摘 要：基于项目组自主研制的隧道智能检测系统，在病害识别与标注过程中，建立了病害标注图层，提出隧道衬砌表观病害形态和位置的数据化表征方法体系，为构建隧道衬砌表观病害数据库、实现隧道衬砌病害数据化管理奠定了坚实基础，进一步提高了隧道衬砌表观病害数据处理效率，对公路隧道全生命周期运营监测具有重大意义。

关键词：公路隧道;数据化表征方法;病害数据库

中图分类号：U457+.2;TP391.41;TP183    文献标志码：A    文章编号：1671-0797（2022）12-0083-03

DOI：10.19514/j.cnki.cn32-1628/tm.2022.12.023

0    引言

当前大量公路隧道进入养护期，故研究如何提高隧道检测效率，高质量完成隧道检测工作具有重大意义[1]。目前隧道检测主要采用人工检查方式，存在工作效率低、个人主观随意性大、检测成本高、作业危险性大等问题，无法满足快速准确检测的要求，这导致了隧道检测业务对于快速检测装备的需求十分迫切[2]。基于机器视觉的检测方法[3]具有形象直观、速度快、精度高、数据易保存等优点，是实现公路隧道快速检测的有效解决方案，因此，国内外多家科研机构均研制了基于机器视觉技术的隧道检测车[4]，检测过程中不受车流量、路况、行车轨迹等影响，可在正常行驶速度下实现隧道衬砌的快速检测，大幅缩短检测时间，降低检测成本[5]。

本文研究了隧道衬砌表观病害数据化表征方法，有利于实现隧道衬砌病害数据化管理，对提高检测效率，预测病害发展趋势，制订可靠合理的养护计划具有重要意义。

1    隧道智能检测系统

课题组自主研制了隧道智能检测系统[6-7]，如图1所示，目前已在全国多个省份多个路段开展了隧道衬砌表观检测工作，检测结果得到需求单位的一致好评。本文以隧道智能检测系统采集的隧道衬砌图像为基础开展隧道衬砌表观病害数据化表征方法研究。

2    隧道衬砌表观病害形态数据化表征方法

隧道衬砌表观病害主要包括衬砌裂缝、衬砌渗水、衬砌起层、衬砌剥落等。通过对隧道表观病害形态统计分析，可确定各种病害在隧道衬砌表观图像上的展现形式，建立病害图层，用数据化表征方法在病害图层上独立标注病害信息，实现隧道衬砌表观病害与衬砌表观图在数据库里的剥离，最终构建病害数据化表征方法体系。

2.1    衬砌裂缝形态数据化表征方法

经大量统计分析可知，衬砌裂缝在形态学上为一条平滑曲线，如图2所示。

在进行衬砌裂缝病害标注时，建立衬砌裂缝标注图层，依据衬砌裂缝形态选择5个点，包括衬砌裂缝起止点和3个衬砌裂缝形态拐点，最终拟合成一条曲线，则该条衬砌裂缝的数据化表征就是这5个点的坐标信息。

2.1.1    衬砌裂缝坐标信息

每张隧道衬砌图的像素个数为：（x，y）=（225 000，10 000），若选点在该图中像素坐标为（x′，y′），图片编号为n，则选点在该条隧道衬砌表观展布图中的坐标（x，y）为：

x=（n-1）×10 000+x′，y=y′                （1）

最终形成某条裂缝的采样记录点[（x1，y1），（x2，y2），（x3，y3），（x4，y4），（x5，y5）]。

2.1.2    衬砌裂缝长度

衬砌裂缝长度根据相邻选点之间的直线距离叠加计算，即：

2.1.3    衬砌裂缝宽度

不同宽度的裂缝用不同颜色来表示，如表1所示。

2.1.4    衬砌裂缝类型

衬砌裂缝类型按照斜率不同分为纵向裂缝、环向裂缝、斜向裂缝，靠拟合线的起止点斜率k来分类，斜率计算公式如下：

斜率与衬砌裂缝类型对应关系如表2所示。

2.2    其他病害形态数据化表征方法

其他病害分为衬砌渗水、衬砌起层、衬砌剥落等，经大量统计分析，其他病害在形态学上可用矩形来表述，如图3所示。

（1）其他病害坐标信息：

在进行衬砌其他病害标注时，建立衬砌裂缝标注图层，依据其他病害形态选择对角两个点，最终拟合成一个矩形框，则该条衬砌病害的数据化表征就是这两个点的坐标信息。根据公式（1）最终形成该条衬砌病害的采样记录点[（x1，y1），（x2，y2）]。

（2）其他病害面积：

s=（x1-x2）（y1-y2）        （4）

3    隧道襯砌表观病害位置数据化表征方法

隧道衬砌表观病害数据化表征不仅包含形态数据信息，还应包括病害的位置信息。病害的位置信息用坐标信息来表述，某条病害的坐标信息可表述为（x，y）。

3.1    纵向位置数据化表征

隧道衬砌表观病害的纵向位置坐标为：

y=          （5）

对于衬砌裂缝，ya为起点纵向坐标，yb为止点纵向坐标;对于其他病害，ya、yb为矩形两对角纵向坐标。

隧道衬砌表观病害位置与浏览图像像素高度h的对应关系如表3所示。

3.2    环向位置数据化表征979C4BEB-885C-4ED1-82AA-B0B8AE9AC801

隧道衬砌表观病害的环向位置坐标：

x=               （6）

對于衬砌裂缝，xa为起点环向坐标，xb为止点环向坐标;对于其他病害，xa、xb为矩形两对角环向坐标。

与洞口距离：

d=n+1×10            （7）

式中：w为浏览图像像素宽度;n为图片编号。

4    结语

本文基于项目组自主研制的隧道智能检测系统，根据所采集图像的特点，建立病害图层，提出隧道衬砌裂缝、衬砌渗水、衬砌剥落、衬砌起层等病害的形态和位置数据化表征方法，构建隧道衬砌表观病害数据化表征方法体系，为建立隧道衬砌表观病害数据库、实现隧道衬砌病害数据化管理奠定了坚实基础。下一步笔者将基于机器视觉技术，针对隧道衬砌表观病害识别与标注系统开展研究，进一步提高隧道衬砌表观病害数据处理效率，助力我国公路隧道实现智能化和信息化管理。

[参考文献]

[1] 赵元科.电磁波法与瑞雷面波法在隧道病害检测中的应用研究[D].西安：长安大学，2019.

[2] 李夏利.基于深度学习的隧道衬砌病害识别和分类研究[D].南京：南京邮电大学，2021.

[3] 薛春明.基于机器视觉的隧道智能检测技术研究现状及技术分析[J].山西交通科技，2019（6）：66-68.

[4] 杨俊，刘笑娣，刘新根，等.公路隧道结构快速检测车综述[J].华东交通大学学报，2018，35（4）：30-38.

[5] 刘晓，李洋，薛春明，等.公路隧道检测车视觉系统优化建模与参数辨识[J].仪器仪表学报，2018，39（5）：152-160.

[6] 孙贝.基于机器视觉的公路隧道表观图拼接方法与数据统计研究[J].山西交通科技，2019（6）：62-65.

[7] 刘晓.公路隧道智能检测系统设计与实现[J].机械设计与制造，2018（8）：66-68.

收稿日期：2022-03-16

作者简介：段英杰（1988—），男，山西运城人，高级工程师，研究方向：交通智能装备研发。979C4BEB-885C-4ED1-82AA-B0B8AE9AC801