魏思航 劉宇飛 劉家豪

(1.上海樸蘭工程科技有限公司 200092；2.清華大學(xué)土木工程系 北京100084)

引言

混凝土結(jié)構(gòu)缺陷[1]是一個普遍存在的現(xiàn)象，然而工程上很難定量分析，常常需要花費(fèi)大量的人力及時間。通常，從混凝土施工過程到結(jié)構(gòu)使用的全周期，都有可能出現(xiàn)不同程度的結(jié)構(gòu)質(zhì)量缺陷，其產(chǎn)生部位一般為結(jié)構(gòu)頂面、根部及內(nèi)外壁表面。在混凝土施工過程中，無論現(xiàn)場的管理水平如何，混凝土結(jié)構(gòu)都會由于種種原因，如:結(jié)構(gòu)形式的特殊性、氣候條件的惡劣、施工操作不規(guī)范等，在混凝土結(jié)構(gòu)的澆筑過程中或剛剛澆筑完成不久的混凝土表面形成缺陷，包括裂縫、蜂窩麻面、氣泡及孔洞、露筋、夾渣、疏松、外表缺陷等；對于鋼筋混凝土高聳結(jié)構(gòu)，包括橋梁高墩、高層建筑、塔桅結(jié)構(gòu)等，由于振動、疲勞、地基沉降、凍融循環(huán)等外力因素造成的結(jié)構(gòu)外壁缺陷，包括裂縫、掉塊、露筋等，其中以裂縫最為常見。不管是哪一方面缺陷，都會對混凝土結(jié)構(gòu)帶來不利的影響，所以找出混凝土結(jié)構(gòu)表面缺陷的內(nèi)因，并對已受損結(jié)構(gòu)采取有針對性的監(jiān)測措施是十分必要的。如受損已達(dá)到影響結(jié)構(gòu)安全的程度，應(yīng)立即對既有缺陷加以必要的修復(fù)處理。

混凝土缺陷監(jiān)測判定是一項(xiàng)要求精準(zhǔn)、過程繁復(fù)的任務(wù)。對于混凝土表面裂縫的監(jiān)測，目前工程上通常使用高空懸掛吊籃或蜘蛛人進(jìn)行手持接觸式測量。然而高空作業(yè)受到氣流、溫度等環(huán)境因素影響較難保證檢測的準(zhǔn)確度且具有較高的危險性；同時，人力成本的增加和檢測效率低下導(dǎo)致經(jīng)濟(jì)成本居高不下。為改善檢測環(huán)境，并提高測量精度及可靠度，可以應(yīng)用無人機(jī)[2-5]對混凝土結(jié)構(gòu)進(jìn)行圖像采集，通過數(shù)字圖像法[6-9]識別裂縫，并對裂縫的長度、寬度、方向等幾何參數(shù)進(jìn)行測量。以高聳混凝土結(jié)構(gòu)為例，在實(shí)驗(yàn)室中再現(xiàn)無人機(jī)對鋼筋混凝土塔筒進(jìn)行拍攝的全過程，分析照相距離、方位、亮度、感光度以及不同角度帶來的邊緣變形等因素對裂縫寬度和長度進(jìn)行圖像識別的影響。運(yùn)用試驗(yàn)室標(biāo)定結(jié)果，對實(shí)際拍攝的混凝土結(jié)構(gòu)表面照片進(jìn)行修正，將誤差控制在可接受范圍之內(nèi)，為結(jié)構(gòu)實(shí)體檢測的效果提供校核依據(jù)。

1 試件與裂縫模擬

針對邊緣變形對裂縫識別可能造成的影響，加上圓筒結(jié)構(gòu)本身的弧形表面，有必要定量地對圖像變形量進(jìn)行分析。在野外現(xiàn)場拍攝中，對混凝土風(fēng)電塔筒(圖1)采用7m定距(誤差0.1m)實(shí)拍，即無人機(jī)飛行中相機(jī)中心位置到塔筒表面的垂直距離時刻保持7m距離。實(shí)驗(yàn)室模擬中，為再現(xiàn)野外實(shí)拍的過程，針對拍攝每個塔筒的照片幅值尺寸及塔筒弧度、角度等參數(shù)制作了不同尺寸的斜面以固定模擬裂紋卡。

