無人機在橋梁檢測中的應用研究

蘇偉勝　梁才　羅祺

摘要：文章針對傳統人工橋梁檢測方法的不足，綜述了無人機在橋梁裂縫、索力、劣化和振動檢測中的應用情況，介紹了當前工程檢測無人機的系統構成，探討了無人機圖像采集、分析、損傷智能識別技術的進展，闡述了無人機技術在橋梁多類型檢測項目中的發展趨勢，為未來橋梁檢測系統實現經濟、高效、精準、全方位的目標提供新思路。

關鍵詞：無人機；橋梁檢測；圖像識別；紅外成像

0引言

截止2021年末，我國橋梁數量已超過96.11萬座。橋梁健康狀況是確保交通安全的重要因素之一，隨著國民經濟的快速發展，交通出行越發集中，車輛荷載也越來越大，給橋梁造成的損傷也需要受到重視。橋梁損傷的原因可以分為施工或養護不當［1］、材料老化［2］、自然災害和車輛超載等。橋梁一旦損傷勢必會影響結構安全性、適用性及耐久性。橋梁檢測［3］作為結構運營維護的重要環節，在橋梁結構承載力分析與評估中有著不可或缺的地位。定期的橋梁檢測能夠為橋梁保養和維修提供可靠的決策依據，對相關理論的適用性和可靠性進行相應的分析和驗證，為橋梁的建設和管理養護提供合理意見。

目前，我國橋梁的檢測方式仍然較為傳統，主要依靠橋檢車［4］、望遠鏡等來觀測橋梁病害，如開裂［5］、鋼筋銹蝕［6］、混凝土剝落、不均勻沉降等。而對于大跨度斜拉橋、懸索橋、鋼管混凝土拱橋等，常規檢測技術存在效率低、難度大、危險系數高、無法消除檢查盲區的弊端。隨著遙感和測繪技術的不斷發展，公路管養機構也在不斷嘗試使用新方法、新技術對橋梁進行安全檢測。隨著無人機在工程勘察領域的大量應用，也逐漸受到橋梁損傷研究者的重視。

無人機可分為固定翼無人機、旋翼無人機，結構簡單，工作效率高，可以根據橋梁檢測目標，在無人機上安裝不同類型的傳感儀器，收集橋梁損傷信息，有效克服了人工和傳統設備在橋梁檢測過程中的局限性，為工作人員對橋梁健康狀況評估提供理論支撐。本文綜述了無人機在橋梁檢測領域的運用情況，為橋梁病害的檢測工作提供新的思路。

1 無人機橋梁檢測系統構成與原理

無人機橋梁檢測系統［7］主要包括多旋翼無人機、地面站系統、數據傳輸系統、任務荷載系統、其他設備等。旋翼無人機在橋梁檢測中應用較多，其結構簡單，能夠進行垂直起降、空中懸停、快速飛行等動作，適合對大跨橋梁進行整體掃描和結構細節圖像采集。數據傳輸系統用于實時傳輸各類文件、反饋傳感器數據。地面站系統則用于定位無人機的飛行路徑、發送飛控信號和實時觀測橋梁明顯病害。無人機可根據檢測項目需求安裝各類檢測設備，如激光雷達、多光譜相機、超聲波傳感器、高清攝像裝置等，其主要技術參數見表1。

無人機橋梁快速檢測系統主要應用于橋梁外觀病害識別，利用旋翼無人機高空懸停的特點，借助搭載的高清攝像采集系統，對橋梁重點部位進行拍照，將照片導入圖像識別系統對橋梁進行病害識別，其識別精度可達毫米級。

2 無人機在橋梁裂縫檢測中的應用

裂縫是評估橋梁安全性能的指標之一，裂縫的出現會直接導致結構外觀破損、鋼筋銹蝕以及承載能力下降，橋梁事故的發生多數也由裂縫的發生所導致。裂縫的出現直接縮短了橋梁的使用壽命，相當數量的橋梁在服役十幾年后就出現開裂、耐久性失效。

目前，無人機裂縫檢測技術［8］已經逐漸應用在橋梁的裂縫檢測中，徐昊等［9］基于4旋翼無人機搭載高清運動相機，利用MAT LAB軟件的Camera Calibrator工具箱對圖像畸變進行矯正，針對橋梁裂縫的成像特征，開發了裂縫圖像處理算法，利用這種裂縫檢測系統對多處混凝土結構的裂縫進行圖像采集，并將此技術與相關技術進行對比，測量結果如下頁表2所示。

