪图像，通过散度算子中的扩散函数来控制边缘处理，达到平滑或增强的目的；然后，选定梯度算子，控制非线性扩散函数求导速度，寻找到最优的函数参数；最后，扩散函数中的对比参数进行自动化调整，通过在(0,1)范围内多次试值，选择最优的方式降低PDF结果的不确定性。尽管在参数调节过程中，会耗费部分时间，但其效果优于传统的边缘识别方法，受噪声干扰性更小。

2.2.2部件模型的获取以及模型库更新技术

根据路桥建筑、部件结构以及常见病变的形状，对航空影像内的建筑物对象进行切分，获得路桥不同位置、不同形状的病害并将其制作为部件模型。无人机能够在短时间内对大桥、长路面、特殊结构细部进行图像收集，可源源不断地提供部件模型。在工程中，首先，定期接受航飞回传影像，将影像中的病害制作成部件模型；然后，将部件模型加入模型库，以更新、扩充后的模型库为准，定期更新病害识别参数，确保模型库能够对新型病害有良好的识别能力；最后，识别参数更新后，在固有验证集上进行精度验证，并采用查错率、漏查率两大检测指标进行检验。当训练集与验证集二者的检测指标数值相差不大，则表明模型更新是有效的；若二者的指标数值相差较大，尤其是验证集指标出现偏离时，需要对模型参数进行再次更新处理，直到二者指标数值相近。

2.2.3路桥病害识别技术

自动提取路桥病害信息系统是以病害的图像特征为基础的，包括全局特征、颜色特征和纹理特征。全局特征在处理病害图像形变、尺度、位置方面具有较好的鲁棒性；颜色特征能够将裂缝颜色与路桥材料进行区分；纹理特征则能够对路桥结构、病害结构进行识别。基于此理论背景，路桥病害识别技术才能取得良好效果。首先，对三项特征的36维数据进行了数值分析，得到了13维可用信息，包括：色差、对比度、平移等；然后，基于13维可用特征进行图像像素级特征映射，以微分求导的形式突出有差异像素值的边界；最后，对特征进行降维处理，通过PCA对13维特征的实际性能进行排序，实现梯度幅值的归一化。由此，图像中的病害和正常路面就可以区分开。

2.2.4路桥病害提取技术

病害特征和边界的识别为病害提取提供了强有力的支持，而提取的过程是对航空影像进行二值化处理的过程。首先，在线性裂缝、网状裂缝和坑洞进行预处理和识别分析的基础上，将病害部分与正常路面的边界划分开，得到裂缝的外边界；然后，对病害区域、正常路面附着不同的颜色，一般为黑色和白色，也可为不同的彩色，进而得到病害位置；最后，调节病害识别自适应阈值，对形状不同、损害程度不同进行区别化提取，可分为初发阶段、增长扩大阶段和已损坏阶段，帮助养护人员做好预防、治理、修复等工作。此外，针对初发阶段路桥病害提取的精度不够高，受噪声影响比较大。因此，在调节自适应阈值时，可适当提高其值，抑制噪声影响。

2.2.5路桥病害信息展示技术

路桥病害影像信息需与三维DEM相结合，进行数据三维化展示。首先，无人机影像、自动化处理结果与DEM进行贴合，将病害的具体位置展示在三维模型中；然后，通过目视解释方式，对检测到的病害信息进行人工目视判断，对其病害类别、成因、危害程度等进人工分析，对路面异物、构件遮挡地区进行巡检和多时段影像叠加分析，避免漏测；最后，基于多时相影像检测结果，对路桥不同构件，包括路面、露筋、积水等部分区域进行病害预测防治。由此可知，路桥病害信息展示技术能够大大提高养护管理工作效率，不仅能够对病害信息技术提取、分类，还能够根据多时相影像检测效果的不同进行针对性的病害预防。

3 结语

航空影像自动提取路桥信息技术能够在路桥养护运营中发挥极大的价值，不仅实现了路桥病害信息的准确提取，还为如何防治提供了基础材料。因此，路桥养护工作者应站在航空摄影的角度，对路桥病害检测工作方法进行改革，增强对计算机自动提取路桥病害信息技术的应用，实现路桥各位置病害的高质量检测。