一种基于图像的公路隧道病害检测方法与流程

本发明属于隧道病害检测技术领域，涉及一种基于图像的公路隧道病害检测方法。

背景技术：

目前隧道病害检测过程中，对病害的定位计算都是呈线性计算，则就导致在计算时无法快速得出结论，影响病害定位计算的效率，同时，在检测病害的综合指数时，没有一个有效的系统进行正确的检测，导致病害的综合指数的误差很大，造成病害的综合指数的准确度下降，影响隧道的定位维修。

技术实现要素：

有鉴于此，本发明的目的在于提供一种基于图像的公路隧道病害检测方法。

为达到上述目的，本发明提供如下技术方案：

本发明提供了一种基于图像的公路隧道病害检测方法，包括以下步骤：

A：在防火装饰板的后部布置传感器，检测衬砌状态数据；

B：将衬砌状态数据和渗漏水红外图像信息以及裂缝图像数据通过巡检机器人平台实时传输至分析处理服务器中；

C：分析处理服务器对传输的数据进行网格化病害定位计算，若检测点数据正常，则对数据进行存储，若检测点数据出现异常，则将渗透水图像和裂缝图像进行融合；

D：对融合后的图像特征数据与网格化定位计算的检测数据进行加权融合，根据融合后的数据判断是否满足预警条件；然后启动病害预警系统，上传病害的数据信息。

作为本发明的一种优选技术方案，在步骤C中，所述网格化病害定位计算需要巡检机器人将根据铺设轨道确定的定位导航基准点与FRID定位点将隧道沿长度方向划分为n个网格，每段大网格为Ln，在每一个网格长度又被划分为均等的10段长度，每一个小网格表示为Lni(i＝1,···,10)，图像标签以对应网格标记。

作为本发明的一种优选技术方案，在步骤C中，设裂缝图像为图像A，渗漏水红外图像为图像B，图像A和图像B均为m×n像素，所述渗漏水与裂缝图像的融合公式为：

f(m,n)＝w1A(m,n)+w2B(m,n)；

其中，w1和w2是裂缝图像和渗漏水红外图像在相同像素位置的灰度值权值，且w1+w2＝1。

作为本发明的一种优选技术方案，在步骤D中，加权融合的计算公式为：I＝w1a+w2b+w3c+···wnn；

其中，I为病害特征数据融合综合指数，w1,···wn为依据专家经验得到的多种传感器的加权参数。

本发明的有益效果在于：

本发明通过网格化病害定位计算可以快速分辨检测数据的异常情况，并根据经验得出隧道裂缝图像和渗漏水红外图像融合的方法，便于分析出现裂缝和渗漏水病害的衬砌图像，基于多种监测传感器，可以自动得出病害综合指数，确保隧道运营安全和健康。

本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。

附图说明

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作优选的详细描述，其中：

图1为本发明的整体结构示意图。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本发明的限制；为了更好地说明本发明的实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。

请参阅图1，为一种基于图像的公路隧道病害检测方法，包括以下步骤：

A：在防火装饰板的后部布置传感器，检测衬砌状态数据；

B：将衬砌状态数据和渗漏水红外图像信息以及裂缝图像数据通过巡检机器人平台实时传输至分析处理服务器中；

C：分析处理服务器对传输的数据进行网格化病害定位计算，若检测点数据正常，则对数据进行存储，若检测点数据出现异常，则将渗透水图像和裂缝图像进行融合；

D：对融合后的图像特征数据与网格化定位计算的检测数据进行加权融合，根据融合后的数据判断是否满足预警条件；然后启动病害预警系统，上传病害的数据信息。

网格化病害定位计算：

巡检机器人将根据铺设轨道确定的定位导航基准点与FRID定位点将隧道沿长度方向划分为n个网格，每段大网格为Ln，在每一个网格长度又被划分为均等的10段长度，每一个小网格表示为Lni(i＝1,···,10)，图像标签以对应网格标记。

对于防火装饰板后部无线传感器，当机器人到达传感器安装网格内时，在ZigBee网络通信时通过巡检机器人平台发起与之对应的轮询信息，获取病害的定位信息。对于裂缝图像和渗漏水图像，则通过最小网格标签得到病害的位置。

渗漏水及裂缝图像融合：

为便于分析出现裂缝和渗漏水病害的衬砌图像，首先使之进行图像融合，根据隧道裂缝图像和渗漏水红外图像分析得出经验方法，对裂缝图像A和渗漏水红外图像B融合时以加权灰度值法进行计算，图像A和图像B均为m×n像素，计算方法如下：

f(m,n)＝w1A(m,n)+w2B(m,n)

其中，w1和w2是裂缝图像和渗漏水红外图像在相同像素位置的灰度值权值，且w1+w2＝1。

网格化病害数据融合与判断：

将提取的病害图像特征信息与监测点数据异常位置进行加权融合，作为系统对于结构病害安全是否满足预警条件的判断，具体计算过程如下：

I＝w1a+w2b+w3c+···wnn

其中，I为病害特征数据融合综合指数，w1,···wn为依据专家经验得到的多种传感器的加权参数。

以此通过对监测隧道采用多种监测传感器和病害，综合专家经验自动得出病害综合指数I，并根据其大小分别实施病害临界预警、病害预警、病害严重预警三种预警方式，确保隧道运营安全和健康。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。