隧道裂縫自動(dòng)識(shí)別性能影響因素研究*

段中興， 周 建， 陳 勝， 裴 可

(西安建筑科技大學(xué) 信息與控制工程學(xué)院，陜西 西安 710055)

?

隧道裂縫自動(dòng)識(shí)別性能影響因素研究*

段中興， 周 建， 陳 勝， 裴 可

(西安建筑科技大學(xué) 信息與控制工程學(xué)院，陜西 西安 710055)

在室內(nèi)環(huán)境下，利用混泥土試驗(yàn)?zāi)K，設(shè)計(jì)一種基于互補(bǔ)金屬氧化物半導(dǎo)體(CMOS)傳感器件的裝置來進(jìn)行隧道裂縫自動(dòng)識(shí)別試驗(yàn)。將裂縫圖像灰度值分布作為衡量自動(dòng)識(shí)別的重要指標(biāo)，分析有效像素、檢測(cè)距離、光照強(qiáng)度等因素對(duì)自動(dòng)檢測(cè)性能的影響。模擬試驗(yàn)結(jié)果表明：有效像素和檢測(cè)距離對(duì)圖像分布的特征影響不大；有效像素增大，檢測(cè)距離減小，相應(yīng)的檢測(cè)性能增加；光照強(qiáng)度不僅對(duì)裂縫圖像灰度分布特征影響大，對(duì)自動(dòng)檢測(cè)性能也有顯著的影響，光照強(qiáng)度過高或過低都會(huì)影響檢測(cè)性能。

隧道裂縫； 互補(bǔ)金屬氧化物半導(dǎo)體傳感器； 自動(dòng)識(shí)別； 檢測(cè)性能

0 引 言

隧道裂縫檢測(cè)和識(shí)別一直都是我國(guó)隧道裂縫治理和維護(hù)的一個(gè)難題。目前檢測(cè)裂縫的方法主要有超聲波檢測(cè)法、沖擊彈性波檢測(cè)法、光纖傳感檢測(cè)法以及圖像處理檢測(cè)方法[1，2]。

目前對(duì)裂縫裝置檢測(cè)性能的具體實(shí)驗(yàn)研究還較為缺乏。針對(duì)這一不足之處，本文設(shè)計(jì)一種基于互補(bǔ)金屬氧化物半導(dǎo)體(CMOS)傳感器件的裂縫識(shí)別檢測(cè)裝置[3]。本文在室內(nèi)的環(huán)境中，選取一塊含有裂縫的混凝土模型，模擬不同情況下的隧道檢測(cè)，分析光照強(qiáng)度、檢測(cè)的距離、有效像素等因素對(duì)隧道裂縫檢測(cè)的影響規(guī)律。該實(shí)驗(yàn)分析結(jié)果可為我國(guó)研究高效的自動(dòng)檢測(cè)隧道裂縫車提供參考和理論的依據(jù)[4～6]。

1 裂縫檢測(cè)試驗(yàn)系統(tǒng)設(shè)計(jì)

1.1 試驗(yàn)設(shè)備

要完成通過計(jì)算機(jī)來進(jìn)行裂縫的處理和判斷，必須對(duì)圖像采集，LED光源燈可以給足夠的光源，利用CMOS傳感器件進(jìn)行圖像的采集，而自身的A/D轉(zhuǎn)換功能可以將圖像的信息轉(zhuǎn)變成數(shù)字信號(hào)。再通過處理器將這些信號(hào)通過運(yùn)算來提取隧道裂縫的位置、走向、長(zhǎng)度、寬度等特征參數(shù)。通過對(duì)這些特征值得分析和處理，就可以得到影響裂縫自動(dòng)檢測(cè)的因子了，裂縫自動(dòng)檢測(cè)的系統(tǒng)圖如圖1所示。

圖1中CMOS傳感器件可以以一定的角度旋轉(zhuǎn)。移動(dòng)支架可以以6 km/h的速度移動(dòng)，LED光源具有很強(qiáng)的光照強(qiáng)度，且分布均勻。

