橋梁拉索表面缺陷圖像檢測(cè)關(guān)鍵技術(shù)的研究.pdf

1、隨著橋梁交通建設(shè)的高速發(fā)展,大跨度和超大跨度橋梁的斜拉橋和懸索橋被廣泛采用。在已建成并使用的這類橋梁中,拉索是其主要受力部件,拉索的可靠性和耐久性將直接關(guān)系到橋梁的安全和使用壽命。拉索外表有聚乙烯(PE)或者高密度聚乙烯(HDPE)保護(hù)層,但是拉索保護(hù)層長(zhǎng)期暴露于自然環(huán)境中并承受交變載荷,極易發(fā)生腐蝕破壞,從而影響拉索的使用壽命,導(dǎo)致橋梁安全事故的發(fā)生。因此,對(duì)拉索表面缺陷的檢測(cè)具有十分重要的意義。目前國(guó)內(nèi)外對(duì)拉索表面保護(hù)層的主要檢測(cè)方

2、法有人工檢測(cè)法和激光掃描法。這些方法存在效率低、成本高、智能化程度不足等局限。本文從此領(lǐng)域相關(guān)的迫切需求出發(fā),開(kāi)發(fā)了一個(gè)橋梁拉索表面缺陷的機(jī)器視覺(jué)檢測(cè)系統(tǒng),并圍繞這個(gè)系統(tǒng),深入研究了機(jī)器視覺(jué)系統(tǒng)的相關(guān)理論和關(guān)鍵技術(shù),提出了橋梁拉索表面的分布式機(jī)器視覺(jué)缺陷檢測(cè)和缺陷圖像識(shí)別的方法,取得了較好的效果。針對(duì)系統(tǒng)采集的模糊缺陷圖像,提出了基于非負(fù)支撐域遞歸逆濾波(NAS-RIF)和自適應(yīng)全變分(Total Variation, TV)正則化盲圖

3、像恢復(fù)方法。為了快速有效地獲得完整的拉索表面缺陷,提出基于Harris算子改進(jìn)的尺度不變特征變換(SIFT)特征匹配算法對(duì)缺陷圖像進(jìn)行自動(dòng)拼接。最后采用粒子群優(yōu)化(Particle Swarm Optimization, PSO)算法來(lái)優(yōu)化支持向量機(jī)(Support Vector Machine, SVM)模型并對(duì)拉索表面缺陷進(jìn)行分類識(shí)別。本文的主要研究?jī)?nèi)容與成果如下:
　　1)提出了基于分布式機(jī)器視覺(jué)橋梁拉索表面缺陷檢測(cè)與缺陷圖

4、像識(shí)別的方法。該方法首先通過(guò)爬行機(jī)器人裝載分布式圖像傳感器、光源、嵌入式DSP硬件平臺(tái)、位置傳感器和存儲(chǔ)設(shè)備等機(jī)器視覺(jué)系統(tǒng)沿拉索爬行,并采用4個(gè)分布式CCD圖像傳感器獲取拉索表面四周的圖像;然后以TI高性能DSP TMS320DM642(簡(jiǎn)稱DM642)為核心處理器實(shí)時(shí)實(shí)現(xiàn)缺陷圖像預(yù)處理、缺陷目標(biāo)分割和缺陷初步判別等,并對(duì)初步判別的疑似缺陷進(jìn)行存儲(chǔ);最后在PC機(jī)上通過(guò)圖像去模糊和圖像拼接等圖像處理技術(shù)完成缺陷圖像的識(shí)別。
　　2)

5、對(duì)橋梁拉索表面缺陷圖像預(yù)處理和缺陷提取方法的實(shí)時(shí)實(shí)現(xiàn)進(jìn)行了研究。分析了表面缺陷圖像的噪聲類型及來(lái)源,并基于DM642嵌入式處理器緩存的特點(diǎn),提出并改進(jìn)中值濾波方法對(duì)拉索表面圖像進(jìn)行快速有效的濾波處理,同時(shí),為了快速實(shí)時(shí)實(shí)現(xiàn)缺陷目標(biāo)的初步判別,結(jié)合數(shù)學(xué)形態(tài)學(xué)(Mathematical Morphology)和改進(jìn)的Sobel邊緣檢測(cè)算法,提出并采用一種基于MM-Sobel的圖像分割方法提取缺陷圖像中的缺陷目標(biāo)。最后對(duì)缺陷目標(biāo)進(jìn)行判別,并將

