基于機器視覺技術的鐵路隧道襯砌表面狀態檢測系統設計與實現

丁道祥

（中國鐵路沈陽局集團有限公司科學技術研究所，遼寧 沈陽 110013）

隧道是重要的鐵路設施，其狀態好壞直接影響鐵路行車安全及運輸效能。我國鐵路隧道總數量及總里程均處較大規模，這些隧道建設年代不同，材料各異，結構多樣。大量早期建設的隧道，存在不同程度的損壞，且呈逐年惡化趨勢。《鐵路橋隧建筑物修理規則》中規定隧道要定期進行檢測，及早發現損壞及時維修，避免事故發生，但以往因隧道襯砌表面狀態檢測技術相對落后，主要采用目視檢查、人工記錄、釘錘敲擊等方法，費工費時。

目前隧道襯砌表面狀態檢測技術手段主要有人工目測、人工儀器檢測、地質雷達探測、多光譜分析法等。人工檢測費工費時、效率低，主要依靠工作人員的經驗來對裂縫進行判斷，有一定的主觀性，很難保證檢測結果的準確性，而且檢測的過程中必須要暫時停止過往車輛運行，通常還要借助升降車等起落設備，檢測人員具有一定的危險性；人工儀器檢測需要工作人員操作儀器近距離進行對焦、讀取數據和記錄數據，這種檢測手段同樣不僅效率低、勞動力大，而且人工讀取的數據容易出現誤差；地質雷達檢測雖然可以準確地探測出裂縫，但是不具有圖像采集系統的多功能性；多光譜分析法雖然可以檢測到微小的裂縫，但是檢測效率低，不適合應用到隧道襯砌表面狀態檢測中。

為了能更加準確、快捷、安全的檢測隧道襯砌表面狀態，本文提出一種基于機器視覺技術的鐵路隧道襯砌表面狀態檢測方法，利用線陣圖像采集技術，實現在高速狀態下，對隧道襯砌表面狀態進行非接觸式檢測，形成完整、高清晰度的隧道襯砌表面圖像，并通過智能圖像處理技術自動識別出問題點圖像及定位信息。

1 系統設計

1.1 系統總體結構

系統可分為圖像采集和圖像處理兩個子系統：圖像采集系統主要包含檢測車、工業線掃相機、圖像采集卡、照明設備、定位系統、工控機；圖像分析處理系統主要包括圖像增強、圖像分割、圖像特征識別與提取。系統結構如圖1所示。

圖1 系統結構示意圖

1.1.1 圖像采集系統

圖像采集系統主要包括檢測車、工業線掃相機、照明設備、定位系統、圖像采集卡、工控機等幾個部分。系統設計為車載式，安裝在現有的隧道限界檢測車上，充分利用隧道限界檢測車車體結構和試驗環境進行設備布局、安裝。

線掃相機按檢測角度覆蓋區域分布在隧檢車機械間檢測窗內，照明系統光源與線掃相機一一匹配安裝，如圖2所示。

圖像采集系統各個組成部分主要功能如下。

（1）檢測車：設備的載體。

（2）線掃相機：襯砌表面圖像采集。

（3）照明設備：補償隧道內光照亮度，滿足線掃相機對光照的較高要求。

圖2 系統布局示意圖

（4）定位系統：采集實時車速，將相機的采集速率和檢測車的速度相匹配。

（5）圖像采集卡：將采集到的圖像信號轉換成工控機能夠識別、處理的數字信號，壓縮處理后存入工控機硬盤中。

（6）工控機：整個檢測系統的'大腦'，在檢測過程中，工控機作為圖像采集軟件的硬件平臺負責圖像采集過程的控制，同時采集并存儲檢測車的速度和位置信息；在圖像處理系統中，工控機作為圖像處理軟件的硬件平臺負責圖像信息處理和提取。因此工控機性能的好壞直接影響到檢測質量。

在整套檢測系統中，還需配備供電子系統、定位子系統、照明子系統才能保證檢測工作正常進行，設計方案如下。

（1）供電子系統

檢測系統需要連續長時間工作，且系統中的各部分設備都離不開電源供電，為了確保檢測過程中設備供電不發生異常，必須具備穩定的供電系統為檢測系統進行不間斷供電。因此，檢測車安裝柴油發電機組，為車內設備和生活設施提供電源，不依賴外部供電。同時，用電設備前端安裝有不間斷穩壓電源，給用電設備提供一個穩定的用電環境，免受電壓波動帶來的干擾，保證檢測過程中即使發電機組故障斷電檢測系統仍能繼續工作一定時間。