常廣利等［10］基于多旋翼無人機對橋梁表面裂縫進行拍攝，將橋梁裂縫圖像進行灰度化處理、直方圖均衡化、去噪、最大類間方差法識別，圖像裂縫識別正確率達到89.3%，具有較好的裂縫識別度和魯棒性。鐘新谷等［11］采用IMETRUM測量儀對無人機表面標記點進行全程3D視頻拍攝，驗證無人機空中懸停狀態下機載高清相機的成像性能；通過搭載的三點激光測距儀，測量無人機與物體的距離，推導相機成像平面與實際物體拍攝表面的夾角，對裂縫圖像進行解析修正；基于MAT LAB軟件對裂縫圖像進行灰度變換、濾波增強、最大熵閾值分割，開發SVM機器學習算法，消除圖像中混凝土的氣孔、麻面、劃痕以及模板接縫印記等噪聲。同時利用上述裂縫識別方法對某橋梁進行檢測，取得了很好的識別效果。

陶曉力等［12］首先對無人機拍攝圖像進行灰度化處理和濾波去噪，減少圖像噪音，突出局部裂縫，然后采用沈俊邊緣檢測算子將裂縫從圖像中分離，并設計了裂縫線段連接方法，解決了邊緣檢測法對裂縫連續性的破壞，采用鏈碼跟蹤的方法記錄裂縫邊緣輪廓的走向，在此基礎上獲取裂縫的長度和寬度等信息，并根據裂縫的線性特征進行特征的選擇檢測。賀志勇等［13］根據現行無人機圖像處理技術對圖像進行灰度化和濾波去噪，利用0°、45°、90°、135°、180°、225°、270°、315°八方向的So-bel算子對裂縫圖像進行邊緣檢測，并基于裂縫特征向量構件BP神經網絡，利用該網絡進行裂縫自動分類識別。

3 無人機在橋梁索力檢測中的應用

拉索作為大跨橋梁的主要承力構件，索力的準確測量是橋梁線形和結構內力滿足設計要求的重要前提?，F有拉索索力的測量方法主要是在拉索表面安裝振動加速度傳感器或者磁通量傳感器，通過分析拉索的振動信號和磁導率的變化確定拉索索力，這些方法在索力測試中受拉索邊界條件和電磁場的干擾，導致測試數據誤差較大，無法滿足索力的測量精度。張建等［14］利用無人機搭載高清相機獲取拉索在自然或人工激勵作用下的振動圖像序列；開發圖像深度學習網絡，然后利用振動圖像序列構建樣本訓練數據庫，對該網絡對行訓練；最后利用深度學習網絡分析拉索頻差與索力的關系。魏建東［15］利用無人機在橋梁側面對拉索進行拍照，并對圖像中的拉索進行識別，沿拉索長方向選取多個監測目標點，分析目標點在水平和豎直方向的位移數據，選取其中的3個目標點，利用拉索的線形方程，計算得到拉索狀態參數，建立索力與目標點位移數據的函數關系，對該拉索表面3個目標點進行隨機組合，可計算得到拉索的多個索力值，取其所有計算值中的最小值為拉索實測索力。

4 無人機在橋梁劣化檢測中的應用

Rüdiger Escobar-Wolf等［16］基于混凝土結構缺陷區域傳熱梯度會發生變化特點，在無人機上安裝紅外和可見光攝像機，對密歇根州底特律I-96高速公路上的Merriman和Stark Road立交橋進行了現場測試，獲取了橋梁的熱圖像，為了驗證遙感數據的準確性，在橋面7個位置進行了錘擊探測試驗，并大致劃定了潛在的分層區域，該區域與無人機紅外圖像識別具有一致性。

Tarek Omar等［17］探討了無人機紅外熱成像技術在檢測混凝土橋面下分層中的潛在應用，利用無人機載熱成像系統對兩個在役混凝土橋面進行了測量，使用高分辨率熱成像儀通過低空飛行獲取熱圖像；然后使用定制開發的代碼對圖像進行增強并縫合在一起，為整個橋面建立了熱圖像；創建了描述分層嚴重程度的條件圖，利用基于k均值聚類技術的圖像分析技術分割熱圖像并識別目標閾值；使用錘擊測深和半電池電位測試對同一橋面進行測試，驗證了無人機紅外熱成像結果。

5 無人機在橋梁振動檢測中的應用

Gongfa Chen等［18］將無人機和數字圖像相關技術結合起來，對橋梁進行振動測量。利用數字圖像相關技術對無人機拍攝的橋梁視頻進行分析，以跟蹤測量點的位移；通過建立具有固定點的平面單應變換對圖像進行幾何校正，分離無人機本身運動對位移的影響，獲得橋梁的真實位移，然后從目標點的位移時程曲線中提取頻率和振型。

Zhaocheng Yan等［19］將無人機檢測技術與卷積神經網絡和Kanade-Lucas-Tomasi光流法相結合，對橋梁振動進行測量。該方法在橋梁背景中選取一個固定的參考點，使用無人機拍攝橋梁視頻，利用KLT光流法跟蹤橋梁上的目標點和視頻中的參考點，以獲得每幀圖像上這些點的坐標。然后，卷積神經網絡根據參考點和目標點的坐標來學習參考點與目標點之間的特征關系，校正目標點的位移時程曲線，其中包含無人機自主運動引起的虛假位移。最后，使用操作模態分析（OMA）從位移信號中提取結構的固有頻率。

