橋梁智慧檢測邊緣計算技術及系統開發

李星新，袁 里，陳湘亮，陳益平

(1. 湖南城市學院 土木工程學院，湖南 益陽 413000；2. 湖南未來橋科技有限公司，長沙 410000)

截至2020 年年底，我國公路橋梁總數接近100 萬座，及時、科學合理的檢測評估可保障眾多橋梁的安全服役.為了達到檢測評估的目的，目前有2 種做法：定期檢測評估和長期健康監測.健康監測的重點在于力學性能監測和變形監測[1]，定期檢測的重點在于表觀技術狀態檢測，兩者結合可實現橋梁全方位的狀態掌控[2-3].

隨著信息化技術快速發展，橋梁檢測評估手段逐步信息化和在線化.所有檢測數據均可通過集中式處理模型，從網絡傳輸到云計算中心，并利用云計算超強的能力來集中解決計算及存儲問題[4].隨著越來越多的檢測和監測設備的現場安裝，橋梁檢測和監測數據將快速增長，且5G 技術的廣泛應用將會產生巨量數據，因此采用以云計算模型為核心的集中式處理模式進行計算將會越來越困難，其帶寬不足、實時性不夠、安全隱患大以及能耗高等缺陷將會愈加突出[5].為了解決這些問題，邊緣計算模型應運而生.

目前，邊緣計算的發展還處在初級階段，在實際應用中還存在很多問題[6]，如優化橋梁智慧檢測的邊緣計算性能、安全性、互操作性以及智能邊緣操作管理服務等.針對以上問題，本文基于邊緣計算技術設計開發了橋梁智慧檢測系統，以此提升其計算性能、安全性、互操作性以及智能邊緣操作管理服務能力，并將其應用于蒙華鐵路岳陽洞庭湖大橋的健康監測和長沙機場高速公路橋梁的定期檢測.

1 橋梁智慧檢測邊緣計算架構

邊緣計算是在網絡邊緣執行計算的一種新型計算模型[7].該模型具有以下優點：在靠近數據生產處做數據處理，無需請求云計算中心，減少了系統延遲；在網絡邊緣處理大量臨時數據而不再全部上傳云端，極大地減輕了數據中心功耗和網絡帶寬的壓力；邊緣計算將隱私數據存儲在網絡邊緣設備上，減少了網絡數據泄露的風險.基于上述優勢，邊緣計算近年來得到迅速發展.

橋梁監測系統含有大量的現場監測設備，單個監測設備模塊產生的數據可以很容易地在網絡上進行傳輸，但大量的監測數據傳輸可能會出現問題.1 個采集模塊實時傳輸的數據可以比較輕松，但若將數百或數千個監測設備采集的數據進行網絡上傳，不僅質量會因延遲而受到影響，而且帶寬成本可能非常巨大.橋梁監測對象由多個分散的橋梁對象或橋梁監測子模塊組成，每個分散的監測對象即1 個監測單元，邊緣計算的特點特別適用于分散的橋梁監測場景[8].橋梁智慧監測邊緣計算架構劃分為云計算層、邊緣層和現場層.邊緣計算的架構描述了其組件和拓撲結構，以及相關技術，見圖1.

圖1 橋梁監測邊緣計算架構

橋梁集群監測需對數座橋梁進行在線監測，超大規模的橋梁集群監測，如武漢城市橋梁集群監測、合肥城市橋梁集群監測以及佛山城市橋梁集群監測等，其設備和網絡級別的異構性，以及由各種橋梁生成的大量不同類型數據，將使多樣化的應用程序和服務的開發成為一項非常具有挑戰性的任務.以往的監測平臺通過監測傳感器生成大量數據，通過對大數據進行分析，確定橋梁響應或提取、分析統計數據.邊緣計算更適合于多個監測模塊集成，可為大量橋梁提供有效的安全監測服務.云計算層提供更深層次的計算能力和決策支持，擁有最高的服務資源配置，并為用戶提供網頁端或移動端的交互方式，橋梁監測數據的界面展示和匯總分析主要在該層[9]；邊緣層處于云計算層和現場層的中間，是邊緣計算框架中的核心層，橋梁監測數據的采集、傳輸及節點計算均在該層；現場層包括網絡連接傳感器、執行器、控制系統等設備，也被稱為感知層或終端層.

2 橋梁監測子模塊開發及應用

邊緣計算的承載平臺為邊緣網關，開發環境為Linux 系統，并包括橋梁多設備接入和管理、數據分析、統計決策等.圖2 是系統邊緣網關功能算法流程.

圖2 橋梁監測邊緣網關功能算法流程

2.1 橋梁監測子模塊開發

基于邊緣網關功能算法流程，湖南未來橋科技有限公司開發了橋梁監測邊緣計算模塊及云平臺，其實現的主要功能有：橋梁內測站的管理、橋梁管理、與云平臺測點信息的同步、數據的采集與顯示、數據的預處理(包括最大和最小特征值)、數據的存儲等.