對于每個型號的筒節(jié)，需考慮不同的表面曲率對照片邊角處的變形造成的不同程度的影響，其中錐臺段筒節(jié)(TD1、TD2)的傾斜面也會對圖像變形帶來附加影響。為探究這些幾何特性對圖像變形造成的影響，試驗(yàn)室模擬中制作了7個斜面(圖2)以對應(yīng)相機(jī)中心到圖像邊緣位置的距離以及角度。每個斜面的具體參數(shù)見表1，其中，a、b、c、d為斜面各角點(diǎn)的厚度，X、Y為斜面對于X軸(模擬直筒與錐臺段傾斜面)、Y軸(模擬3種直徑塔筒的曲率)的傾角。斜面用玻璃切割制成，玻璃厚度為5mm，被攝面尺寸為200mm×200mm(以正對構(gòu)件為參考)。

圖1 混凝土風(fēng)電塔分段示意Fig.1 Sectional diagram of segmental concrete wind tower

圖2 斜面示意Fig.2 Diagram of a glass member with a designed slope

表1 試驗(yàn)構(gòu)件尺寸Tab.1 Dimensions of test members

裂縫模擬卡如圖3所示，代表裂縫寬度從0.05mm到3mm分布。試驗(yàn)時，將混凝土色紙置于斜面上，再將裂縫模擬卡貼在模擬混凝土面層的紙上，黑線用外徑測量，白線用內(nèi)徑測量。

圖3 試驗(yàn)?zāi)M混凝土面層及模擬裂縫卡Fig.3 Imitated concrete surface and cracks used in the tests

2 試驗(yàn)方案

試驗(yàn)中采用Sony QX-1相機(jī)搭配85mm定焦鏡頭作為視覺圖像采集設(shè)備，搭載APS-C圖像傳感器，尺寸23.5mm×15.6mm，像 素 兩 千 萬(5456×3632)。

試驗(yàn)中分別對比了相機(jī)距離、照片邊緣及角度引起的變形和室內(nèi)外光強(qiáng)三類因素對圖像識別造成的影響。按照三類不同試驗(yàn)?zāi)康暮蛥?shù)分三組進(jìn)行分析。第一組測試用于對比相機(jī)距結(jié)構(gòu)表面的距離帶來的圖像識別誤差。第二組測試用于對比相機(jī)平面與結(jié)構(gòu)表面角度帶來的圖像識別誤差，可細(xì)分為4小組，分別測試結(jié)構(gòu)表面與相機(jī)平面成不同角度時，照片各邊緣、角點(diǎn)變形帶來的誤差。為了防止偶然錯誤，每張圖片拍攝兩次。第三組測試為室外光情況下對第二組中有代表性的幾個實(shí)驗(yàn)的重復(fù)測試，用以分析不同光強(qiáng)對實(shí)驗(yàn)結(jié)果的影響。

第一組試驗(yàn)在室內(nèi)完成，將貼有裂縫的混凝土圖像貼于墻面，裂縫對比卡中心位置對準(zhǔn)相機(jī)鏡頭。按照相機(jī)墻面距離6.5m、7m、7.5m分別對裂縫進(jìn)行拍攝，7m拍攝裂縫橫豎兩張，其余各一張，共4張圖像，具體參數(shù)見表2。

表2 第一組(相機(jī)距離)試驗(yàn)參數(shù)Tab.2 Parameters used in the first group of tests

第二組試驗(yàn)在室內(nèi)完成，模擬實(shí)際混凝土塔筒拍攝時可能遇到的角度情況與位置。

由于環(huán)境對稱，只考慮讓裂縫出現(xiàn)在照片中心(位置1)、右邊界中心(位置2)、右上角(位置3)、上邊界中心(位置4)四處位置，以對比最小和最大圖像變形量，如圖4所示。

