机器视觉在桥梁健康监测中的应用

机器视觉在桥梁健康监测中的应用

机器视觉在桥梁健康监测中的应用摘要基于机器视觉的桥梁监测技术相对传统监测技术具有自动化程度高、监测效率好、监测成本低、不影响交通以及高耸构件监测便捷等优点。文中分析了采用机器视觉进行桥梁监测的研究应用现状;梳理了进行图像采集、病害自动识别以及裂缝测量的技术手段与方法,并分析了每种手段与方法的优缺点与适用范围。最后提出了该技术的发展方向:重点发展高效的图像获取手段与细微裂缝的自动识别算法。关键词：桥梁监测；机器视觉；图像处理；自动识别；裂缝目录16372_WPSOffice_Level1第一章绪论 11.1研究的背景和意义 11.2基于机器视觉的健康监测技术研究现状 31.3研究的主要内容 426366_WPSOffice_Level1第二章典型桥梁监测类型的不足 57129_WPSOffice_Level22.1桥梁应变监测的不足 525105_WPSOffice_Level22.2桥梁裂缝监测的不足 526366_WPSOffice_Level22.3桥梁位移及索力监测的不足 632679_WPSOffice_Level1第三章基于机器视觉的桥梁监测基本技术方法与算法 829904_WPSOffice_Level23.1桥梁表观机器视觉的获取技术 830618_WPSOffice_Level33.1.1非接触监测仪 1010592_WPSOffice_Level33.1.2爬壁机器人 10716_WPSOffice_Level33.1.3四旋翼飞行器 114795_WPSOffice_Level23.2基于机器视觉的裂缝自动识别理论与算法 125384_WPSOffice_Level33.2.1阈值分割识别算法 129153_WPSOffice_Level33.2.2边缘监测识别算法 1329411_WPSOffice_Level33.2.3区域生长种子游走算法 137946_WPSOffice_Level23.2.4基于频域的裂缝识别方法 1427555_WPSOffice_Level23.2.5基于神经网络的裂缝识别方法 1431136_WPSOffice_Level23.2.6基于图像的裂缝宽度等病害程度定量化测量方法 1532638_WPSOffice_Level1第四章基于机器视觉的自动监测系统的设计与应用 1731957_WPSOffice_Level24.1应变测量在软件平台上的实现 1715533_WPSOffice_Level34.1.1计算模块 1726496_WPSOffice_Level34.1.2数据可视化模块 1812832_WPSOffice_Level24.2桥梁应变监测方案 1923887_WPSOffice_Level1第五章基于机器视觉的裂缝自动监测的设计与应用 2319446_WPSOffice_Level25.1基于图像处理技术的裂缝监测原理 2311279_WPSOffice_Level25.2软件平台中裂缝监测的应用 2316268_WPSOffice_Level35.2.1计算模块 23490_WPSOffice_Level35.2.2实现数据可视化 2415291_WPSOffice_Level25.3桥梁裂缝监测 2525913_WPSOffice_Level25.4系统试验验证 265855_WPSOffice_Level35.4.1裂缝预测试验 267869_WPSOffice_Level35.4.2裂缝宽度监测试验 2831523_WPSOffice_Level1第六章基于机器视觉的位移自动监测的设计与应用 3127297_WPSOffice_Level26.1位移监测原理 3111274_WPSOffice_Level26.2位移监测在软件平台的应用 327763_WPSOffice_Level36.2.1计算模块的实现 3212635_WPSOffice_Level36.2.2可视化模块的实现 3321069_WPSOffice_Level26.3桥梁位移监测方案 346259_WPSOffice_Level1总结 376259_WPSOffice_Level1致谢 3914011_WPSOffice_Level1参考文献 40第一章绪论1.1研究的背景和意义伴随着最近几十年国民经济的快速增长，当前我国桥梁工程建设已经逐渐步入了较为成熟的时期，国内多个地区建设了较多的桥梁，在2007年我国建设了主跨度长达1650m的西堠门大桥，作为悬索桥梁在当前世界中其总长度处于第二位，在2009年建造了桥梁跨径为552m的朝天门大桥，在当前世界范围内属于长度第一的拱桥，而在2010年期间建设完成了跨度长达1088m的苏通大桥，在世界范围当中属于跨径最大的斜拉桥，这些新式桥梁的出现主要是由于我国多年所积累的桥梁建筑经验以及对桥梁的不断研究而形成，为了提高桥梁的建造技术，需要采用大量的反馈性数据进一步实现建筑技术的提高，同时桥梁在长期使用过程中由于各种事故以及荷载效应，自然环境的侵蚀作用等都对桥梁造成了一定的损伤，使得桥梁建筑的耐久能力和承载能力都有所降低，同时如果桥梁在长期的使用过程中由于老化和事故等原因也容易造成桥梁的破坏和倒塌，如下图1.1所示，在2009年期间位于湖南省红旗路的桥梁发生倒塌破坏，而在2011年起降孔雀河大桥发生了吊杆断裂破坏，进一步使得桥面发生坍塌。