基于线阵相机/扫描仪的轨交隧道病害检测系统设计实现

隧道维护可以避免隧道病害引发的安全事故,有效的维护依赖于全面和准确的隧道病害检测。传统的隧道病害检测依靠人工巡检,受隧道照明不足、检测时间短等因素的影响,检测效率低下且准确率低。针对这些隧道病害检测中的难题,根据轨交隧道结构均匀、轨道线路固定的特点设计了轨交隧道病害检测系统。系统将激光扫描技术与摄影测量技术相结合,使用激光扫描仪获取隧道三维点云,使用多线阵相机获取隧道影像,借助激光跟踪仪并设计虚拟靶标场对相机和扫描仪进行标定使其坐标基准统一。系统采用分布式的软件架构研发数据采集软件进行传感器交互和数据存储,并采用外触发的方法使传感器采集频率与车速匹配,最后基于Cesium框架研发数据管理平台对隧道数据进行管理。将系统应用于某隧道进行数据精度验证,实验表明轨交隧道病害检测系统能够在实际隧道中检测宽度为0.2 mm的裂缝和错台量0.5 mm的错台,具备轨交隧道病害检测能力。最后,通过将实验采集到的数据应用于隧道裂缝检测、错台检测、变形检测等方面,并对检测出的病害进行定位,证明了轨交隧道病害检测系统的实用性,为轨交隧道病害检测提供了可靠的解决方案。

高速公路隧道病害检测与处治技术分析

我国交通运输事业迅猛发展,高速公路隧道工程建设数量也不断增加,不过大多数隧道修建在地势相对复杂的山区地段,公路隧道在常年使用中也会出现许多病害问题,如衬砌开裂、隧道渗水、界限受侵等。这些问题若是得不到有效解决,会对人们的出行安全构成极大威胁。现如今,处理隧道病害问题已经引起人们的广泛关注。对高速公路隧道常见病害问题进行梳理及分析,阐述几种常见的隧道病害检测技术,并就如何运用先进技术处治病害问题展开深入研究,给出具体的处治方案,以供参考。

浅析隧道病害检测、加固设计及应用

本文以某高速公路隧道出现缺陷病害进行检测修复加固为工程背景,介绍了公路隧道出现缺陷病害时,如何进行检测,修复方案设计及工程应用,供隧道养护人员参考借鉴。

通过工程实例浅谈隧道病害检测、加固设计及应用

本文以某高速公路隧道出现缺陷病害进行检测修复加固为工程背景,介绍了公路隧道出现缺陷病害时,如何进行检测,修复方案设计及工程应用,供隧道养护人员参考借鉴。

基于高分辨特征的隧道病害检测算法研究

现阶段,自动化隧道病害检测的准确率往往受限于隧道内部的成像条件与检测车的采集设备,波动较大。本文提出一种基于HR(High Resolution)-Net的隧道病害检测算法HR-Net(1se),通过使用高分辨率特征可在成像条件较差的隧道洞壁图像中,更准确地提取隧道洞壁病害,且具有较高的鲁棒性。为提升算法运行效率,本算法使用HR-Net的第一阶段的特征提取网络作为主干网络,并使用该特征进行病害检测。通过在隧道病害图像数据集上验证,本文算法的mIoU指标达到81.74%,高于其他对比算法,并且耗时低于原始的HR-Net约25%。

运营期地铁隧道结构病害现状检测分析

地铁隧道的构造及运营环境特殊,隧道结构出现的病害较多。文章通过采用多种仪器设备对隧道进行外观检测和无损检测,得到了隧道衬砌裂缝、衬砌厚度、混凝土强度等信息。检测结果表明:隧道虽然存在裂缝、渗水和露筋等病害,但是综合影响不大,对隧道正常运营不构成威胁;依据相关规范和标准进行安全等级评定,全等级评定结果为C级,不影响通道运行安全。

