衬砌结构体内病害检测方法、装置及存储介质与流程

1.本技术涉及隧道安全领域，尤其涉及一种衬砌结构体内病害检测方法、装置及存储介质。


背景技术：

2.隧道衬砌内部病害不仅破坏了隧道结构的稳定性，也威胁着高速列车的行驶安全。若能在隧道建设或运营过程中对隧道内部结构的质量进行检测，可为隧道建设质量提供重要保障。
3.传统隧道衬砌质量检测方法多以人工步行或高空作业车配合下，采用裂缝测宽仪、激光断面仪等检测工具检测隧道内部病害，了解病害分布、规模和程度。传统检测方法存在耗时效率低、安全隐患大、结果主观性、反馈周期长等缺点。
4.随着检测技术进步，数字照相、红外热成像、超声波、探地雷达等无损检测技术逐渐应用于衬砌结构病害检测，弥补了传统检测方法的不足之处。在这些无损检测技术中，地质雷达以其快速性、便捷性以及对衬砌内部病害的高分辨率等优势，成为隧道内部衬砌结构病害检测的优选方法。然而，基于探地雷达的隧道衬砌结构病害识别上主要存在以下问题：
5.(1)钢筋影响大，对双层钢筋网下缺陷检测困难；
6.(2)对脱空型缺陷分辨力低，特别是含水、薄层状态；
7.(3)对浅部缺陷分辨力低；
8.(4)从雷达扫描图中读取混凝土的缺陷信息对技术人员的专业水平要求较高。
9.近年来，随着检测技术与信号处理技术发展，以应力波为基础的冲击回波法正在成为检测隧道衬砌结构新的实现途径，但采集到的声振音频信号往往混有复杂的隧道周围环境、试验设备等因素引起噪声信号，同时虚假的反射信号也难以剔除，导致衬砌内部典型病害难以识别与检测。


