基于图像识别的长距离输水建筑物水下混凝土裂缝和钢结构锈蚀智能检测

摘要

对建筑物的结构缺陷状况进行及时检测和诊断是确保长距离输水工程安全运行的关键。大型输水建筑物在服役期间往往出现水下混凝土结构裂缝、钢结构锈蚀等工程健康问题。若不及时处理，任由缺陷逐渐发展，会影响整个水工建筑物的安全运行。但水下环境复杂，传统的人工巡检方法效率低、耗时长、强度大，且往往难以进行放空条件下检测。因此，本文提出了一种结合水下机器人摄像的混凝土裂缝及钢结构锈蚀的智能检测识别方法。该方法可以克服水下图像光照不均匀、色偏模糊等问题，有效识别和定位低照度、低信噪比、低对比度的建筑物水下裂缝和钢结构锈蚀，为长距离输水工程水下缺陷检测提供了高效、智能的技术手段。本文主要研究成果如下：　　（1）针对低照度或不均匀光场下，水下图像存在纹理及颜色信息弱化缺失的现象，以及悬浮物、泥沙覆盖物等噪声干扰导致的水下图像对比度降低、颜色失真和细节模糊等问题，给出了结合匀光处理、自动色彩均衡修复和对比度增强等算法的水下图像预处理方法，可提升图像中缺陷区域的边缘纹理和颜色信息的可辨识能力，克服水下噪声和背景的干扰，实现兴趣区域特征信息的细化表达。　　（2）研究了输水建筑物水下裂缝识别与定位量测方法。依据图像中裂缝的边缘纹理特征和颜色特征信息，建立了裂缝图像分类与识别的卷积神经网络（CNN）模型，可准确识别出包含裂缝的图像，进而利用Otsu算法进行裂缝区域的语义分割，在此基础上实现了定量化的裂缝几何特征测量；提出了基于运动视差法及裂缝图像的Exif信息的裂缝空间定位方法。试验结果表明：裂缝识别的准确率可达93.9%，裂缝的识别精度可达0.01mm，定位精度在3m左右。　　（3）研究了水下钢结构锈蚀识别与锈蚀等级评估方法。通过图像中锈蚀区域与非锈蚀区域的颜色及纹理差异，构建了锈蚀图像分类CNN模型用以判别锈蚀图像，进而利用颜色直方图分析锈蚀图像，建立分割准则，对锈蚀部分进行语义分割，并提出了基于语义分割的锈蚀等级的评定方法。实现了锈蚀区域快速有效识别，可定量计算锈蚀区域的面积，并评定锈蚀的等级，为水下缺陷的快速识别及诊断提供了技术支持。　　（4）开发了输水建筑物水下缺陷智能检测系统。根据工程需求，设计了基于MVC的系统架构，利用PyQt及Python脚本语言等开发了图像获取、图像预处理、裂缝检测、锈蚀检测和缺陷查询等五个功能模块。本系统可以有效提高输水建筑物水下缺陷的检测效率和自动化水平，为长距离输水工程建筑物安全运行提供技术保障。

目录