图像识别技术在隧道表观病害检测中的应用

随着投入运营的铁路里程不断增加,我国已经成为世界隧道工程规模最大、发展速度最快、运营里程最长的国家。运营期隧道逐渐出现衬砌裂缝、掉块和渗水等病害,定期检查和健康评估是确保隧道等地下基础设施安全建设和运行的必要条件。传统的人工巡检劳动强度大,耗时长,难以满足及时检测的要求。本项目利用自研隧道衬砌无损检测系统实现隧道衬砌表观图像的快速采集,通过深度学习中常用的目标检测算法YOLO V5加以人工复核的方式实现了对隧道衬砌表观病害的快速检测。检测后共发现病害679处,其中衬砌掉块病害216处;渗水病害28处;裂缝病害435处。综合考虑衬砌表观病害的分布规律,衬砌掉块和渗水病害,在K60+500~K61+800区段内呈现数量和程度上的增加,推断在该区段内隧道衬砌结构状态的出现明显变化。

基于多层级特征融合的隧道衬砌裂缝病害检测算法研究

为实现智能检测隧道衬砌裂缝病害,提升隧道智能养护水平,本文提出一种基于多层级特征融合的隧道衬砌裂缝病害检测模型CS-Net(Crack Segmentation Network)。此模型设计多层级特征融合模块,融合浅层细节特征和高层抽象语义特征,提高全局的特征表达能力,实现对复杂隧道环境裂缝病害的准确识别。选取数据集CrackForest、CrackTree、Crack500进行实验,结果表明,CS-Net分割模型在不同场景中取得最优结果,表明多层级特征融合能够提升裂缝识别模型在复杂环境中的语义分割能力。

基于深度学习的隧道病害图像检测

随着我国城市地铁的快速发展,隧道的养护变得越来越重要,传统的人工检测方法不仅效率低、成本高,而且耗时,已经不能满足当今的需求;通过对越江隧道中的电缆通道的病害特征进行研究,提出一种基于深度学习的隧道多病害检测的方法,并提出了一种针对隧道病害检测的残差融合模块网络(Resfmnet),利用深度学习网络提取图像病害特征并进行病害分类,提高了病害的检测能力,所使用的数据集是通过特种机器人在越江隧道中的电缆通道拍摄的视频获得;实验结果表明所提出的网络显示出更高的准确性和泛化性,对多病害的检测的精度mAP达到0.8914,使得越江隧道检查和监控变得高效、低成本,并最终实现自动化。

移动三维激光扫描技术在隧道病害识别中的应用

隧道等地下空间工程是解决城市资源与环境危机的重要措施,是城市新基建的主要方向。开展城市地下工程基础设施普查,定期全面的"体检",是确保人民生命财产安全的关键问题。本文针对隧道病害快速识别问题,首先利用自助研发的移动三维(3D)激光扫描系统获取了隧道点云数据,进一步研究了点云数据处理方法,获取了隧道灰度影像图,然后分析了隧道病害影像的识别特征,计算了该段隧道裂缝、渗漏水、衬砌脱落等病害的位置及大小,验证了三维激光扫描技术在隧道病害检测中的可行性。

基于深度神经网络的隧道裂缝检测方法

裂缝、渗水和掉块等隧道病害对隧道运行安全和使用年限有着严重影响,传统的隧道裂缝检测方法以人工检测为主,速度慢、漏检严重且无法对隧道裂缝进行长期自动化检测。本文设计了一套基于深度神经网络的面向隧道裂缝的检测系统,该系统使用隧道面阵相机采集的图像数据对隧道裂缝进行检测识别。该检测系统能够对隧道裂缝快速准确地进行检测,在检测阈值设置为0.3时,隧道裂缝的检测准确率为97.00%。经工程验证,本文所设计的系统对隧道主要病害裂缝病检测精度达到0.2 mm,满足隧道检测任务需求。

