赵美娟

(山西欣奥特自动化工程有限公司，山西 太原 030012)

0 引言

随着我国近年来大规模基础设施的不断发展，很多隧道、桥梁等基础设施已逐渐由建设期转入维护期。为了保证运营期的结构和功能安全，必须进行广泛而及时的结构健康监测，以维持此类基础设施系统的稳定运行[1]。目前的监测主要依靠人工视觉检查，但是对于大型、巨型项目，需要大量的时间，并带来高成本[2]。为了改进此类检测，消除主观性，无损检测方法如超声波断层扫描、地质雷达、声发射、视觉成像和射线照相技术等已被用于缺陷检测[3]。但是，上述方法通常实现的识别精度和效率不够，仍然需要大量的人工辅助。为了提高检测效率，人们开发了各种利用成像技术的自动视觉检测系统。并且，许多旨在识别隧道衬砌表面剥落的识别算法已经被提出[4]。利用现成的先进计算技术，已经提出了各种基于深度学习的方法来检测隧道缺陷[5]。这些识别方法各有优势，也有挑战，它们缺乏完整的隧道裂缝识别解决方案，不能完全满足隧道检测的要求。鉴于此，本文的目的是开发一个基于图像处理技术和机器学习的耦合模型，采用混合算法、交互式三维表示，并辅以回归分析来预测剥落深度，以期待该技术可帮助基础设施管理人员预测和检测隧道衬砌表面的损害情况，并帮助其制定未来的计划和决策。

1 总体检测方法

本文所提出的图像识别方法从上述系统采集的数据入手，以实现剥落识别和评价的最终研究目标。……