2.2 蒙華鐵路岳陽洞庭湖大橋健康監測應用

蒙華鐵路岳陽洞庭湖大橋是3 塔鐵路斜拉橋，主橋長1 290 m.大橋的監測內容與測點布設如圖3 所示.為實現大橋多點監測，采用邊緣計算技術進行監測系統設計和實施，部分監測界面與數據分析如圖4 和圖5 所示.

圖3 岳陽洞庭湖大橋監測點布設

圖4 邊緣計算平臺-大橋橋塔傾斜監測

圖5 大橋實測風玫瑰圖

3 橋梁定檢子模塊開發及應用

橋梁定期檢測的傳統方式是將視頻記錄的裂縫等圖像上傳至云端進行處理，云端計算的負載較高，并且大量數據頻繁地傳輸會增加傳輸負載，從而導致視頻監控的圖像處理效率不高，降低了經視頻發現病害的效率.邊緣計算可實現在前端完成基于深度學習的裂縫自動識別，便于現場及時發現病害并進行更詳細的觀測.定檢子模塊基于邊緣計算技術，采用快捷數字輸入方式，實現橋梁的快速檢測[10]，可為公路橋梁快速檢測評估提供有效技術手段[11].

3.1 橋梁定檢子模塊開發

深度學習網絡SSD 是一種常用的“一段式網絡結構”，無需先產生候選區域(region proposals)再分類，有著較快的檢測速度.為了達到更高的檢測速度和減少模型參數數量，采用專為移動客戶端邊緣計算設計的分類模型MobileNet v2 代替原有SSD 模型結構中的VGG-16，用深度可分離卷積結構代替傳統卷積結構形成了 SSD Lite-MobileNet v2 模型，顯著減少了計算量和參數數量，提高了檢測速率[12].采用常用的智能手機作為無人機地面站的數據接收和處理端進行邊緣計算，并針對智能手機采用Android Studio 開發了裂縫邊緣計算APP 模塊.該APP 分為2 個界面，界面1 為裂縫識別頁，該頁的功能是將無人機拍攝的視頻實時顯示到屏幕上，同時由所訓練的輕量化SSDLite-MobileNet v2 模型實時處理視頻(見圖6)；界面2 為裂縫寬度測量頁，對于界面1 中識別為有裂縫的圖片，重新導入到界面2上，并點選所要測量的裂縫位置即能計算該處裂縫寬度.

圖6 移動端邊緣計算裂縫識別

定檢子模塊主要包括軟件部分和硬件終端，其中軟件分為管理端WEB 系統和智能定檢APP應用，硬件部分為智能設備巡檢終端和數據中心服務器等配套IT 基礎設備，智能設備巡檢終端采用邊緣計算技術.定檢子模塊由湖南未來橋科技有限公司開發，主要架構和界面見圖7 和圖8.

圖7 定檢子模塊總體框架

圖8 數字快捷創建病害(定檢APP)

未來橋智檢APP 應用可實現現場巡檢養護信息的快捷、全面記錄，接收管理端指派的巡檢任務和養護單，為現場工作進行統籌安排和規劃；管理端WEB 系統通過互聯網向用戶提供便捷的管理方式，實現對橋群的GIS 地圖集成應用，對橋梁檢測信息進行集成管理，可以查看其中各個環節的詳細信息和處置流程，并通過手機APP 識別和分析病害類型(見圖9)、統計病害數量和分布；最后采用相關技術狀況評定標準對橋梁進行評估，自動生成各類標準的報告報表(見圖10).數據中心為整個系統提供運行環境和網絡支持，并采用高性能服務器對數據進行存儲管理和各項應用的分發.

圖9 基于邊緣計算的手機端實時識別裂縫

圖10 定檢系統自動生成檢測報告

3.2 長沙機場高速定期檢測應用

長沙機場高速公路為長沙城區連接黃花機場的快速通道，全長17.338 km，為雙向四車道，設計行車速度100 km/h.筆者基于未來橋科技有限公司開發的定檢平臺對機場高速公路上19 座橋梁進行了定期檢測(見圖11).其中，大橋4 座，中橋5 座，小橋10 座.基于邊緣計算技術識別病害、統計病害數量和分布，對橋梁技術狀況進行了計算評估(見圖12).

圖11 長沙機場高速19 座橋梁應用平臺

圖12 橋梁技術狀況計算評估

4 結語

本文為解決傳統云計算技術在日益發展的橋梁健康監測及智能定檢應用中的帶寬不足、能耗大以及數據安全等問題，對邊緣計算在橋梁檢測中的應用架構展開了研究，實現了在橋梁現場網絡邊緣處理大量臨時數據，不再全部上傳云端，減輕了網絡帶寬和數據中心功耗的壓力；實現了在橋梁現場處做數據處理，減少了系統延遲且無需通過網絡請求云計算中心；實現將用戶隱私數據不再上傳，而是存儲在網絡邊緣設備上，減少了網絡數據泄露風險.基于邊緣計算技術開發了橋梁監測模塊和定檢模塊，并應用于蒙華鐵路岳陽洞庭湖大橋健康監測和長沙機場高速公路橋梁的定期檢測，與傳統云計算中心方式相比，邊緣計算現場實時分析處理數據，節約了傳統云計算中心大型存儲設備，充分發揮了人工智能優勢，其檢測效率提升了約70%.