基于深度学习的公路隧道衬砌病害识别方法

针对与日俱增的隧道养护需求,为了节约时间与人力成本,提出基于卷积神经网络的公路隧道衬砌病害检测方法.利用自主研制的隧道智能快速检测车采集24条隧道衬砌的图像,构建超过20 000张病害图像的高质量数据集.结合隧道衬砌病害的成因及特点,分别构建单阶段SSD模型和两阶段R-FCN模型在自制的数据集上训练,对检测结果进行对比分析,提出离线式隧道衬砌病害检测方案.试验结果表明,SSD模型的识别准确率为98%,总的平均精度均值(mAP)为72%,检测速度较快,适用于隧道的快速诊断. R-FCN模型的识别准确率为85%,总的m AP达到91%,检测精度较高,适用于隧道病害的后期处理.利用这2种检测模型均可以提升检测效率和精度.

BIM技术在隧道衬砌病害信息可视化中的应用

对BIM技术在运营公路隧道衬砌结构病害检测结果信息可视化展示中的应用展开了研究,通过对Auto CAD和Revit的二次开发,实现隧道衬砌病害的三维可视化。所实施的方法为:将公路隧道的结构进行解构,以便在BIM软件中建立隧道各个构件的空间模型;结合隧道结构特征,推导出将CAD平面图形元素映射到三维隧道空间结构的转换公式;提取隧道病害展示图中特征点的关键参数,把提取的隧道病害的参数进行坐标换算,将隧道病害元素映射到隧道结构的空间模型上,实现了衬砌病害从二维向三维的转化。通过BIM技术展示衬砌病害的三维可视化,为公路隧道的维修养护工作提供便利。

基于YOLOv4的隧道表面病害检测算法

隧道病害的及时发现与维护对行车安全非常重要,但隧道环境复杂多变、表面图像对比度低,传统模式识别方法无法有效检测病害。对此,文章提出一种基于YOLOv4的隧道表面病害检测方法,其首先采用CSPDarknet-53作为主干网络来有效提取特征,并通过空间金字塔池化(SPP)融合不同尺度特征,然后经过YOLO层分类与回归病害区域,最后应用CIoU损失函数计算回归损失,有效提高了检测精度。试验结果表明,采用该算法及NVIDIA GeForce 2080Ti显卡,检测速度可达到55帧/s;在所建立的高速铁路隧道表面图像数据集中,平均精度均值(mAP)达到65.1%,缺陷检出率达到90.1%,验证了该算法的高效性。

基于FCN与视场柱面投影的隧道渗漏水面积检测

针对隧道渗漏水病害面积检测中由于复杂环境干扰和隧道几何柱面形状影响而造成较大误差的问题,设计了基于FCN与视场柱面投影算法渗漏水面积检测算法;研制了无人病害巡检车,实现了隧道病害数据的无人采集,通过将FCN处理后的渗漏水病害图片进行视场转换和柱面投影模型的优化,提高了所计算病害面积的准确性;实验结果表明,该算法相比OSTU法、分水岭法和自适应阈值法算法使误检率下降至0.0189,有效提升了隧道渗漏水面积检测的精度。

基于分时复用原理的多通道探地雷达时序控制模块设计及应用

为实现对隧道衬砌空洞和地质病害的无损、高效检测,基于分时复用原理,通过FPGA编程和时序电路设计实现一种瞬态脉冲型多通道探地雷达时序控制模块,并应用于多频多通道隧道病害检测探地雷达系统。该时序控制模块可以产生多路同频等相位差时钟,分时触发各个通道脉冲信号的单次收发,从时间上分离通道间串扰信号和有效雷达回波,实现探地雷达多频段多通道的高效工作。试验测试和实地验证结果表明:该时序控制模块在脉冲重复频率为500 kHz时,能实现8通道雷达测试系统相邻通道间240 ns左右的触发时差,并在触发时差范围内保证观察时窗内雷达回波信号的稳定性;同时,该模块也能应用于3频段6通道隧道病害检测探地雷达系统,并在距离介质分界面65 cm时反映出实际隧道预埋病害的深度和尺寸信息。