圖1 裂縫自動(dòng)檢測(cè)系統(tǒng)圖Fig 1 Crack automatic detecting system

1.2 試驗(yàn)?zāi)Ｐ秃凸r

在本試驗(yàn)中截取長(zhǎng)、寬、高分別為30,20,10 cm的含有裂縫的試驗(yàn)樣塊，圖2區(qū)域表示采集的裂縫圖像信息，選取長(zhǎng)、寬分別為8,8 cm的區(qū)域進(jìn)行裂縫的自動(dòng)識(shí)別的影響因素分析。

圖2 試驗(yàn)圖像分析區(qū)域Fig 2 Test image analysis area

選取了光照強(qiáng)度、檢測(cè)的距離、檢測(cè)的速度、有效的像素3種影響因子，總共進(jìn)行52組試驗(yàn)，每一組試驗(yàn)中有3個(gè)試驗(yàn)，選取了其中具有代表性的9組試驗(yàn)數(shù)據(jù)來分析，具體的試驗(yàn)情況如表1所示。

表1 檢測(cè)試驗(yàn)工況

1.3 試驗(yàn)步驟

在室內(nèi)環(huán)境下，圖3顯示了裂縫自動(dòng)檢測(cè)的示意圖，通過移動(dòng)支架的移動(dòng)使得CMOS傳感器件移動(dòng)來采集裂縫的圖像信息，利用處理器來提取裂縫的特征值。

圖3 試驗(yàn)步驟示意圖Fig 3 Test procedure diagram

具體的步驟如下：

1)利用光照度表測(cè)量，選取4,6,8 klux三種不同的光照強(qiáng)度，分析不同的光照強(qiáng)度對(duì)裂縫檢測(cè)試驗(yàn)的影響效果。

2)將模塊和移動(dòng)支架之間的距離分別調(diào)整為1.0,1.5,2.0 m，并在不同的距離下對(duì)裂縫的特征值進(jìn)行采集，分析不同的距離對(duì)裂縫灰度值的影響。

3)將CMOS傳感器件的像素分別調(diào)到1 024,2 048,4 096 pixel時(shí)，并在不同像素的時(shí)候?qū)α芽p特征值進(jìn)行提取。此時(shí)模擬在不同像素的情況下的裂縫試驗(yàn)。

2 裂縫特征分析與檢測(cè)性能評(píng)價(jià)

2.1 隧道裂縫特征分析[7～11]

1)非負(fù)性：裂縫圖像具有一個(gè)很大的特征——非負(fù)特征，圖像的灰度值比背景的灰度值低

(1)

k={1,2,…,m×n}

(2)

2)對(duì)比度：裂縫圖像與非裂縫圖像有著很強(qiáng)的對(duì)比度C為

(3)

式中 Vb為連續(xù)的裂縫區(qū)域灰度平均值；Va則表示非裂縫區(qū)域的均值，Vmax則表示為最大值，Vmin為最小值；N為鄰域非裂縫區(qū)域像素個(gè)數(shù)。

3)灰度共生矩陣:裂縫圖像在一定區(qū)域內(nèi)是連續(xù)的而且相近，可以將裂縫的這種特征描述相似性分布的共生矩陣特征

(4)

式中 i，j為像素坐標(biāo)；p(i,j)為一定區(qū)域的灰度共生矩陣，若p(i,j)中小的元素接近矩陣主對(duì)角線，則表明該窗口中的近鄰元素有較大的反差，也就是說存在裂縫。

圖像的灰度特征是評(píng)價(jià)隧道自動(dòng)檢測(cè)性能的一個(gè)重要指標(biāo)，灰度的分布對(duì)裂縫的提取和檢測(cè)都有著直接的影響。因而可以利用灰度特征來描述在不同的情況下，影響裂縫自動(dòng)檢測(cè)性能的不同影響規(guī)律。

