黄 瑾

(湖南省交通规划勘察设计院有限公司,湖南 长沙 410219)

1 路面裂缝病害研究现状

1.1 沥青混凝土裂缝病害

沥青混凝土路面是运用最广泛的公路路面之一,大部分采用沥青混凝土材料铺装的路面在半刚性的路基上进行铺建,其设计使用寿命一般为15年[1-7]。造成沥青混凝土路面产生病害的因素有很多,从其结构本身看,有路面结构设计不合理、现场施工质量不达标等因素;从运营期间的外界影响来看,由于近年来频繁出现车辆超限超载行驶的原因,重载下的车路耦合效应致使沥青混凝土收到不同程度的损伤和破坏,因而我国较多的沥青混凝土路面提早进入了维修阶段。目前沥青混凝土路面的病害主要有裂缝、水破坏、松散等。

沥青混凝土路面裂缝破坏主要分为纵梁裂缝破坏和横向裂缝破坏两种,两种裂缝破坏的产生机理存在差异。

沥青混凝土路面纵向裂缝破坏的主要成因是地基填土密度在横向剖面上的不均匀,地基土的填筑厚度或压实度会影响路基剖面在横向上的稳定性,此外,地表水的侵入也可能会改变路基不同结构层的密实度,从而在路面上表现为纵向裂缝的形式。

沥青混凝土路面横向裂缝主要是由于温度应力作用下的疲劳裂缝,由于路面温度变化率较大,随着时间推移沥青面层的抗裂能力逐渐下降,温度裂缝逐年延伸,在路面上会表现为横向裂缝的形式。

对于沥青混凝土路面开裂机理或预防措施方面的研究,马玉成结合实际工程中沥青混凝土路面对横向裂缝产生的原因进行了分析,得到不均匀沉降和半刚性基层强度偏高是裂缝产生的主要原因,并提出了针对性的预防措施减少沥青路面的裂缝;李世芳调查了冰冻盐渍土地区沥青路面裂缝的表现特征,研究了其产生机理,指出风积沙隔断和土工膜布隔断可以有效预防冰冻盐渍土地区沥青路面裂缝的产生;杨振海等依托某高速公路对沥青路面半刚性基层裂缝进行了注浆试验,得出非开挖注浆技术对该类型裂缝的修补效果良好;洪海等以黑龙江省半刚性基层沥青混凝土路面为研究对象,分析得出沥青混凝土路面的损坏机理和形式。此外,还有一些专家学者对沥青混凝土路面的裂缝产生机理和预防修补措施进行了不同程度的研究,大多数研究显示,对于沥青混凝土路面而言,裂缝这一病害类型是最主要的早期破坏之一,对路面结构的影响较大,需要做出及时的识别和处理。

1.2 水泥混凝土路面裂缝病害

水泥混凝土路面因其施工工艺相对简单且性价比较高,被广泛应用于市政道路、城市小区道路和乡村道路中。造成水泥混凝土路面产生裂缝的原因众多,参考王文斌对水泥混凝土路面裂缝成因的分析,可将水泥混凝土路面裂缝分为结构裂缝、温度裂缝和收缩裂缝三种。

水泥混凝土裂缝结构裂缝的表现形式可能为纵向裂缝或横向裂缝,其成因一般为道路竣工后使用期间地基或垫层不均匀沉降、垫层基础密实度达不到使用要求、重载车辆长期行驶碾压等。

温度裂缝一般沿混凝土断面横向产生,一般出现在路面混凝土终凝后的使用早期,发生部位多见于局部混凝土薄弱处,裂缝宽度中等,呈现明显的规则性和均匀性。

收缩裂缝又称“龟裂”,裂缝宽较小,形状不规则,无明显的发展趋势,一般发生于混凝土初凝与终凝之间。

2 路面裂缝的识别方法

2.1 基于图像分析的路面裂缝识别原理

早期的路面裂缝识别多基于人工观测,存在识别效率和识别精度低,工作量大等缺点。随着计算机技术的不断发展,图像识别和处理是道路路面裂缝自动识别技术被广泛应用于道路裂缝检测中。

路面裂缝图像识别的基本流程为采用高清相机对待检测路面进行高分辨率的材料采集,其次通过图像预处理步骤对采集的图像做增强和降噪处理,并对裂缝进行识别和提取、参数计算分析和修正拼接、表达输出。

2.2 路面裂缝图像识别技术

对于采集到的路面裂缝图像,由于受光影和表面污浊的影响,需要采用图像增强和降噪的预处理方法对采集到的路面图像进行预处理。目前常用的图像增强方法有差影法、直方图均衡化、模糊理论增强运算等。对图像饱和度、亮度等参数进行调整增强后,需要对图像降噪,即降低甚至消除图像的噪点,使图像更加纯净,便于后续裂缝识别与提取。降噪算法一般分为空域和频域两种,空域类降噪算法的典型方法有均值滤波器、中值滤波器、高斯滤波器和形态学滤波器等,频域类降噪算法的典型方法是小波变换。对于路面裂缝图像增强降噪方面的研究,王墨川等针对沥青路面裂缝的图像识别问题,提出了一种基于曲率滤波的降噪方法,通过改进标准的曲率滤波算法,消除了随机噪声,其次运用裂缝的几何特性去除了块状和点状噪声,结果表明降噪效果明显,有利于提升裂缝识别的精度;肖钟捷等采用均衡化处理的方法对采集到的路面裂缝图像进行增强,并提出了一种自适应的快速降噪方法,大幅提升了裂缝图像的识别速度;宋兰平等利用中值反差滤波的方法对采集到的路面裂缝图像进行过滤,在对图像增强降噪的基础上保留了图像的关键信息,避免了传统算法噪声消除的繁杂操作,简化了图像降噪流程。大多数专家学者对于路面裂缝图像增强与降噪的方法处理上是基于传统的图像处理方法进行改进,并取得了相对不错的处理效果,随处理方式存在差异,但基本均可大幅提升裂缝的识别精度与速度。

