隧道襯砌雷達(dá)檢測(cè)智能判識(shí)系統(tǒng)研究

耿天寶，宋 恒*，王東杰，胡 楠

（安徽數(shù)智建造研究院有限公司，安徽 合肥）

引言

隨著中國(guó)建造技術(shù)的發(fā)展，隧道作為穿山過(guò)嶺的一種主要結(jié)構(gòu)在鐵路、公路、地鐵等領(lǐng)域越來(lái)越廣泛應(yīng)用。尤其西部地區(qū)隧道多、里程長(zhǎng)，國(guó)家重點(diǎn)工程川藏鐵路的橋隧比更是達(dá)到了81%。由于隧道施工本身的特殊性和不可預(yù)見(jiàn)性，不可避免會(huì)出現(xiàn)病害。隧道病害關(guān)乎國(guó)家安全、人民生命。國(guó)家鐵道管理部門(mén)規(guī)定[1]，隧道如果檢測(cè)不到位，將對(duì)施工單位和檢測(cè)單位并罰，一年內(nèi)不得投標(biāo)，建設(shè)單位亦承擔(dān)連帶責(zé)任。

地質(zhì)雷達(dá)檢測(cè)法是隧道工程質(zhì)量檢測(cè)中廣泛采用的方法，但檢測(cè)結(jié)果完全依靠人工經(jīng)驗(yàn)判讀，費(fèi)時(shí)耗力且容易產(chǎn)生誤判和數(shù)據(jù)的多解性。此外，人工處理雷達(dá)數(shù)據(jù)很難確保數(shù)據(jù)未經(jīng)篡改。因此，迫切需要建立統(tǒng)一的標(biāo)準(zhǔn)化工具，從雷達(dá)回波中自動(dòng)識(shí)別各種隧道工程質(zhì)量數(shù)據(jù)（空洞、厚度、鋼筋數(shù)量等），輔助檢測(cè)人員判讀雷達(dá)圖像，為隧道工程質(zhì)量檢測(cè)工作提質(zhì)增效。

基于此，本文提出一種隧道襯砌雷達(dá)檢測(cè)人工智能（AI）分析系統(tǒng)。該系統(tǒng)能夠批量自動(dòng)分析雷達(dá)原始數(shù)據(jù)和B-scan 圖像，高效管理隧道質(zhì)量檢測(cè)工程，實(shí)現(xiàn)隧道工程質(zhì)量檢測(cè)的數(shù)字化、標(biāo)準(zhǔn)化、智能化。

1 隧道襯砌雷達(dá)檢測(cè)發(fā)展現(xiàn)狀

探地雷達(dá)（GPR）是隧道襯砌內(nèi)部結(jié)構(gòu)探測(cè)的最有效儀器，可分為雷達(dá)硬件采集信號(hào)和信號(hào)解譯（判讀）兩方面。下面分別從這兩方面簡(jiǎn)述隧道襯砌雷達(dá)檢測(cè)的研究發(fā)展情況。

1.1 探地雷達(dá)

1971 年美國(guó)地球物理探測(cè)儀器公司（GSSI）研發(fā)出第一臺(tái)商用探地雷達(dá)[2]。此后，加拿大、瑞典、意大利、英國(guó)、俄羅斯、德國(guó)、挪威和中國(guó)等國(guó)家紛紛研制出性能相當(dāng)?shù)奶降乩走_(dá)[3]。目前，國(guó)內(nèi)隧道檢測(cè)行業(yè)主流的探地雷達(dá)品牌主要有：美國(guó)GSSI 公司的SIR 系列、意大利IDS 公司的RIS 系列、青島電波所的LTD系列等[4，5]。近十多年來(lái)，隧道檢測(cè)探地雷達(dá)在硬件發(fā)展上幾乎處于停滯狀態(tài)，僅在天線數(shù)字化、雙頻組合天線等技術(shù)點(diǎn)上有些改進(jìn)。

1.2 信號(hào)解譯

雷達(dá)信號(hào)的人工解譯僅針對(duì)GPR 圖像進(jìn)行處理和判讀。由于硬件模塊噪聲、地下介質(zhì)的不均勻性等因素影響，GPR 圖像通常存在一定干擾和畸變。因此，GPR 信號(hào)解譯一直是一個(gè)具有挑戰(zhàn)性的問(wèn)題。