2.2 檢測(cè)性能分析

2.2.1 光照強(qiáng)度

為了檢測(cè)光照強(qiáng)度對(duì)自動(dòng)檢測(cè)性能的影響，利用光照度表測(cè)量。圖4是在1.5m,2048pixel勻速的情況下采集的裂縫圖像。

圖4 不同光照強(qiáng)度下的裂縫圖像Fig 4 Cracks image under different light intensities

由圖5可以看出在三種不同的光照強(qiáng)度下波形灰度的最大值分別為127，121，116。而波形灰度的最小值分別為34，23，18?？梢缘贸鼋Y(jié)論，隨著光照強(qiáng)度增強(qiáng)，圖像的灰度值也增大，不同的光照強(qiáng)度對(duì)像素灰度的特征分布有著很大的影響。

圖5 不同光照強(qiáng)度下的像素灰度分布Fig 5 Pixel gray distribution under different light intensities

2.2.2檢測(cè)距離

檢測(cè)距離影響CMOS器件的光學(xué)分辨率，為了總結(jié)模型和移動(dòng)設(shè)備之間距離對(duì)自動(dòng)檢測(cè)性能的影響，將模塊和移動(dòng)支架之間的距離分別調(diào)整為1.0,1.5,2.0 m，并采集此時(shí)的裂縫圖像信息，圖6是在4 klux,2 048 pixel,勻速的情況下采集的裂縫圖像。

圖6 不同檢測(cè)距離下的裂縫圖像Fig 6 Crack image under different detection distance

由圖7可以看出在三種不同的檢測(cè)距離下波形灰度的最大值分別為122，121，119。而波形灰度的最小值分別為22，21，20。可以得出結(jié)論，隨著檢測(cè)距離的增大，圖像的灰度值變化不大，幾乎沒有變化，不同的檢測(cè)距離對(duì)對(duì)像素灰度的特征分布的影響作用不大。

圖7 不同檢測(cè)距離下的像素灰度分布Fig 7 Pixel gray distribution under different detection distance

2.2.3 有效像素

有效像素是CMOS傳感器件的一個(gè)重要參數(shù)，它表示光學(xué)儀器在光敏區(qū)域的參與成像的像素，它對(duì)光學(xué)儀器的分辨率有著巨大的影響，因此對(duì)有效像素的試驗(yàn)分析是非常必要的。圖8是在4 klux,1.7 m/s,1.5 m情況下采集的裂縫圖像。

圖8 不同有效像素下的裂縫圖像Fig 8 Cracks image under different effective pixels

由圖9可以看出:在3種不同的有效像素下波形灰度的最大值分別為121，120，119。而波形灰度的最小值分別為20，19，18，不同的檢測(cè)速度對(duì)對(duì)像素灰度的特征分布影響不大。

圖9 不同有效像素下的像素灰度分布Fig 9 Pixel gray distribution under different effective pixels

3 結(jié) 論

本文利用在室內(nèi)進(jìn)行了隧道裂縫自動(dòng)識(shí)別的實(shí)驗(yàn)研究，將裂縫灰度值和測(cè)量的相對(duì)誤差作為評(píng)價(jià)裂縫自動(dòng)識(shí)別的定量標(biāo)準(zhǔn)。分析了有效像素、檢測(cè)距離、光照強(qiáng)度等因素對(duì)裂縫隧道自動(dòng)識(shí)別的影響規(guī)律并得出結(jié)論：

1)在裂縫圖像沿裂縫寬度方向上的灰度值曲線表明，波谷的顯現(xiàn)出來的特征能表明裂縫區(qū)域與背景區(qū)域的差別，波谷區(qū)域特征越是顯著，則其余背景的區(qū)別越大，對(duì)裂縫的自動(dòng)識(shí)別更加有利。