2.3 裂缝识别与提取研究

路面裂缝识别与提取方法按技术类型可分为传统的数学算法和基于机器学习的新型算法,传统的算法主要有阈值算法、边缘算法、区域算法、匹配算法等,近年来,随着计算机硬件的飞速发展,计算机算力得到大幅度提升,通过机器学习的方法识别与提取路面图像中的裂缝成为了各专家学者开始深入研究的问题。

传统的路面裂缝识别方法多基于数字图像处理,将图像预处理后对裂缝进行分类提取。Choi J等通过多分辨率分割进行图像的裂缝提取分类,该方法效率较高但识别精度不高;姜吉荣基于图像分析的原理对路面裂缝检测识别方法展开研究,采用增强裂缝边缘对比度的方法提升了识别精度。加强裂缝边缘的识别是传统裂缝识别方法中非常有效的手段,因此许多专家研究了针对裂缝识别的边缘检测算子,如Prewitt、Canny、Sobel等。

传统的路面裂缝识别技术虽已发展多年,但受限路面情况和图像采集的复杂性,传统的方法仍存在一定的局限性。数据信息的爆炸式增长为深度学习理论奠定了数据基础,神经网络是一种经典的机器学习算法,也是深度学习理论的一种应用形式,其中卷积神经网络模型在路面裂缝图像识别领域被广泛应用,其基本原理是基于卷积神经网络的语意分割算法对裂缝图像进行学习,训练模型具备裂缝信息提取能力,其基本算法流程如图1所示,基本原理如图2所示。

图1 基于卷积神经网络的裂缝识别流程

图2 卷积神经网络结构

卷积神经网络结构由多个卷积层、池化层和全连接层堆叠而成,卷积操作将裂缝图像数据输入信息的有效特征提取传递至后续的结构层,采样层再进行特征选择并压缩,实现分类处理。对于神经网络模型在路面裂缝识别中的应用问题,章天杰等提出了一种改进两步式卷积神经网络的沥青路面裂缝识别方法,通过不同类型的图像对卷积神经网络模型进行训练与测试,实现了不同类型裂缝的精确提取;刘奇等基于转置卷积神经网络,融合三阶段路面裂缝提取算法实现了路面裂缝自动识别和提取优化;章世祥采用卷积神经网络为主框架,融合ResNet模型和FPN特征金字塔网络建立了一种基于机器视觉的多目标路面裂缝监测模型,研究结果表明,与传统模型相比,融合ResNet和FPN的卷积神经网络模型可以有效保留裂缝病害纹理和细节信息;S.Khatir等使用Jaya算法优化人工神经网络的超参数,将其应用于裂缝检测的自适应识别中,结果表明所提方法能准确识别不同场景下的裂缝长度,验证了数值预测方法的正确性;还有孙朝云等其他诸多专家学者们均在卷积神经网络的基础上进行一定的算法改进,提升了所提模型的识别精度与速度。

综上所述,目前路面裂缝识别领域的研究重心在深度学习算法的开发与应用上,不同改进方法对卷积神经网络模型的识别侧重点各有不同,但系统梳理可知,目前基于卷积神经网络的裂缝识别框架仍然在传统卷积神经网络的基础上进行局部算法的改良,虽在一定程度上识别精度与效率较原算法有所提升,但整体识别水平并未有越级提升。

3 结论与展望

(1)路面裂缝的成因较为复杂,沥青混凝土路面与水泥混凝土路面的裂缝形成机理有其相同点,水泥混凝土与沥青混凝土路面收温度影响产生的裂缝大多表现为横向裂缝形式,受路基垫层密实度等因素影响产生的结构性裂缝大多表现为纵梁裂缝形式。

(2)传统的数字图像裂缝识别方法已经相对成熟,目前传统数字图像裂缝识别领域的创新多侧重于裂缝边缘检测算法的研究,受限于图像采集质量,传统数字图像裂缝识别方法仍有一定的局限性,对于复杂图像画面下的裂缝提取能力不足。

(3)基于深度机器学习的路面裂缝识别方法是目前较为前沿的技术,围绕该方向的研究多采用卷积神经网络的框架对裂缝图像进行网格化捕捉,其改进方式一般分为两类,一是针对卷积神经网络算法网络结构进行改进,二是优化调整模型超参数,根据现有研究可知,不同改进方法均能在一定程度上提升深度机器学习模型的识别率。

(4)当前对于路面病害的监测与识别多为事后识别,即对已经发生病害的路段进行检测识别,并采取处理措施。随着传感器精度的提高、数据的爆炸式增长和计算机算力的显著提升,未来可融合高精传感器在重点监测区域进行路面病害的事中感知和事前预警研究,通过传感器数据建立路面结构服役性能与荷载环境等随机因素的非线性演化联系,并对可能发生裂缝或其他病害的区域进行提前预警和观测,建立一套基于大数据的路面病害预警采集系统,具有良好的研究价值和应用场景。