造成这些事故主要不但对人们的生命安全造成了威胁，同时也对当地造成了一定的经济损失，事故发生的原因主要是由于桥梁在长期使用过程中由于老化及事故等原因所造成的损失，同时相关的监测工作也存在问题，没有对桥梁运行状态进行及时的调整及反馈，综上所述，在日常生活中对桥梁进行监测同时对其承载能力进行评估，保证桥梁正常运行具有重要的价值。图1.1桥梁事故现场图片对于桥梁的监测传统方法一般选用接触式测量，对于桥梁损伤的数据需要在现场进行，缺乏必要的自动化技术。随着近几年来人们对传感技术以及数据传输等技术的重视，使得当前出现了一系列以计算机为主要平台，以无损监测技术为核心的监测系统开始盛行，在这其中机器视觉技术是一种较为新型的光学测量方法，它的主要操作方式是利用图像传感器实现现场图像的采集，在这个过程中通过所监测的图像信息对桥梁的变形特征等参数进行识别，其全部的操作过程具有全面，高效，稳定以及无损的特点，实现了采集过程的简单化，满足了测量精度的需求，当前在国内一些桥梁建筑当中广泛使用。机器视觉技术在桥架监测当中的应用尚未实现普及，该技术在桥架监测系统中的应用可以实现成本的降低，以此具有较高的经济性。同时随着无线传感器以及无线视频技术的应用，桥梁的监测系统也逐渐摆脱了环境的限制，以此确保无线监测系统的实现。图1.2望远镜人工监测图1.3搭设支架监测图1.4桁架式桥梁监测车图1.5吊篮式桥梁监测车1.2基于机器视觉的健康监测技术研究现状机器视觉技术利用摄像设备将监测的桥梁转换为图像进行呈现，同时通过系统中的图像处理等系统将其中的像素信息转换为数字化的信号，在这个过程当中通过相关技术获取监测桥梁的损伤特征，例如其中桥梁的长度，信息以及数量等，在机器视觉技术当中图像的处理技术对其应用具有一定的应用价值，从而扩大了机器视觉的应用范围。国外机器视觉在工程建设当中的应用时间相对较早，同时在桥梁的变形等方面国外学者Bales运用相机对连续的钢桥进行进行了位移监测，其数据与传统性数据较为接近，国外学者Olaszek提出利用计算机平台进行摄影技术，同时通过对桥梁标识点的拍摄获取桥梁的位移数据，在2002年期间，国外学者A.Cuhadar采用小波变换的技术实现了对背景以及裂缝的分割，2009年期间美国的著名学者NikhilKatakam通过将裂缝分块的方式对其中的子块进行了细化与分割，以此获得相关裂缝数据。较之于国外，我国在桥梁监测当中对机器视觉的应用起步相对较晚，近几年国内建筑企业对其较为重视，因此得到了快速的发展，哈尔滨工业大学的学者单宝华采用相机对钢结构的位移进行了监测，而国内学者陈俊达使用使用双相机的方式实现了对桥梁节点应变的监测。在桥梁裂缝的监测方面，国内学者王静通过图像的处理技术实现了对桥梁裂缝的监测，同时为了验证其精确性，采用了实验验证的方式，曾燕华采用机器视觉技术实现了对桥梁表面缺陷的监测。学者张国旗针对桥梁裂缝问题设计了一套较为先进的图像处理技术，同时采用试验的方式对其进行了验证处理。1.3研究的主要内容本次研究当中基于计算机技术为平台的桥梁监测系统有效弥补了传统监测方式的不足，该系统具有数据实时分析以及远程传输等优势，在实际工程当中利用该系统的成像原理实现了对桥梁的监测，同时对桥梁长期使用过程中所出现的应变，裂缝等问题进行了监测，由于桥梁老化或者事故等原因所造成的病害其环境以及形态特征等存在一定程度的区别，所以该系统这对不同的病害其监测验算方式各有不同。本次研究当中针对桥梁病害情况分别分析叙述了视觉技术的应用方式，同时针对不同的病害提出了相关的监测算法，在研究中对于桥梁的不同病害形式分别阐述了该系统的计算模块所实现的图像预览技术，对计算区域的选择以及实时的计算等技术优势。针对桥梁实际监测问题完成了方案的设计，同时对桥梁的全场应变监测等问题进行了解决，对于桥梁当中主要裂缝的监测问题以及变焦距和振动影响等问题提出了合理的解决方案。