在探地雷達(dá)B-scan 圖中，地下目標(biāo)往往呈現(xiàn)出類(lèi)似雙曲線的形狀特征。基于此，大量學(xué)者將隧道襯砌GPR 信號(hào)解譯問(wèn)題轉(zhuǎn)化為類(lèi)雙曲線提取問(wèn)題進(jìn)行研究。近年來(lái)，基于卷積神經(jīng)網(wǎng)絡(luò)（CNN）的方法被大量用于GPR 圖像解譯研究。與傳統(tǒng)機(jī)器學(xué)習(xí)不同，CNN 無(wú)需人工“特征工程”，直接從GPR 數(shù)據(jù)中學(xué)習(xí)解譯對(duì)象的特征表示。2015 年，Besaw等人應(yīng)用CNN從GPR 圖像中提取關(guān)鍵特征[6]。2016 年，文獻(xiàn)采用數(shù)據(jù)增強(qiáng)（Data Augmentation, DA）技術(shù)增加GPR 數(shù)據(jù)可用訓(xùn)練集的數(shù)量和可變性[7]。這些研究大大推動(dòng)了探地雷達(dá)信號(hào)智能判識(shí)（解譯）技術(shù)研究趨于成熟。但至今為止，國(guó)內(nèi)外尚未見(jiàn)到具備智能判識(shí)功能的成熟探地雷達(dá)產(chǎn)品，隧道襯砌雷達(dá)檢測(cè)智能分析算法也尚未見(jiàn)大規(guī)模商用。

2 隧道襯砌雷達(dá)檢測(cè)智能判識(shí)系統(tǒng)

我們提出的隧道襯砌雷達(dá)檢測(cè)智能判識(shí)系統(tǒng)包括雷達(dá)數(shù)據(jù)智能分析、項(xiàng)目管理、數(shù)據(jù)可視化和檢測(cè)報(bào)告自動(dòng)生成等功能。系統(tǒng)采用云平臺(tái)架構(gòu)，具體如圖1 所示。

圖1 隧道雷達(dá)檢測(cè)數(shù)字化云平臺(tái)架構(gòu)

2.1 系統(tǒng)架構(gòu)

由圖1 可見(jiàn)，在隧道作業(yè)中，探地雷達(dá)采集的原始數(shù)據(jù)通過(guò)WIFI 無(wú)線傳輸?shù)綑z測(cè)員智能手持設(shè)備（手機(jī)）中。智能手持設(shè)備通過(guò)WIFI、4G 或5G 方式將原始數(shù)據(jù)發(fā)送到云端。云端部署AI 分析引擎、數(shù)據(jù)管控系統(tǒng)、數(shù)據(jù)挖掘引擎，對(duì)匯總雷達(dá)數(shù)據(jù)進(jìn)行統(tǒng)一管理和分析。系統(tǒng)提供大屏、PC 和APP 三種展示及控制方式。

2.2 智能判識(shí)算法

我們?cè)诔浞纸Y(jié)合雷達(dá)B-scan 目標(biāo)成像原理和隧道檢測(cè)資深專(zhuān)家經(jīng)驗(yàn)的基礎(chǔ)上，提出深度學(xué)習(xí)多模態(tài)多任務(wù)隧道雷達(dá)波形識(shí)別算法架構(gòu)，如圖2 所示。

圖2 隧道雷達(dá)波形識(shí)別算法架構(gòu)

圖2 中，融合后處理方法即如何根據(jù)鋼筋、襯砌、拱架及脫空、預(yù)埋、不密實(shí)等缺陷在雷達(dá)圖像中可能位置及大小信息的先驗(yàn)知識(shí)，融合分析識(shí)別結(jié)果，剔除錯(cuò)誤和補(bǔ)全遺漏。隧道雷達(dá)檢測(cè)數(shù)據(jù)常常存在較大干擾，對(duì)抗擾動(dòng)學(xué)習(xí)機(jī)制是在算法訓(xùn)練過(guò)程中加入對(duì)抗擾動(dòng)機(jī)制，提高訓(xùn)練模型的抗干擾性能。

此外，脫空、預(yù)埋、不密實(shí)等缺陷在隧道檢測(cè)雷達(dá)B-scan 圖像中表現(xiàn)為稀松不規(guī)則目標(biāo)，存在小樣本和類(lèi)別不平衡問(wèn)題。我們?cè)谟?xùn)練過(guò)程中采用局部注意力反復(fù)學(xué)習(xí)機(jī)制應(yīng)對(duì)小樣本問(wèn)題，在損失函數(shù)中用樣本挑選機(jī)制解決類(lèi)別不平衡問(wèn)題，并設(shè)計(jì)目標(biāo)影像切分增強(qiáng)機(jī)制應(yīng)對(duì)目標(biāo)不規(guī)則問(wèn)題。