技术实现要素：

10.为了解决上述技术缺陷之一，本技术实施例中提供了一种衬砌结构体内病害检测方法、装置及存储介质。
11.根据本技术实施例的第一个方面，提供了一种衬砌结构体内病害检测方法，所述方法包括：
12.对衬砌结构体进行锤击，获取通过所述锤击反馈的冲击回波信号；
13.将所述冲击回波信号进行降噪处理，并将降噪后的冲击回波信号进行成像处理，获得声频图像库；
14.建立深度卷积网络模型，将所述声频图像库中的图像信息输入至所述深度卷积网络模型中进行训练；
15.通过训练后的深度卷积网络模型对衬砌结构体内病害进行检测。
16.根据本技术实施例的第二个方面，提供了一种衬砌结构体内病害检测装置，所述装置包括：
17.存储器；
18.处理器；以及
19.计算机程序；
20.其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如本技术实施例的第一个方面所述的方法。
21.根据本技术实施例的第三个方面，提供了一种计算机可读存储介质，其上存储有计算机程序；所述计算机程序被处理器执行以实现如本技术实施例的第一个方面所述的方法。
22.采用本技术实施例中提供的衬砌结构体内病害检测方法，通过对信号降噪和成像手段，解决复杂的隧道周围环境、试验设备等因素引起噪声信号难以剔除的问题。同时，建立自动学习复杂病害特征的深度学习模型，提高了衬砌内部病害检测的效率和准确率。
附图说明
23.此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
24.图1为本技术实施例1提供的一种衬砌结构体内病害检测方法的流程示意图；
25.图2为本技术实施例1提供的将冲击回波信号进行降噪处理的流程示意图；
26.图3为本技术实施例1提供的将降噪后的冲击回波信号进行成像处理的流程示意图。
具体实施方式
27.为了使本技术实施例中的技术方案及优点更加清楚明白，以下结合附图对本技术的示例性实施例进行进一步详细的说明，显然，所描述的实施例仅是本技术的一部分实施例，而不是所有实施例的穷举。需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。
28.实施例1
29.如图1所示，本实施例提供了一种衬砌结构体内病害检测方法，该方法包括：
30.s101、对衬砌结构体进行锤击，获取通过所述锤击反馈的冲击回波信号。
31.具体的，本实施例可采用锤击装置机械臂上的激振锤敲击隧道衬砌内部结构体进行锤击实验。通过设置在采集点上的声音采集器接收锤击反馈的声音信号，然后将采集到的声音信号转换成冲击回波信号输出。
32.其中，在采集声音信号之前可设置一条或多条采集线，例如在隧道衬砌结构体内部设置一条采集线。然后在采集线上设置多个采集点。该采集点可等间隔分布，也可根据隧道衬砌结构内部的实际走势进行分布。每个采集点上可放置声音采集器。例如每个采集点间隔0.5m，每个采集点上设置10个声音采集器。这样，每条采集线均可模拟为多个声音采集器对信号进行采集的效果。该声音采集器可为麦克风等能够实现声音采集的装置，本实施例不做特殊限定。通过上述声音采集器的布置能够提取不同衬砌结构下渗水、裂缝、不密
实、脱空、空洞病害的冲击回波信号，从而为获得更为全面、精确的检测结果提供充分条件。
33.s102、将所述冲击回波信号进行降噪处理，并将降噪后的冲击回波信号进行成像处理，获得声频图像库。
34.具体的，本实施例中，由于声音采集器采集获得的冲击回波信号具有明显的时间分布。首先到达的是泄露瑞利波，其次是缺陷的弯曲模态或厚度模态。其中夹杂着冲击产生的、直接在空气中传播的撞击声干扰。因此，需要将产生的干扰剔除。
35.小波变换可以区分在不同时间上的信号，剔除幅值较大的瑞利波或者直接声波干扰对频域产生影响。本实施例根据小波变换所特有的特性实现对冲击回波信号的降噪处理，其过程如图2所示：
36.s1021、根据所述冲击回波信号选取母小波系数；
37.s1022、根据所述冲击回波信号的信噪比选取分解尺度；
38.s1023、根据所述母小波系数将所述冲击回波信号的数据分解为低频小波系数和高频小波系数，并根据预设设置的阈值对各个分解尺度上的低频小波系数和高频小波系数进行阈值量化处理后生成新低频小波系数和新高频小波系数；
39.s1024、对所述新低频小波系数和新高频小波系数进行重构。
40.具体的，本实施例首先加载采集获得的原始冲击回波信号。由于smylets(symn)小波系具有正交性、紧支撑和对称性，适合用于该回波信号降噪处理，选取母小波为smylets。然后选取分解尺度，若信噪比snr》＝20，则取j＝3，否则取j＝4、5。将数据分解为低频小波系数和高频小波系数：选择阈值，对各个分解尺度上的高频系数以及低频系数进行阈值量化处理，去除高、低频噪声成分。最后，对处理后的小波系数进行重构，根据小波分解的第n层的低频系数和经过处理后的第1层到第n层的高频系数进行信号重构，从而得到原始信号的估计值。
41.在获得降噪处理后的冲击回波信号后，对其进行频谱分析。为了能够让信号谱线平滑、分辨率高、输出信噪比较大以及可以从强噪声背景中提取有用信号。本实施例采用基于最大熵谱法对冲击回波信号进行处理，具体过程如图3所示：
42.s201a、将降噪后的冲击回波信号进行序列中心化处理；