第二章典型桥梁监测类型的不足2.1桥梁应变监测的不足对于桥梁工程而言其主要的受力部位包括有主梁，桥墩以及悬索等部位，其主要受力部位的应力分布可以实现对桥梁健康状况的切实反应，所以针对这些关键节点位置处进行应力监测具有十分重要的意义。在桥梁监测系统当中一般使用压力传感器以及应变片等实现对桥梁结构的应力监测。应变片最早开始在二战时期应用与监测中，本身的应力测量技术相对成熟，但是由于其具有横切效应所以在目前已经不再应用。当前工程应力监测当中较常使用的为箔类应变片，这种应变片本身信号较为薄弱，同时受到电磁场以及环境温度的影响较大，从而在实际使用过程中要求将仪器进行现场的标定及调零。由于仪器本身较为复杂且测量精度不高等原因，当前仅在施工验收过程中作为参考使用，难以在长时间的监测中进行使用。在工程中所使用的传感器为振弦类传感器，本身具有稳定性较好以及耐久性较好的特点。但是这种传感器的使用寿命一般为一年，使用过程中会随着钢弦的逐渐松弛而失效。为了解决使用周期较短的问题，国外将之前螺钉固定的方式采用焊接固定进行替换，但是这种方式会造成成本的升高，同时由于仪器零件的伸缩变化以及钢弦的松弛等同样也会使得传感器老化，最终由于性能的降低导致其失效，并不适合在长期监测当中使用。目前国内外使用较多的是光纤传感器，这种传感器本身较为安全稳定，同时具备较强的抗电磁作用，具有较高的灵敏度而且传输距离相对较远，但是相应的光纤传感器由于材料脆性较大所以容易造成弯折，而较小的弯曲半径同样会使得光纤泄露进而影响其信号功率，我国在桥梁监测工程方面使用光纤技术相对较晚，同时该技术的提升空间相对较大，由此导致监测成本较高。2.2桥梁裂缝监测的不足桥梁的裂缝问题是当前桥梁病害处理研究当中的重要问题，由于受到环境以及荷载因素的影响，所以桥梁的桥身容易出现裂缝，同时随着桥梁的不断使用，桥身的裂缝会不断进行扩展，当其裂缝的宽度达到一定程度后会导致桥梁破坏，当前对桥梁进行裂缝监测主要是通过一些较为智能的设备以及人眼完成，通过肉眼对桥梁当中的裂缝进行观察并且记录，这种方式本身具有较强的灵活性，同时较为简便，可以实现在不同环境条件下的监测，同时当前采用人工方式进行监测的同时也配备了大量的辅助性设备，例如望远镜以及桥梁的监测车等。这些方式在某种程度上虽然使得桥梁监测实现了提高，但是总体而言当前桥梁监测仍然存在着效率较低，精度较差以及难以进行实时监测的问题。但是当前为了节约成本，仍然采用上述方式进行监测。当前所使用的一些智能化桥梁裂缝监测设备本身具有具有一定的局限性，例如裂缝监测仪虽然操作过程较为简便，但是需要采用人工的方式确定其裂缝位置，而冲击弹性波法虽然对桥梁内部所存在的裂缝深度具有监测作用，但是这仅限于其表面的单条裂缝，而声发射的方法一般仅仅只能针对于动态裂缝进行监测，采用埋设传感器的方法进行监测一般容易产生误差和遗漏的情况，而神经脉络的监测方法是通过在桥梁当中布设导线网的方式实现对桥梁裂缝的监测，采用这种方法可以实现对桥梁裂缝的长期监测，同时本身具有相对良好的经济性，但是这种方式所采用的布设方法较为复杂并且难以循环利用，难以对裂缝的深度以及宽度等进行监测。。2.3桥梁位移及索力监测的不足桥梁结构在动荷载作用下其受力性能，几何线型以及结构本身的动力特性在一定程度上都发生了改变,这同时也对桥梁建筑的整体受力情况产生了一定的影响，是桥梁本身健康状况的重要判断标准，桥梁建筑发生几何变形的部位一般是在其主要的受力区域当中，包括有桥拱及桥塔的轴线，桥梁当中主梁的挠度等，在上述位置的位移一般采用位移计，测距计等设备进行监测，传统的位移监测方式虽然也可以确保数据的可靠性，但是监测过程长所耗费的时间较长，而且劳动强度较高，作为新型测量仪器，全站仪可以通过与其他设备相连实现对桥梁位移的实时监测，但是这种监测设备缺点在于容易受到气象条件的影响，其内部的GPS设备主要是通过无线信号实现对于距离的测量，但是这种设备并不适合在跨径相对较小的桥梁建筑当中使用，而且设备本身具有较高的价钱，在深山当中使用容易造成信号的遮挡，在一定程度上会影响设备的监测精度。桥梁建筑在使用过程中其主要的受力构件包括有桥梁的主缆以及拉索等，桥梁拉索由于本身老化以及腐蚀等原因容易在正常使用当中因损害发生松弛现象，拉索本身作为桥梁的重要构件其破坏容易导致桥梁发生倒塌事故，在拉索产生一定的损伤之后会出现内力重分布的情况，基于此也会产生一定程度的挠度变形进而影响桥梁健康状况。当前桥梁监测系统当中针对于索力构件的监测一般采用下述几种方式。其一是压力表的测试方法，该方法一般适用于施工过程中，本身测量精度一般，对于运营当中的桥梁建筑难以进行监测，第二种方法是压力传感器测试法，这种方法可以承担长期的测量任务，但是本身价格相对高昂，由于自身较重等原因使用并不简便，同时设备在使用过程中消耗时间较长，会产生较大的劳动强度。第三种方法是频率法，这种监测方法是将传感器在拉索上面进行附着，同时利用索力和自震频率之间的关联性得到索力数值，这种方式适合于对索力的长期监测，同时本身消耗较低，操作较为简单。。

