基于光纖傳感器的建筑立面裂縫數字圖像檢測方法

張志遠?喬倩

摘要：旨在提出一種基于光纖傳感器的建筑立面裂縫數字圖像檢測方法，以實現對建筑結構裂縫的精準監測和分析。研究的目的在于應對傳統監測方法在靈敏性和實時性上的不足，通過光纖傳感器的高靈敏度和實時監測特性，提高裂縫檢測的準確性和時效性。研究結果表明，所提出的方法在不同光照條件和建筑結構下均取得了良好的檢測效果。通過數據表格分析，驗證了光纖傳感器數據與圖像融合的有效性，同時裂縫特征提取算法和深度學習模型的綜合應用顯著提高了裂縫檢測的準確性。

關鍵詞：光纖傳感器；數字圖像；檢測方法

一、前言

建筑結構的裂縫是結構健康監測與維護中的關鍵問題，早期準確檢測對于預防結構損傷、提高安全性至關重要。近年來，隨著光纖傳感技術的飛速發展，光纖傳感器在結構監測領域展現出了獨特的優勢。本研究旨在借助光纖傳感器，結合數字圖像處理方法，提出一種高效、準確的建筑立面裂縫數字圖像檢測方法，以滿足對結構裂縫實時監測的迫切需求。本研究的主要意義在于整合光纖傳感器和數字圖像處理技術，針對建筑立面裂縫的監測問題提出一種全新、高效的檢測方法。首先，通過光纖傳感器實現對結構裂縫的實時、連續監測，消除了傳統監測方法監測周期較長的弊端。其次，數字圖像處理技術的應用使得對裂縫的特征提取更為準確，可以更全面地了解結構表面的裂縫情況。最后，本文提出的方法有望為建筑工程領域提供一種高效、精準、實時的裂縫監測手段，為結構健康維護提供科學可行的解決方案。

二、光纖傳感器在建筑立面裂縫檢測中的原理

（一）光纖傳感器的基本工作原理

光纖傳感器是一種基于光學原理的傳感器，其基本工作原理涉及光的傳輸和測量。在建筑立面裂縫檢測中，光纖傳感器常采用光纖布拉格光柵傳感器（FBGSensor）作為核心技術。FBGSensor的基本工作原理是通過光纖中的光柵結構對入射光的波長進行反射和散射，形成特征光譜，從而實現對外部環境變化的監測。在裂縫檢測中，FBGSensor被精確安裝在建筑立面，裂縫引起的微小變形會導致光柵結構的拉伸或壓縮，進而引起反射光的波長發生微小變化[1]。通過實時監測這些波長的變化，可以精確測量建筑立面的變形情況，從而實現對裂縫的實時監測。

（二）光纖傳感器在建筑結構監測中的適用性

1.高靈敏度與精準度

光纖傳感器以其高度靈敏和出色的精準度而著稱，這一特性在建筑結構監測中尤為重要。由于建筑結構的微小變形可能預示著潛在的結構問題，光纖傳感器能夠探測并記錄微小的變形和形變，使得對裂縫、應力集中等問題的早期發現成為可能。高靈敏度使光纖傳感器能夠捕捉到常規監測方法無法察覺的微小結構變化，從而提供了更全面的結構健康狀況信息。

2.實時監測和長期穩定性

光纖傳感器的實時監測能力使其成為及時響應結構變化的理想選擇。通過連續、實時地監測建筑結構的變形情況，光纖傳感器能夠在裂縫或形變發生時及時提供準確的數據，為工程師和決策者提供迅速的決策依據。此外，光纖傳感器具有較強的長期穩定性，能夠在不同環境下長期工作，保障監測的持續性和可靠性，從而滿足建筑結構監測對穩定性和可靠性的要求。