2.3 業(yè)務(wù)流程管理

隧道襯砌雷達(dá)檢測(cè)智能判識(shí)系統(tǒng)按照當(dāng)前隧道襯砌雷達(dá)檢測(cè)業(yè)務(wù)規(guī)范，優(yōu)化建立了一套高效的業(yè)務(wù)管理流程。管理人員利用系統(tǒng)的業(yè)務(wù)流程管理功能，可以便捷的對(duì)項(xiàng)目新建、設(shè)計(jì)參數(shù)導(dǎo)入、雷達(dá)數(shù)據(jù)分析、質(zhì)量判定和檢測(cè)報(bào)告生成等業(yè)務(wù)進(jìn)行數(shù)字化管理。

3 在建隧道現(xiàn)場(chǎng)試用

我們以中鐵四局集團(tuán)有限公司近二十年的隧道雷達(dá)檢測(cè)數(shù)據(jù)為基礎(chǔ)，研發(fā)出一套上述架構(gòu)的隧道襯砌雷達(dá)智能判識(shí)系統(tǒng)。該系統(tǒng)已通過(guò)安徽省電子產(chǎn)品監(jiān)督檢驗(yàn)所全面測(cè)評(píng)，并在贛深鐵路（江西段）項(xiàng)目（關(guān)西隧道）、池州至黃山高速鐵路工程（HCZQ-2 標(biāo)段嶺上村隧道）、宣城至績(jī)溪高速鐵路工程（XJZQ-3 標(biāo)段楓樹(shù)嶺隧道）等多個(gè)在建隧道工程中試用，綜合精度達(dá)到95%。圖3 展示了試用過(guò)程中的智能判識(shí)效果。

圖3 隧道襯砌雷達(dá)檢測(cè)效果

試用證實(shí)，我們提出的系統(tǒng)判識(shí)精度高，數(shù)據(jù)管理流程貼合業(yè)務(wù)實(shí)際，滿足快響應(yīng)、高并發(fā)應(yīng)用需求。同時(shí)，試用中也發(fā)現(xiàn)，系統(tǒng)對(duì)部分采集效果不佳、干擾較大的數(shù)據(jù)容易出現(xiàn)誤判。對(duì)此，我們補(bǔ)充設(shè)計(jì)了在線學(xué)習(xí)功能，可將典型誤判數(shù)據(jù)上傳系統(tǒng)，系統(tǒng)補(bǔ)充學(xué)習(xí)誤判數(shù)據(jù)特征，并自動(dòng)迭代更新模型。

在系統(tǒng)試用中，我們與專(zhuān)家人工分析進(jìn)行了深入對(duì)比，發(fā)現(xiàn)智能處理與分析雷達(dá)數(shù)據(jù)的優(yōu)勢(shì)是：

第一，雷達(dá)數(shù)據(jù)上傳、分析、管理流程均可實(shí)現(xiàn)自動(dòng)化，大幅提高檢測(cè)工作效率，降低人力成本。

第二，直接分析雷達(dá)原始數(shù)據(jù)，采用多模態(tài)深度學(xué)習(xí)方法融合分析雷達(dá)A-scan 時(shí)序信息和B-scan空間信息，準(zhǔn)確率高，客觀性強(qiáng)。

第三，無(wú)需人工處理和存儲(chǔ)GPR 圖像，僅存儲(chǔ)雷達(dá)原始數(shù)據(jù)便滿足檢測(cè)質(zhì)量倒查、問(wèn)題復(fù)現(xiàn)等需求，不僅確保了原始數(shù)據(jù)不可篡改性，還大幅節(jié)約存儲(chǔ)和計(jì)算資源。

結(jié)束語(yǔ)

本文提出了一種云架構(gòu)的隧道襯砌雷達(dá)檢測(cè)智能判識(shí)系統(tǒng)，剖析了系統(tǒng)架構(gòu)和智能算法設(shè)計(jì)原理，并介紹了在真實(shí)在建隧道中的試用情況。隧道檢測(cè)工作現(xiàn)場(chǎng)分散、環(huán)境艱苦且技術(shù)性強(qiáng)，智能化替代人工是必然趨勢(shì)。下一步我們將廣泛推廣該系統(tǒng)，在使用中不斷迭代完善，并將云端AI 算法嵌入雷達(dá)前端，研究前端采集智能，最終實(shí)現(xiàn)隧道襯砌雷達(dá)檢測(cè)無(wú)人化。