第三章基于机器视觉的桥梁监测基本技术方法与算法桥梁监测技术作为国内外学者的重要研究方向，从早期的人工监测到无损监测，一直到当前的智能化监测发展过程中人们不断的发现问题，同时提出切实可行的研究方法。目前基于机器视觉技术所形成的监测系统主要是依托计算机技术作为平台，针对CCD相机所获取的桥梁图片在进行处理之后对其裂缝图像进行识别，这种方式的优势在于灵活性相对较好，监测数据更为直观和精确，可以排除其他因素的干扰。当前机器视觉的监测方式逐渐被人们所重视，它的主要目的是采用机器智能的方式代替人工，对桥梁实行较低成本以及较远距离的监测，据当前的统计是数据可以了解到，当前混凝土桥梁所产生的裂缝其中90%以上的损坏是由于裂缝的原因造成，因此对桥梁的监测重点是对其裂缝的监测。当前桥梁建筑的机器视觉监测系统主要由两个个部分所组成，分别是桥梁表观图像的获取，基于相关理论及算法对图像的病害程度进行测量量化。3.1桥梁表观机器视觉的获取技术桥梁建筑不同于道路具有相对较开阔的视野，桥梁的主要受力部件位于线路下方，本身具有一定的隐蔽性，在监测过程中容易被桥墩所阻碍，同时桥梁结构不但具有低空性的结构构件，而且具有桥塔和主拱类的高耸性构件，就其受力构件的外形而言，具有锚碇等块状构件同时还有拉索类的线状构件，所以想获取其较为完整的桥梁表观图像本身具有较大难度。所以相关研究人员根据不同构件的监测需求开发了多种表观图像的获取技术，如下表3.1所示。表3.1桥梁表观图像获取技术汇总图像获取设备搭载平台精度及效果光照及拍摄要求试验及工程应用相关局限性数码相机+天文望远镜非接触监测仪100m/50m距离上测量精度为0.05mm/0.02mm人工补光，编号有序拍照南京长江三桥的损伤监测等一般无法监测桥塔侧面，存在盲区普通CCD摄像机机器人移动平台可以保证0.1mm的测量精度拍摄距离69mm以内仅是构想，无实际应用将桥检车的机械臂进行改造，还存在许多实际问题长焦距镜头的相机不确定拍摄图片可以满足工程测量误差范围闪光灯配合相机拍摄，拍摄距离20m以内从桥梁获取96张裂缝图片进行试验高耸构件、支座等结构均无法获取，监测范围有限高清摄像头爬壁机器人可以分辨宽度为0.2mm的裂缝外加照明源，能跨越5mm凸起以及2cm缝隙在南京长江二桥等现场进行评估速度慢，续航时间有限，只能在单一平面内进行监测全向摄像机四旋翼飞行器可以发现0.2mm以上的裂缝、露筋等病害飞行器在距桥底15~25cm处悬停进行拍照有实际工程应用续航时间有限，有安全隐患不建议监测桥面上结构从上表当中的相关数据可以了解到，当前在实际工程当中得以运用的设备主要包括爬壁机器人，飞行器以及非接触的仪器。以下主要针对这三种技术进行分析介绍。3.1.1非接触监测仪图3.1所示的非接触监测仪由解放军理工大学开发,他们最先在国内开发了该产品，主要用于桥梁的梁体、桥塔、锚室以及大型洞库的视频图像获取及监测，它能够适应多种桥梁结构与环境的监测要求，整套仪器携带方便,拆装简单,现场作业量小，后期处理直观,测量结果精度高，工作距离可以达到100m。最近武汉大学也开发出类似的产品,如HTQF-X非接触桥梁监测仪2,尽管测量精度达到了0.02mm,但是工作距离只在50m以内。图3.1非接触监测仪3.1.2

爬壁机器人国内的相关大学例如哈尔滨工业大学，南京理工大学等都对爬壁机器人进行了较为深入的研究，由于爬壁机器人具有重量较轻以及体积较小的特点，其本身具有相对较高的工作效率，机器人本身的机动性能相对较强，可以在一些相对较为狭窄的空间当中运行，例如桥梁建筑当中的支座处等，可以实现连续的监测，而南京理工大学所发明的爬壁式机器人对于实际的桥塔类构件进行了测试，它在平整面上可以保持12m/min的移动速度，同时可以保证所传输的图像较为稳定清晰，可以满足当前桥梁的监测技术需求。图3.2爬壁机器人监测图3.3日本磁吸式机器人3.1.3四旋翼飞行器随着传感技术以及飞行技术的不断发展，当前我国对于四旋翼飞行器进行了较为深入的研究，其中包括日本利用无人机对于桥塔等高空构件进行监测，例如武汉理工大学利用无人机设备对桥梁的侧面以及底面进行监测，四旋翼飞行器本身具有相对简单的结构及良好的操控性能，可以在小区内进行盘飞和着陆，通过在飞行器上面安装测距仪器以及摄像头等可以对监测目标进行近距离监测。同时该飞行器具有拍摄图像，顶点悬停以及将其传送至地面站进行图像处理的能力，当前我国武汉大学所研究的四旋翼飞行器的飞行高度可以达到250m，并且实现了距离目标位置15cm进行监测和拍照。