43.s201b、根据序列中心化处理后的冲击回波信号计算预测误差功率初始值以及向前和向后的预测误差起始值；
44.s201c、计算所述序列中心化处理后的冲击回波信号的反射系数，并根据所述反射系数计算获得向前和向后的预测滤波器系数、预测误差功率和预测滤波器输出；
45.s201d、选取预测误差功率符合预设标准的频率点，获得所述频率点的频谱；
46.s201e、对所述频谱进行成像获得声频图像库。
47.具体的，首先将冲击回波信号进行序列中心化处理。如果已知序列x(n)的均值不为零，先用减去均值的方法将x(n)变成具有零均值的序列。然后计算预测误差功率初始值p0，同时计算向前、向后的预测误差起始值。接着计算反射系数km，并根据km依次计算出向前、向后的预测滤波器系数、预测误差功率和预测滤波器输出。重复上述计算反射系数km，并根据km依次计算出向前、向后的预测滤波器系数、预测误差功率和预测滤波器输出的计算过程，直至预测误差功率不再明显减小。最后运算可得该频率点下谱的幅度，构成的离散化幅度谱(即通常讲的频谱)。在此基础上，对典型测区应用等值线方法进行成像，找出声音
信号特征与混凝土病害之间的内在关系。构建衬砌内部典型病害的声频图像库，为深度卷积神经网络模型训练提供数据基础。
48.通过上述降噪和成像处理，能够解决复杂的隧道周围环境、试验设备等因素引起噪声信号难以剔除的问题，杜绝了接触造成的共振频率，大幅提高了测试精度、分辨率和使用范围。为衬砌结构体内病害的精准检测提供有效的数据支持。
49.s103、建立深度卷积网络模型，将所述声频图像库中的图像信息输入至所述深度卷积网络模型中进行训练。
50.具体的，本实施例中，可分别构建二分类模型和目标检测模型。其中，二分类模型用于实现衬砌结构体质量初步判断，可通过resnet残差网络构建。目标检测模型用于实现对不同深度衬砌病害类型进行分类和定位，可通过具有迁移能力的yolov4网络构建。将声频图像库的图像信息分别输入至二分类模型和目标检测模型进行训练后即可获得训练后的二分类模型和目标检测模型。
51.s104、通过训练后的深度卷积网络模型对衬砌结构体内病害进行检测。
52.具体的，在获得训练后的二分类模型和目标检测模型之后，即可利用该训练后的二分类模型和目标检测模型对衬砌结构体内病害进行检测。
53.本实施例通过融合小波变换与最大熵谱分析法，结合了深度学习模型以及模型自更新，进行信号的去噪成像、自动挖掘病害特征，对衬砌内缺陷、厚度的检测能力较地质雷达有大幅度的提高，在分辨力、适用范围上也优于地质雷达检测。
54.进一步的，本实施例在获得用于检测衬砌结构体内病害的二分类模型和目标检测模型后，还可通过模拟仿真的方式验证其准确性和可靠性。具体的，可设计一个物理模型试验平台，并在该平台上模拟真实隧道衬砌各类病害分布及特征。将采集获得的冲击回波信号经过降噪和成像处理后，输入至二分类模型和目标检测模型中，计算病害预测准确性，从而验证该智能检测方法的准确性与可靠性。
55.实施例2
56.对应实施例1，本实施例提供了一种衬砌结构体内病害检测装置，该装置包括：
57.存储器；
58.处理器；以及
59.计算机程序；
60.其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现实施例1所述的衬砌结构体内病害检测方法。
61.实施例3
62.对应实施例1，本实施例提供了一种计算机可读存储介质，其上存储有计算机程序；所述计算机程序被处理器执行以实现实施例1所述的衬砌结构体内病害检测方法。
63.本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。本技术实施例中的方案可以采用各种计算机语言实现，例如，面向对象的程序设计语言java和直译式脚本语言javascript等。
64.本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
65.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
66.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
67.在本技术的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本技术的限制。
68.此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本技术的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
69.在本技术中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接或可以互相通讯；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本技术中的具体含义。
70.尽管已描述了本技术的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本技术范围的所有变更和修改。
71.显然，本领域的技术人员可以对本技术进行各种改动和变型而不脱离本技术的精神和范围。这样，倘若本技术的这些修改和变型属于本技术权利要求及其等同技术的范围之内，则本技术也意图包含这些改动和变型在内。