（2）定位子系統

車速定位子系統在整個檢測過程中是非常關鍵的，一是定位車輛當前行進總里程，二是定位車輛在隧道內實際位置，并與掃描圖像一一對應起來。定位算法是根據車速傳感器數值計算出來的。在檢測過程中需要實時采集檢測車的速度，車速傳感器的理論計算公式為：

其中，D代表車輪輪徑，f代表車速傳感器的輸出脈沖頻率Hz，N代表車輪旋轉一圈車速傳感器發出的脈沖數。

（3）照明子系統

目前，大部分隧道內燈光的光照強度較弱，再加上建造隧道用的混凝土顏色較深，因此可能影響到采集的圖像質量，給裂縫圖像的識別和特征提取增加難度。因此，為了得到高質量的圖像，同時便于后期圖像處理、特征識別以及提取，必須要為采集系統提供照明系統。由于相機距離隧道襯砌表面較遠，普通LED光源無法達到良好效果，所以應該選擇激光光源作為照明設備。

1.1.2 圖像處理系統

圖像處理是綜合數字圖像處理技術對采集到的隧道表面圖像進行處理、分析、提取裂縫特征信息的過程。圖像處理的核心過程如圖3所示。

圖3 圖像處理過程示意圖

（1）裂縫圖像增強

圖像預處理就是將采集到的隧道襯砌表面圖像進行增強，以達到提高圖像質量的目的。圖像增強的結果是凸顯圖像中的重要部分，去除或者減弱不重要的部分，便于后期的圖像特征提取和參數計算。

（2）裂縫圖像分割

圖像分析是對采集到的隧道襯砌表面圖像進行分割，提取出圖像特征部分，包括圖像的邊緣、區域等，是進行圖像分類、參數計算的前提，是實現圖像分析首先要完成的操作。

（3）裂縫圖像分類與參數計算

為了給隧道襯砌維護提供技術支持，需要將采集到的隧道襯砌表面圖像進行裂縫識別、提取特征值（如裂縫面積、長度和寬度），然后依據特征值將圖像裂縫進行分類。最后將得到的裂縫數值與相關標準進行比對，評估出隧道的危險等級。

1.2 系統工作原理

當檢測車進入隧道后，線掃相機開始以一定的行頻掃描隧道表面狀態，行頻根據實時車速自動調節，保證圖像不出現拉伸或者壓縮現象；然后圖像采集卡將采集到的圖像信號進行轉化和壓縮，存儲在工控機中；最后應用圖像處理分析系統對采集到的圖像進行處理，處理的結果是把裂縫目標從背景區域中分離出來，對裂縫圖像進行參數值計算和分類，最后將裂縫參數與裂縫評價標準進行比對，得出裂縫破損等級，為工務部門制定維修方案提供決策依據，保證隧道的安全運營。系統工作原理如圖4所示。

圖4 系統工作原理圖

2 前期工作基礎

2016年初，沈陽局集團公司科研所課題組針對隧道襯砌表面狀態檢測進行了大量調研，對國內外前沿的圖像采集設備及圖像處理技術進行了深入研究，最終確定了圖像采集系統采用工業線掃相機結合激光光源采集圖像，圖像處理分析系統采用圖像增強、圖像分割、圖像自動分類、裂縫參數計算（面積、寬度、長度）、裂縫病害程度分級等處理分析技術。

2016年3月，課題組委派技術人員，在隧道限界檢測車WX998264檢測沈陽局集團公司隧道限界期間，進行了隧道襯砌表面狀態圖像采集實驗，在列車運行狀態下，用一臺工業CCD線陣一體機拍攝隧道襯砌，檢測效果基本達到預期目標，為下一步工作打下了基礎。圖5為當時在隧檢車內安裝檢測設備的情況。

圖5 前期試驗工作設備情況

圖6、7為實際檢測圖像。可以看出，圖像成像較為理想，襯砌表面裂紋清晰可見，精度約為3mm左右，若再對圖像進行后期分析處理，檢測精度可進一步提升。

圖6 前期試驗測試圖像1

圖7 前期試驗測試圖像2

3 結語

本文介紹了一種基于機器視覺技術的鐵路隧道襯砌表面狀態檢測方法，論證了充分利用現代工業圖像檢測、處理技術，可實現隧道襯砌表面狀態的高速檢測及病害分析，從根本上解決傳統檢測手段帶來的弊病，從而有效保障鐵路隧道運營安全，具有良好的應用前景。