图3.4四旋翼飞行器监测虽然上述三种方法均已成功应用于工程实际，并取得了一定的成果,但由于实际工程问题的复杂性,为了获取更精确结果,目前较为常用的方法是结合两种或多种获取技术以得到完整的高质量桥梁表观图像。如何使用单一技术获取远距离、高质量、无盲区的桥梁表观图像技术仍需进一步研究。3.2基于图像的裂缝自动识别理论与算法基于图像的裂缝识别其中共包括两个部分，分别是图像的预处理以及裂缝的提取，其中图像的预处理包括有图像的压缩，去噪以及增强等。其中对图像进行压缩是为了实现对速度的加快以及减小其内存，而对图像进行去噪处理主要是为了对成像过程中所产生的干扰噪声尽心消除，从而突出裂缝目标，进而使得裂缝的提取更为精确，当前图像去噪所采用的方法一般包括有自适应滤波去噪，中值滤波去噪等方法，图像的增强是指对图像当中人们较为关注的信息进行图像突出，主要是为了使得图像中物体特征之间差异更为明显化，例如对图像中所存在的高频分量进行强化，从而促使图像所展项的物体具有相对清晰的轮廓，当前图像增强当中最为常用的方法是灰度直方图。图像经过预处理之后可以较为清晰的对裂缝进行观测，但是尚且需要对裂缝进行提取实现机器识别，当前基于机器视觉的裂缝识别方法一般在隧道以及道路当中使用较为广泛，针对桥梁方面虽然研究较多但是在应用方面尚且没有实现普及，当前最为常用的裂缝自动识别方法包括有阈值分割法，种子游走算法以及边缘的监测方法等。3.2.1阈值分割识别算法阈值分割法的主要技术依据是背景以及裂缝的灰度范围存在一定程度的不同，相对的背景灰度较大而裂缝的灰度值相对较小，所以可以将两者进行分离，而将裂缝作为分析测量进行提取，当前较为常用的方法主要包括有自适应法，全局法以及局部法。阈值分割法一般子在光照较为均匀以及背景灰度相对一致的图像当中使用，这种方法难以对特征较为相似的划痕以及水迹等进行精确区分，同时对于在空中暴露的带有修补痕迹和水迹的结构并不适用。3.2.2边缘监测识别算法桥梁混凝土裂缝本身具有一定的边缘性特征，所以其裂缝的灰度具有一定的阶跃现象，相对而言背景的灰度具有变化较为缓慢以及梯度相对较小的特点，所以可以通过边缘监测方式对裂缝进行识别。利用这种思路人们设计了多种算子，例如包括有梯度算子，监测算子和Canny算子等。其中梯度算子属于一阶的微分算子方式，这种算子方式的特点是对于噪声较为敏感，适合在边缘较为尖锐，同时噪音相对较小的环境内使用。其缺点在于这种算子方式仅只有垂直方向和水平方向两个模板，并不适合于对裂缝进行监测。Canny算子在几种算子当中具有较为良好的效果，同时适合在具有较高噪声的图像当中使用，但是也因此容易对边缘性的信息进行忽略，可以对这种算子方式及性能优化改进，以便取得较为优良的裂缝提取效果，Canny算子在隧道的监测以及路面监测等工程实例当中具有较多的应用，可以将其在桥梁监测当中使用。3.2.3区域生长种子游走算法对图像进行分割主要是将图像进行划分，使其处于不同区域当中，基于这种技术所产生的种子游走算法是一种对区域进行寻找的分割技术，这种技术的工作原理是将事先进行定义过的像素以及子区域等进行聚合，使其可以合并形成更大的区域，这种方法的开端是种子点，按照一定的规则进行游走的过程中将与其性质较为相似的相邻点之间的像素添加到种子上面，以此可以得到裂缝点的具体位置，根据种子点的特征对图像中是否存在裂缝进行判断，这种技术在实际应用中主要是对桥梁混凝土进行监测，由于材料本身存在凸凹性所以具有较多的空隙，这就导致了由于监测过程中噪声的干扰所以无法确保裂缝的精确性，基于此并不适用于裂缝的监测。3.2.4基于频域的裂缝识别方法利用图像中包括的裂缝目标、背景以及各种噪声所属的频域等特征值不同而进行识别，具体情况如表3.2所示。

基于频域的裂缝识别方法主要是用高通滤波器、低通滤波器和小波变换对图像进行操作。高通滤波器是提取信号的高频部分，保留了图像的细节;低通滤波器是去除高频信号,保留信号的低频部分,有平滑滤波的效果;而离散小波变换可以表示由高通滤波器和低通滤波器两部分组成。由于在实际桥梁裂缝图片中干扰噪声较多,其所属频域范围有交叉重叠现象,因此并不能很好地将裂缝从背景中提取出来，所以在桥梁裂缝监测中应用很少。表3.2裂缝图像中各部分信息对比裂缝边缘高频边缘有高频分量一般噪声随机高频低幅值小波变换，放大低频系数去除低幅值信号油渍、水迹等噪声高频高幅值小波变换，缩小高频系数去除高幅值信号不均匀光照等噪声低频高幅值使用高通滤波器去除低频信号3.2.5基于神经网络的裂缝识别方法基于神经网络实现对混凝土裂缝的识别需要进行大量训练，其中包括有正负两种样本，进行计算机训练主要是提高计算机对图像当中裂缝的精准分析，神经网络的构成主要包括有输入层，隐含层以及输出层，其工作特点是保证信息可以实现正向的传播，同时使得错误信息可以反向进行传播，其中不断实现对网络当中阈值以及权值的调整工作，促使网络的实际输出值接近于期望数值，以此保证监测结果更为精确，该方法的具体过程如下图3.5所示。