6 結語

無人機在橋梁檢測中取得了良好的應用效果，彌補了傳統橋梁檢測存在效率低、操作難度大、危險系數高、無法消除檢查盲區的弊端，以其良好的機動性、安全性和經濟性，近年來在橋梁管理單位得到快速推廣。但目前的無人機橋梁檢測技術仍存在圖像處理技術和機器識別算法不足的限制，無人機僅可作為橋梁安全檢查的一種輔助性手段，對檢測人員難以抵近或危險較大的部位進行檢查。橋梁檢測工作需要采取多種檢測方法，優勢互補，才能全面掌握橋梁的健康狀況。隨著無人機傳感設備的不斷更新以及深度學習網絡等圖像智能分析算法的不斷進步，無人機橋梁檢測的準確性也將不斷提升，無人機橋梁檢測技術有著極為廣闊的應用前景。

參考文獻：

［1］龍崇民.橋梁養護管理中的問題與對策研究［J］.黑龍江交通科技，2021，44（10）：116-117.

［2］Luis Duque，Junwon Seo，James Wacker.Bridge Deterioration Quantification Protocol Using UAV［J］.Journal of Bridge Engineering，2018，23（10）：04018080.

［3］賀拴海，王安華，朱 釗，等.公路橋梁智能檢測技術研究進展［J］.中國公路學報，2021，34（12）：12-24.

［4］楊雪峰.橋梁檢測車在橋梁檢測中的應用價值分析［J］.科技創新導報，2019，16（4）：45，47.

［5］王俊勇，羅 斌，楊秀敏.基于空間網格分析法的箱形橋梁裂縫評估［J］.建筑結構，2022，52（S1）：2 267-2 272.

［6］姚劍虹.鋼筋銹蝕對橋梁樁基礎混凝土性能的影響研究［J］.科學技術創新，2022（6）：86-89.

［7］馬學志，范劍雄，柴雪松，等.無人機巡檢系統在鐵路混凝土橋梁檢測中的應用［J］.鐵道建筑，2021，61（12）：76-80.

［8］余加勇，李 鋒，薛現凱，等.基于無人機及Mask R-CNN的橋梁結構裂縫智能識別［J］.中國公路學報，2021，34（12）：80-90.

［9］徐 昊，彭雪村，盧志芳.基于四旋翼無人機的橋梁裂縫檢測系統設計［J］.水利水運工程學報，2018（1）：102-110.

［10］常廣利，冷 冰，楊凱銀.基于多旋翼無人機橋梁裂縫智能化識別分析［J］.市政技術，2021，39（10）：46-48.

［11］鐘新谷，彭 雄，沈明燕.基于無人飛機成像的橋梁裂縫寬度識別可行性研究［J］.土木工程學報，2019，52（4）：52-61.

［12］陶曉力，武 建，楊 坤.基于無人機視覺的橋梁裂縫檢測［J］.計算機技術與發展，2018，28（3）：174-177.

［13］賀志勇，王 鵬.無人機視覺的橋梁底面裂縫檢測方法［J］.筑路機械與施工機械化，2019，36（6）：131-137.

［14］張 建，張 成，田永丁.一種基于無人機平臺和深度學習的復雜背景下索力快速測試系統及方法［P］.江蘇：CN111259770A，2020-06-09.

［15］魏建東.一種利用無人機測量斜拉橋拉索張力的方法［P］.河南：CN105910743A，2016-08-31.

［16］Rüdiger Escobar-Wolf，Thomas Oommen，Colin N.Brooks，et al.Dobson，Theresa M.Ahlborn.Unmanned Aerial Vehicle （UAV）-Based Assessment of Concrete Bridge Deck Delamination Using Thermal and Visible Camera Sensors，A Preliminary Analysis［J］.Research in Nondestructive Evaluation，2018，29（4）：183-198.

［17］Tarek Omar，Moncef L.Nehdi.Remote sensing of concrete bridge decks using unmanned aerial vehicle infrared thermography［J］.Automation in Construction，2017（83）：360-371.

［18］Gongfa Chen，Qiang Liang，Wentao Zhong，et al.Homography-based measurement of bridge vibration using UAV and DIC method［J］.Measurement，2020（170）：108683.

［19］Zhaocheng Yan，Zihan Jin，Shuai Teng，et al.Measurement of Bridge Vibration by UAVs Combined with CNN and KLT Optical-Flow Method［J］.APPLIED SCIENCES-BASEL，2022，12（10）：5 181.

作者簡介：蘇偉勝（1975—），高級工程師，研究方向：公路與橋梁檢測。