圖4 各組試驗(yàn)中裂縫對比卡在照相范圍內(nèi)的方位Fig.4 Locations to be examined in a photo

由于混凝土塔筒筒節(jié)的形狀(形成曲面)，當(dāng)相機(jī)移動到邊緣時，裂紋所在平面不再垂直于相機(jī)，應(yīng)考慮兩個旋轉(zhuǎn)形成的角度，一是裂紋測量卡到圓柱段的位置(圓柱曲面)，二是兩不同尺寸塔筒接口段的自然平面(錐臺曲面)。在每個位置，裂紋測量在兩個方向上進(jìn)行(代表垂直和橫向的裂紋)。

試驗(yàn)組編號M-N-K中，M代表裂縫出現(xiàn)的四個位置的編號；N為不同尺寸塔筒形成的不同傾角情況；K代表裂縫的方向，1為水平(裂縫卡豎直)、2為豎直(裂縫卡水平)。

試驗(yàn)中X為水平方向，Y為垂直方向，Z為從攝像機(jī)到墻壁的方向。X、Y向角度按照與相應(yīng)軸的角度表示，Z向角度表示裂縫的方向，0°為水平，90°為垂直。第二組設(shè)置見表3。

表3 第二組(角度變形)試驗(yàn)參數(shù)Tab.3 Parameters used in the second group of tests

續(xù)表

第三組試驗(yàn)在室外拍攝，對比室外圖像采集時，自然光(遠(yuǎn)超過燈光強(qiáng)度)帶來的清晰度差異。選取與第二組室內(nèi)試驗(yàn)相同點(diǎn)位與傾斜角度作為試驗(yàn)設(shè)置，具體設(shè)置見表4。

表4 第三組(室外)試驗(yàn)參數(shù)Tab.4 Parameters used in the third group of tests

3 數(shù)字圖像法裂縫識別

使用算法對裂縫模擬卡上的條紋進(jìn)行識別，算法可識別部分為實(shí)心裂縫部分，將裂縫卡裂縫區(qū)域進(jìn)行截取并進(jìn)行旋轉(zhuǎn)，典型識別結(jié)果如圖5所示，括號內(nèi)數(shù)字為該圖像識別出的裂縫條數(shù)。

圖5 數(shù)字圖像裂紋識別結(jié)果Fig.5 Digital images of crack recognition

對于室內(nèi)組，從可識別性上來看，在大多數(shù)角度，算法可以從裂縫卡上識別出寬度0.25mm及以上19～22條裂縫(第19～22條裂縫的寬度分別為0.40mm、0.35mm、0.30mm、0.25mm)。

從寬度數(shù)據(jù)來看，算法分辨率為1像素，本次試驗(yàn)中識別出裂縫的最低寬度為4像素(雖然在color bar上出現(xiàn)了更低的數(shù)字，是僅在裂縫邊緣的一兩個像素點(diǎn)中出現(xiàn)寬度為2的部分)。最寬的裂縫一般在9～10像素。從像素寬度到實(shí)際寬度的轉(zhuǎn)化需要應(yīng)用比例因子，比例因子一般有兩種獲得方法:

(1)從圖像上一個已知長度的物體對應(yīng)圖像中像素長度獲得，本次試驗(yàn)中，模擬混凝土表面的識別區(qū)域?yàn)?00mm×200mm，在圖像中對應(yīng)的像素長度約為57像素，故1像素代表的實(shí)際長度為200/570=0.3508mm。

(2)通過相機(jī)的成像原理進(jìn)行計(jì)算，計(jì)算相機(jī)感光元件上1像素代表遠(yuǎn)處多少尺寸。本次試驗(yàn)的拍攝距離為7m，使用的鏡頭為85mm，相機(jī)感光元件尺寸為23.5mm×15.6mm，對應(yīng)像素為5456×3632。按照透鏡成像原理計(jì)算，假設(shè)像距等于焦距，設(shè)感光元件在透鏡的焦距上，則圖像上1像素對應(yīng)實(shí)際距離為23.5mm/5456/85×(7000-85)=0.3504mm。