图3.5裂缝处理过程3.2.6基于图像的裂缝宽度等病害程度定量化测量方法对桥梁进行裂缝监测主要是为了确定裂缝的长度，宽度以及位置等数据，同时利用这些数据实现对桥梁质量的控制与评价，同时为桥梁的后期维护和管理工作提供数据资料，以此确保桥梁管理水平以及维护水平的提高。桥梁的表观图像通过一系列的预处理之后图像会从计算机的角度得以强化使得计算机可以进行识别，而识别之后的结果主要是图像当中的二维信息，所以需要对桥梁的病害程度进行量化，以此获得裂缝的长度以及位置等数据，以便可以进一步的维护处理。对于裂缝位置的判断当前最常使用的方法主要有对号入座法以及GPS定位的方法，由于桥梁本身的宽度相对较大所以在桥梁底部难以接收定位信号或者信号较为薄弱，并不符合实际的监测需求，对号入座的方法主要是对桥梁当中的各种构件进行分类，按照一定的顺序进行拍照编号处理，在条件允许范围当中可以生成3D画面同时就其病害部位进行监测，便于之后进行管理及跟踪。第四章基于机器视觉的应变自动监测系统设计与应用本章主要对桥梁中的主要受力构件包括有主梁和桥拱等部位进行根据相关算法进行介绍，同时对于监测系统中的各模块进行设计，以此完成对桥梁全场的自动监测，同时提出桥梁应变监测过程中的布设方案。采用该监测系统可以有效获取桥梁结构关键部位的形变量，同时根据对桥梁裂缝的预测对桥梁结构的健康状况提供相对可靠的判断标准。4.1应变测量在软件平台上的实现在监测系统当中的登录界面完成用户名和密码的输入，同时选取全场应变作为监测任务，按下登录按钮后调用监测子程序，同时进入到可视化模块当中进行编辑，登录界面如下图4.1所示。图4.1桥梁施工全场应变启动界面4.1.1计算模块对于监测系统所获取的图片进行实时性的计算，主要是在LABVIEW平台的平台上得以实现，系统的图像计算法主要是利用了MATLAB中的M语言编程，在计算模块LABVIEW当中完成图像相关方法M程序的导入，在采用相关法的计算过程中首先对于图片需要进行预处理，然后需要进行相关关系的运算以及利用小二乘算法通过拟合的方式得到位移函数。对其求导进行变形，整体过程如下图4.2所示。图4.2图像相关计算过程4.1.2数据可视化模块系统进行全场应变监测的界面主要包括有桥梁的应变强度图，实时性的目标图片以及随时间变化的特征点曲线图。如下图4.3所示。所观测目标的实时图片在面板当中实时显示，在利用图像相关算法进行计算之后得到了桥梁监测过程中全场的应变数据，根据桥梁监测过程中应变的最大值以及最小值确定颜色的映射表，同时采用循环性的语句将图像划分为网格，图像本身是否精致由图像网格的划分所决定，网格中的应变值与颜色条相对应，在完成绘制之后强度图应该按照图片的保存格式放在指定位置，应便于LabVIEW随时进行调取。LabVIEW利用函数完成平化像素图的绘制，同时该函数本身具有保证图片不失真的优势，本次监测系统对其属性节点进行调用，同时改变了它的长宽尺寸，使得图片的尺寸可以与前面板相适应。监测系统的桥梁应变数据主要是根据像素点的位置进行保存，同时根据特征点的具体位置提取变形数据，将循环的变形数据在二维数组当中进行保存，可以获取与时间相对应的变形的二维数组，这个二维数组主要是通过波形图进行表现，也就是应力变形和时间关系的曲线，当其中发生应变数值大于危险数值的情况时，上部的报警灯开始发光，同时进行报警，发现危险位置处会快速将准确的数据传递至油箱当中，以便于进行及时处理。图4.3全场应变监控界面图4.4强度图显示的后面板4.2桥梁应变监测方案桥梁应变的监测装置安装于应力较大部位处，这有利于显示出本身的应变规律，同时完成桥梁健康状态的判断，本次研究中主要在桥梁的桥墩，主梁以及拱顶部位完成采集装置的布设，受到摄像头焦距的限制，在桥梁应变监测时应该选取与监测装置较为接近的采集点，以保证可以获取更高质量的图像，同时在进行实际监测时需要在目标位置完成悬臂铁架的搭设，以使得各种拍照仪器可以固定在上方，应变监测的目标以及应变数据的采集装置可以通过连接形成一个整体，在进行振动时可以保证全场的精度不受太大影响。图4.5应变监测布设第五章基于机器视觉的裂缝自动监测的设计与应用本章主要是针对于桥梁的桥墩，梁底等不适于长期进行裂缝监测的部位进行系统开发。本章主要讲解了采用图像处理技术对裂缝进行监测的原理，同时使用该原理完成了功能的编程，针对当前所监测的对象进行了监测方案的设计，最后用混凝土的压缩试验对该系统的裂缝监测效果进行验证。