（三）監測參數與建筑立面裂縫關聯性分析

1.裂縫寬度與監測參數的關系

裂縫寬度是建筑立面裂縫的重要指標之一，與結構穩定性密切相關。光纖傳感器能夠精確測量微小的裂縫寬度變化，其值直接反映了結構的變形程度。通過監測參數值的時序變化，能夠獲得裂縫寬度的動態變化趨勢。例如，當監測到裂縫寬度超過預設閾值時，可能預示著結構受力超過設計承載能力，需要進行進一步的結構評估和修復。

2.裂縫深度與監測參數的關系

裂縫深度是另一個關鍵參數，直接影響著建筑結構的安全性。通過光纖傳感器測量建筑表面微小的凹陷和凸起，可以推斷裂縫的深度變化。監測參數的變化趨勢與裂縫深度的關聯性有助于預測裂縫的發展趨勢。例如，裂縫深度逐漸增加可能表明結構承受的應力正在增大，需要進行結構強化或加固。

3.變形速率與監測參數的關系

變形速率是描述裂縫發展速度的關鍵指標。通過監測光纖傳感器的數據，能夠獲取裂縫引起的微小變形的速率。參數值的變化趨勢與變形速率的關聯性分析可為預測結構的未來發展趨勢提供重要信息[2]。例如，變形速率的急劇增加可能意味著裂縫正在迅速擴展，需要緊急維修和干預。

三、建筑立面數字光纖傳感圖像采集與預處理

（一）圖像采集

高分辨率的建筑立面圖像是保障監測準確性的關鍵。光纖傳感器采集到的數據通常以光譜波長的形式呈現，這些數據需要映射到圖像像素上。傳感器布置的角度和密度也直接影響到圖像的空間分辨率，因此，在圖像采集階段要考慮傳感器的布置優化。建筑立面裂縫數字圖像檢測模型如圖1所示。

圖像預處理：圖像預處理旨在增強圖像質量和清晰度，去除光照不均勻、消除鏡頭畸變。降噪處理是預處理過程的重要步驟，可以使用均值濾波、高斯濾波等方法進行降噪處理，采用直方圖均衡化來調整圖像的亮度和對比度，從而使圖像更適合后續的分析工作。

光纖傳感器采集的圖像數據中蘊含著豐富的信息，通過特征提取和識別分類可以深入挖掘這些數據并定量描述建筑立面裂縫的情況。

RGB特征量提取：光纖傳感器采集的圖像是多光譜的，包括紅、綠、藍（RGB）通道的信息。對于每個像素點，其RGB值可以被看作是一個三維向量，即（R，G，B）。這個三維向量即為RGB特征量，代表了該像素點在顏色空間中的位置。RGB-Vector=（R，G，B）

建筑立面裂縫像素點的提取：在圖像中，建筑立面裂縫往往表現為局部顏色或亮度的變化。通過設置適當的閾值和濾波器，可以提取與裂縫相關的像素點。這些像素點的RGB特征量將被用于后續的分類和識別。

Crack-Pixels={（x，y）|滿足裂縫特征的像素坐標}

通過這一系列的圖像采集與預處理步驟，可以得到一組高質量的建筑立面裂縫圖像，并從中提取與裂縫相關的像素點和其對應的RGB特征量，為后續的深度學習或機器學習分類模型提供了有力的數據基礎，以實現對建筑立面裂縫的準確識別和分類[3]。

（二）圖像特征分割

1.構建裂縫圖像訓練集

建立裂縫圖像訓練集是深度學習模型的關鍵步驟。在這個過程中，需要收集包含裂縫特征的圖像，并為每個圖像提供對應的標簽，以指示圖像中裂縫的位置。這個訓練集將用于模型的學習和訓練。為了構建訓練集，可以選擇典型的建筑立面圖像，涵蓋不同時間、光照和季節的變化。對這些圖像進行標注，即在裂縫部分進行像素級別的標簽。這樣的標注工作可以通過專業工程師手動完成，也可以借助半監督學習和圖像分割算法進行輔助標注。為了更好地理解裂縫圖像訓練集的特征，可以創建一個數據表格，包括以下信息（見表1）。