2)光照強(qiáng)度的增加對(duì)裂縫像素的分布有著很大的影響，光照強(qiáng)度越大，圖像的灰度值也會(huì)相應(yīng)的增大；有效像素，檢測(cè)距離對(duì)裂縫像素的灰度分布影響不大。但是這兩個(gè)因子也影響裂縫的檢測(cè)性能，隨著有效像素的增大，檢測(cè)距離的縮短，灰度的分布增大，檢測(cè)性能相對(duì)的增加。本次實(shí)驗(yàn)的研究成果可以為我國(guó)隧道裂縫自動(dòng)檢測(cè)車的研制提供參考依據(jù)。

[1] 楊 帆.數(shù)字圖像處理與分析[M].北京:北京航空航天大學(xué)出版社，2007：207-242.[2] Cheng H D,Chen J R.Novel approach to pavement cracking detection based on ruzzy set theory[J].Journal of Computing in Civil Engineering,ASCE,1999,13(4):270-280.

[3] Blankfin系列DSP原理與設(shè)計(jì) [M]. 2版. 北京:電子工業(yè)出版社，2010.

[4] 章秀華，洪漢玉，侯 佳，等.路面破損圖像實(shí)時(shí)檢測(cè)方法研究[J].電子設(shè)計(jì)工程，2009,17(6):36-37.

[5] 張 娟，沙愛民，孫朝云.路面裂縫自動(dòng)識(shí)別的圖像增強(qiáng)技術(shù)[J].中外公路，2009,29(4):304-305.

[6] Kopparapu S K. Lighting design for machine vision applica-tion[J].Image and Vision Computing，2006,24(7):720-726.

[7] 宋蓓蓓，韋 娜.FCM分割和形態(tài)學(xué)的瀝青路面圖像裂縫提取[J].計(jì)算機(jī)工程與應(yīng)用,2013,49(4):31-34.

[8] 于泳波，李萬恒，張勁泉，等.基于圖像連通域的橋梁裂縫提取方法[J].公路交通科技，2011，28(7):90-93.

[9] 儲(chǔ)江偉，初秀民，王榮本，等.瀝青路面破損圖像特征提取方法研究[J].中國(guó)圖象圖形學(xué)報(bào)，2003,16(3):11-14.

[10] 王平讓，黃宏偉，薛亞東.基于圖像局部網(wǎng)格特征的隧道襯砌裂縫自動(dòng)識(shí)別[J].巖石力學(xué)與工程學(xué)報(bào)，2012,31(5):991-999.

[11] 耿 飛，錢春香.圖像分析技術(shù)在混凝土塑性收縮裂縫定量測(cè)試與評(píng)價(jià)中的應(yīng)用研究[J].東南大學(xué)學(xué)報(bào):自然科學(xué)版，2003,33(6):773-776.

設(shè)計(jì)與制造

Study of factors affecting automatic identification performance of cracks in tunnel*

DUAN Zhong-xing, ZHOU Jian, CHEN Sheng, PEI Ke

(School of Information and Control Engineering,Xi’an University of Architecture and Technology，Xi’an 710055,China)

In indoor environment,using concrete test module,design a device based on CMOS sensor to automatically identify cracks in tunnel test.Crack image gray value distribution is regarded as an important indicator for automatic recognition.Analyze effective pixels,testing effect of distance,light intensity and other factors on automatic detection performance.Simulation results show that the effective pixel and detection distance have little effect on features of image distribution. Effective pixels is increased,detecting distance is reduced,corresponding detecting performance is increased;light intensity not only has great impact on fracture image gray distribution feature,but also has a significant impact on automatic detection performance,too high or too low light intensity will affect detecting performance.

cracks in tunnel;complementary metal-oxide-semiconductor(CMOS) sensor; automatic identificating; detection performance

2016—01—04

國(guó)家自然科學(xué)基金資助項(xiàng)目(50575168);陜西省教育廳自然科學(xué)專項(xiàng)基金資助項(xiàng)目(07JK281)

10.13873/J.1000—9787(2016)10—0060—03

U 451

A

1000—9787(2016)10—0060—03

段中興(1969-)，男,湖南茶陵人,教授,博士生導(dǎo)師，從事智能信息處理與智能控制，建筑環(huán)境控制與節(jié)能優(yōu)化等研究工作。