5.1基于图像处理技术的裂缝监测原理由于所监测的混凝土裂缝实际所处背景更暗，所以依据这个特点可以将裂缝从图像中进行提取，但是受到技术条件等因素的限制，所监测的图像中的裂缝与本身所处的背景之间并没有明显的界隔，所以在进行图片采集之后需要对图片进行一定的处理，以便实现背景与裂缝之间的分割，从而对已经分割出的裂缝尺寸进行计算。5.2软件平台中裂缝监测的应用在登录界面完成用户名和密码的输入之后，选定裂缝监测，然后进行登录，在进入到系统裂缝监测的程序之后对其中的可视化模块以及计算模块进行编辑处理，登录界面如下图5.1所示。图5.1裂缝监测启动界面5.2.1计算模块根据裂缝监测过程中的图像处理方式，利用软件MATLAB完成编程过程，以此实现对于桥梁裂缝的监测，该裂缝的监测算法过程如下图5.2所示。通过其中的函数公式实现拉伸，而后获得阈值，通过函数对裂缝进行膨胀处理，为了促使图像更为细化采用两种函数相结合的方式，最终完成裂缝监测面积以及长度数值的提取，在编辑工作完成之后将其导入监测系统，进行后续计算。图5.2图像处理技术计算过程5.2.2实现数据可视化根据上述的计算流程完成计算可以获得裂缝参数以及二值化的图像，运用编程的方式使得数据实现可视化，其图像的监测结果如下图5.3所示，在进行监测时主要包括裂缝宽度与施加关系曲线图，目标图片以及二值化的图片。其数据本身的调取方式与系统操作方式相一致。在所监测的裂缝宽度中最大宽度值大于阈值时，此时监控界面中会亮起警示灯，同时监测系统会进行报警，最终将危险数据发送到管理人员的油箱当中，便于管理人员进行实时性的处理。图5.3裂缝监控界面5.3桥梁裂缝监测本次所设计的桥梁监测系统主要是在不易监测的位置进行使用，例如桥塔，桥梁底部以及桥墩等部位。为了对上述部位进行实时性且长期的监测，在本次设计当中所选取的监测方案为在需监测部位完成电动导轨的搭设，同时驱动装置采用步进电机。监测时所产生的位移值是主要是通过电充信号进行体现。而位移的速度与频率值直接相关，电动导轨主要在特定路线上面进行循环往复的运动，其导轨如下图5.4所示。对于桥梁底部位置而言，由于其区域相对较大，可以在多个区域当中产生裂缝，所以为了进行全面的监测需要在梁的底面位置进行移动以便实现图片的采集。为了使得这种监测方式得以实现，可以采用工形组装方式完成导轨的组装，同时将图像的采集工具在主梁底面的滑板上进行固定，纵向导轨与横向直线导轨进行彼此固定，滑板在纵向导轨上进行运动时横向导轨上部的滑板同样进行滑动，同时按照一定的顺序进行往复性运动。采用这种方式可以完成对桥梁底部裂缝的全面采集。对于墩柱等构件可以采用圆形导轨的方式，与上述方法类型将采集装置固定在导轨滑板上面实现对裂缝的采集，具体如下图5.5所示。图5.4直线导轨与环形导轨图5.5裂缝采集系统在桥梁上布置规划5.4系统试验验证5.4.1裂缝预测试验桥梁结构在长期的使用过程中由于受到荷载作用的影响容易导致其上部的混凝土结构出现裂缝，这会对于桥梁的使用安全性产生一定的威胁，本系统所建立的应变子系统可以对裂缝的发展进行预测，以便及时对可能发生裂缝的部位进行加固处理。本次设计中所进行的实验主要是采用拉伸机对长度和厚度固定的混凝土块进行压缩处理，同时采用监测模块完成对混凝土块裂缝数据的采集。本次设计的实验装置如下图5.6所示。在进行试验前应该先捕捉图片然后选定需要计算的范围及点，如下图5.7所示。图5.6试验现场图5.7选择计算区域在混凝土块的整体监测过程当中，初期整体变形相对均匀，主要是上端及下端具有较大变形，而在此过程当中端部的边缘位置会出现破损的现象，同时随着不断的加载左边出现变形，如下图5.9所示此时混凝土块的变形呈柱状，同时柱子的两边出现有裂缝的情况，随着其不断发生扩展最终出现破坏的现象。裂缝所在的区域在变形图中属于具有较大变形的区域，同时由于应力集中作用该区域当中的形变量会明显大于其他地区，在到达一定强度之后随之出现裂缝。根据上述内容可以了解到裂缝发生位置可以通过变形图中的应力集中区域进行判断，如果桥梁的重要受力构件对于裂缝具有较高要求，则应该设置阈值报警。（a）第十张（b）第二十张（c）第三十张（d）第四十张图5.8监测过程图5.9混凝土破坏块5.4.2裂缝宽度监测试验桥梁结构在工作过程中可以带有裂缝，但是如果上部的裂缝宽度到达一定程度之后则会对桥梁的正常工作产生影响。因此需要对桥梁裂缝采取实时监测的方式，而其裂缝监测的主要方式是混凝土的形变量。本次试验过程中对混凝土进行加载，然后直到其最终发生破坏。在这个过程当中对所监测的混凝土裂缝的宽度及扩展情况及时查看，以此对该系统的实际性能进行验证。根据混凝土裂缝变形图可以预测其裂缝的具体位置，以便使得计算范围得以缩小。在进行监测之前应该对需要计算的范围进行确定，该操作过程如下图5.10所示。