通過表1，可以對裂縫圖像訓練集的基本特征有一個直觀的了解。光照條件和季節的變化可能導致裂縫的不同表現，而裂縫面積和像素數量則反映了裂縫的大小和密度。

2.對圖像裂縫特征進行檢測

為了有效地檢測圖像中的裂縫特征，采用了基于AMS-RGEC（AdaptiveMulti-scaleRegion-growingandEdge-checking）波段分析的方法。這一方法結合了區域生長和邊緣檢測的優勢，適用于裂縫等較為復雜的紋理檢測。算法步驟如下：

（1）多尺度區域生長

利用多尺度區域生長算法，從裂縫像素的種子點開始，逐漸生長形成裂縫區域。

（2）邊緣檢測

在生長的過程中，結合邊緣檢測算法，對裂縫邊界進行精細劃分，以提高邊界的準確性。

（3）AMS-RGEC融合

將多尺度區域生長和邊緣檢測結果進行融合，得到最終的裂縫檢測結果。為了評估算法的性能，可以對一部分裂縫圖像進行算法檢測，并記錄檢測的準確性、召回率和F1分數等評價指標，形成另一個數據（見表2）。

四、數字圖像處理算法

（一）光纖傳感器數據與圖像融合方法

光纖傳感器輸出的光譜波長數據在裂縫檢測中需轉化為圖像形式，以實現直觀有效的分析。數據融合技術的運用是關鍵，它將光纖傳感器提供的光譜數據，通過插值算法映射到圖像像素上，并利用反演模型將光譜數據轉化為裂縫的形狀和大小信息，從而實現了光譜數據與圖像信息的有機融合。此外，當系統涉及多種傳感器時，多傳感器融合技術可以進一步整合各類信息，提升檢測的準確性。這種數據融合方法不僅降低了光纖傳感器噪聲的干擾，還提高了裂縫的空間分辨率，為后續的裂縫檢測工作提供了更為可靠的數據支持，進而提升了整個檢測過程的效率和精確度[4]。

（二）裂縫特征提取算法

裂縫特征提取是建筑立面裂縫檢測中的核心環節，有效的算法至關重要。特征提取需聚焦于圖像的邊緣、紋理和形狀信息。邊緣檢測算法，如Canny和Sobel能精準捕捉裂縫邊界，通過連接邊緣形成完整輪廓；紋理分析算法，如Gabor濾波器則利用紋理差異區分裂縫與建筑表面；形狀分析算法，如Hough變換則針對裂縫的線性或曲線特征進行提取。這些算法的共同作用能夠準確提取裂縫在圖像中的幾何和紋理信息，為建筑結構的評估和監測提供有力支持，同時也為裂縫的分類和深入分析奠定堅實基礎[5]。

五、結語

本研究通過結合光纖傳感器和數字圖像處理技術，提出了一種創新的建筑立面裂縫數字圖像檢測方法，旨在解決傳統檢測方法中存在的周期長、精度低等問題。通過對光纖傳感器數據與圖像的有效融合，以及裂縫特征提取算法和深度學習技術的綜合應用，取得了一系列令人鼓舞的研究成果。這一研究為智能建筑領域的安全監測提供了創新的思路和可行的解決方案，為工程實踐和學術研究提供了有益的借鑒。

參考文獻

[1]郭華洛.基于參數化技術的建筑表皮生成研究[D].廣州：廣州大學，2019.

[2]劉一何.基于數字技術的中國傳統建筑“陌生化”表達方式研究[J].中外建筑，2023（03）：104-107.

[3]王春林.基于大功率激光投影的建筑立面提取研究[J].激光雜志，2021，42（08）：187-191.

[4]梁欣榮.建筑立面精細三維窗戶結構半監督精準識別與逆向過程化重建[D].成都：西南交通大學，2022.

[5]師羽涵.數字技術在建筑設計中的應用[J].江西建材，2022（12）：167-168+171.

基金項目：1.2022度山西省高等學校科技創新計劃（項目編號2022L710）；2.山西省職業教育校企合作典型生產實踐項目

責任編輯：張津平、尚丹