兩者方法得到的比例因子結(jié)果相差不多，所以在本次試驗(yàn)所用的相機(jī)和距離上，數(shù)值圖像識別算法的分辨率為0.35mm。最粗裂縫在9像素即識別為3.15mm，最細(xì)的4像素對應(yīng)1.4mm。

值得注意的是室外試驗(yàn)組的10組數(shù)據(jù)并沒有表現(xiàn)出比室內(nèi)更好的效果，識別出的裂縫在18～20條，即穩(wěn)定識別0.5mm以上的裂縫。代表裂縫寬度為0.25mm～0.5mm之間的條紋可識別出，寬度確認(rèn)較為困難。理論上講當(dāng)光照強(qiáng)度提升時對于識別效果有更好的幫助，出現(xiàn)這種情況的原因可能跟室外是陰天以及相機(jī)ISO降低有關(guān)。

4 裂縫實(shí)測結(jié)果

應(yīng)用上述結(jié)果可對圖像邊緣變形、角度誤差及不同光強(qiáng)情況下灰度變化等因素對圖像識別算法進(jìn)行修正，并對結(jié)構(gòu)裂縫圖像作出計(jì)算機(jī)識別。圖6是圖像識別結(jié)果，以不同顏色代表裂縫寬度，并將裂縫長度標(biāo)在裂縫中央，將裂縫走向標(biāo)記在裂縫兩端。識別程序?qū)⒚織l裂縫的具體信息，包括裂縫長度、平均寬度、起始及終止角度匯總并生成統(tǒng)計(jì)表格。通過裂縫識別算法，可以將裂縫的形態(tài)直觀地反饋給結(jié)構(gòu)工程師，從結(jié)構(gòu)安全的角度加以判斷和計(jì)算分析。

圖6 裂縫識別結(jié)果Fig.6 Concrete crack recognition

與工程上常用的手持式裂縫檢測儀檢測結(jié)果相比較，人工檢測每次只能給出某一位置的裂縫寬度，取值較為隨機(jī)，很難保證在裂縫最大寬度處檢測。圖7給出了一般混凝土裂縫的顯微形態(tài)，可以看到裂縫寬度在非常小的視野下不規(guī)則變化。因此對于裂縫的長期對比觀測，由于高聳結(jié)構(gòu)檢測作業(yè)難度非常高，難以做到每次測量均在同一取樣點(diǎn)進(jìn)行并保證對比測量結(jié)果的精確性。而基于無人機(jī)拍照結(jié)合計(jì)算機(jī)識別的檢測方法可以方便地對整條裂紋進(jìn)行分析，確保監(jiān)測結(jié)果易對比、可追溯。

圖7 混凝土裂縫在放大鏡下的顯微形態(tài)Fig.7 Micro-structure of a concrete surface crack

5 結(jié)語

應(yīng)用數(shù)字圖像法對模擬裂紋進(jìn)行識別，可有效檢測出裂紋寬度、長度、走向等信息；其中，對0.4mm以上的裂縫有穩(wěn)定的識別性，對超過0.25mm的裂縫可有效識別出寬度，對0.1mm～0.25mm的裂縫可辨別裂縫存在。照相邊緣變形及室內(nèi)外光差對圖像識別影響不大。

對比傳統(tǒng)的人工裂縫檢測技術(shù)，對結(jié)構(gòu)表面照片進(jìn)行圖像識別來判定裂縫的具體信息，可以同時對整條裂縫進(jìn)行分析，易于對比前后幾次測量結(jié)果的同時避免了高聳結(jié)構(gòu)檢測中可能帶來的人員風(fēng)險。在后續(xù)的研究中，需要針對裂縫長度、走向基于照相邊緣的變形進(jìn)行定量分析，并對比圖像識別結(jié)果和人工測量結(jié)果，得出應(yīng)用此方法的識別精度，從而對現(xiàn)場采集的圖像進(jìn)行有效補(bǔ)償，得到精確的識別數(shù)據(jù)。