图5.10选择计算区域（a）第三张（b）第六张（c）第九张（d）第十二张图5.11监测过程上图5.11中表示混凝土裂缝扩展过程中的实时变化图片，根据上图内容可以对混凝土裂缝的张开情况进行观察，上图包括了混凝土裂缝的所有信息，根据图像当中的坐标值可以对裂缝情况进行了解，根据像素中的坐标信息与真实的尺寸进行对比，同时完成黑色部分长度与面积的提取可以计算出混凝土裂缝宽度的平均值，而在系统的输出端可以实现实时裂缝宽度的输出，上图中的曲线变化代表随时间改变裂缝宽度的变化量，同时根据该曲线可以了解裂缝宽度的发展趋势及速度，例如上图5.11当中前8次裂缝的宽度相对发展较为平缓，而在之后的4次当中裂缝发展速度相对较快，此时混凝土试件处于相对危险当中，达到标定的阈值后警示灯亮起，同时会将混凝土裂缝的数据创送至适当的邮箱当中。以本次试验为粒，在一定程度上可以说明系统可以对混凝土的裂缝信息进行实时的上传，这同时也有助于监测人员对桥梁结构的可能产生裂缝的部位进行预测，防止由此所产生的损失。第六章基于机器视觉的位移自动监测设计与应用本章主要是将监测系统在桥梁远距离监测目标中的应用，由于激光具有相对较好的方向性以及发散度，同时本身的照射距离相对较远，所以在监测领域当中较为广泛的进行使用，所以本章主要是通过机器视觉系统与激光相结合用以解决远距离测量的问题。6.1位移监测的主要原理本次系统采用激光斑点作为监测过程中的参考点，同时对于目标位移的监测主要是对不同时期形心光班坐标的监测。通过对光斑中心位置的提取可以通过较为合适的阈值将图像进行二值化。例如下图6.1所示，为了消除实际环境当中光线明暗所造成的影响，在本次设计当中采用阈值的方法进行二值分割，其基本的位移监测原理与前述章节中的裂缝分割原理相一致。图6.1标志点与背景分割对于目标物位移的变化量应该通过光斑质心处坐标变化值的计算得出，由于中心法计算速度相对较快同时本身算法也较为简单，所以在光照条件较为均匀的条件下具有相对较好的效果，借助于加权中心法通过前后坐标差可以获取目标点的位移值，同时通过对每个时间段内目标位移的计算可以获得相关的过程曲线。6.2软件平台中位移监测的应用在登录界面当中输入用户名及密码，然后在监测方向栏中选择位移监测，点击登录按钮之后可以进入子程序的编辑模块当中，登录界面如下图6.2所示。图6.2索力监测启动界面6.2.1计算模块通过对上述原理的应用本次研究当中选择使用MATLAB编程用以位移进行计算，所使用的计算方法为多光斑定位算法。首先需要将监测的图片进行导入然后进行图片的预处理，而后通过运用阈值法将图像二值化处理。最后采用循环计算的方法求算出位于的数值，并且借此获得位移的时程曲线值。然后通过频谱曲线中的频率值求得索力，这种计算方法其流程如下图6.3所示，最终可以将编辑之后的M程序导入至计算模块当中。图6.3频率法计算索力过程6.2.2可视化模块图6.4索力监控界面按照相应的计算流程分别可以得到目标振动位移，频率，索力等，在监测面板当中可以显示出位移时程曲线，在获取位移时程曲线之后可以按照所设定的步长值通过对位移时程曲线的截取，以便获得频谱曲线。频谱曲线主要通过监测板中的波形图进行显示，同时由于受到拉索测量的影响，在该时间段之内通过振动频率，利用频率相关的计算方法对该时间段内的索力进行计算，同时将索力与对应时间赋值所预定的二维数组在面板当中进行显示。监测系统的面板如下图6.4所示，在获取计算结果之后，监测系统会进入到报警模块当中，报警模块主要采用报警的形式，在进行循环运行时监测面板当中会对索力的阈值以及震动位移进行设定。同时将最后的结果发送至油箱当中，在进行监测时循环当中的索力值及位移值会超过阈值，此时监测系统会进行报警处理，同时将危险的数据发送至邮箱当中，以便于监测人员可以进行及时处理。6.3桥梁位移监测图6.5位移监测系统在桥梁上的布置方案桥梁在实际的使用过程当真由于受到车辆等移动荷载的作用会产生一定的震动，由此会对桥梁的性能产生一定的影响。其中对车辆安全构成影响的主要因素在于桥梁因震动所产生的位移，拉索的拉力以及桥墩的沉降量等，针对这些受力部位的位移数值，在本次研究当中设计了如下图6.5的方案用以实现对桥梁的位移监测。主要工作程序为首先在桥梁的顶部安装布设激光发射器，设定其中间部分为已知距离，而后在桥梁定的桥面上进行靶标的布设，以促使激光在靶标上照射后出现两个斑点，根据位移监测的相关原理，对光斑的中心坐标进行追踪最后获得桥梁的实际位移值，通过两个斑点之间坐标与实际距离之间的比值作为距离的换算比例，同时为了对拉索进行监测应该在桥梁的中间位置布设监测点，在上面安置采集装置以及标靶，通过拉索的激光发射器根据其坐标变化值获得位移时程曲线。在通过频谱分析之后得出相应的频率值，根据相关理论完成索力的计算。对于主梁位移的监测主要是采用在梁底部布设激光发射器的方式，同时在桥梁的桥