6、判別出的疑似缺陷圖像及其位置信息進(jìn)行存儲(chǔ)。
　　3)針對(duì)機(jī)器視覺(jué)檢測(cè)系統(tǒng)采集的模糊表面缺陷圖像,分析了拉索表面圖像模糊的模型,提出了一種將NAS-RIF與自適應(yīng)全變分正則化相結(jié)合的圖像盲復(fù)原算法。該算法針對(duì)原始NAS-RIF算法在低信噪比下對(duì)噪聲敏感的問(wèn)題,并結(jié)合圖像退化和圖像盲復(fù)原的機(jī)理,在原始NAS-RIF算法代價(jià)函數(shù)的基礎(chǔ)上加入TV正則化約束項(xiàng)。為了有效地達(dá)到圖像細(xì)節(jié)恢復(fù)和噪聲抑制之間的平衡,通過(guò)最大后驗(yàn)概率自適應(yīng)地調(diào)整全變

7、分正則化參數(shù),并采用優(yōu)化最小化的共軛梯度迭代算法,提高算法的收斂速度。實(shí)驗(yàn)結(jié)果表明,文中算法的復(fù)原效果具有較好的適應(yīng)性和有效性。
　　4)系統(tǒng)采用4個(gè)CCD攝像頭分布在拉索表面一周獲取圖像,一個(gè)缺陷有可能分布在幾幅圖像中。為了識(shí)別完整的缺陷,需要對(duì)相應(yīng)的缺陷圖像進(jìn)行自動(dòng)拼接。圖像匹配是圖像拼接算法中十分關(guān)鍵的步驟,根據(jù)系統(tǒng)獲取拉索表面圖像的特征,提出了基于Harris算子改進(jìn)的SIFT特征匹配算法對(duì)缺陷圖像進(jìn)行匹配。首先采用簡(jiǎn)潔有

8、效的Harris算子提取特征點(diǎn);然后根據(jù)檢測(cè)系統(tǒng)采集缺陷圖像的特點(diǎn),簡(jiǎn)化SIFT算子的特征點(diǎn)主方向分配和匹配圖像旋轉(zhuǎn)等算法步驟,對(duì)特征點(diǎn)進(jìn)行描述和匹配;最后融合匹配圖像,得到相對(duì)完整的缺陷圖像。實(shí)驗(yàn)結(jié)果表明,該方法大大降低了算法的復(fù)雜度,可以快速有效地獲得完整的拉索表面缺陷。
　　5)拉索表面主要存在縱向開(kāi)裂、橫向開(kāi)裂、表面侵蝕和疤坑孔洞等4類缺陷,本文基于特征提取和支持向量機(jī)算法對(duì)這4類缺陷進(jìn)行分類識(shí)別。為了提高SVM分類識(shí)別率

9、,采用粒子群優(yōu)化算法來(lái)優(yōu)化SVM模型的懲罰系數(shù)c和核函數(shù)參數(shù)g,即 PSO-SVM算法。通過(guò)對(duì)拉索表面缺陷的分類識(shí)別實(shí)驗(yàn),分類識(shí)別率達(dá)到了96.25％。實(shí)驗(yàn)結(jié)果表明,采用PSO-SVM對(duì)拉索表面缺陷進(jìn)行分類識(shí)別具有較高的識(shí)別率和較快的識(shí)別速度。
　　論文重點(diǎn)對(duì)橋梁拉索表面缺陷圖像檢測(cè)關(guān)鍵技術(shù)的理論和實(shí)驗(yàn)進(jìn)行研究?；诜植际綑C(jī)器視覺(jué)拉索表面缺陷檢測(cè)系統(tǒng),采用有效的缺陷圖像預(yù)處理、缺陷目標(biāo)分割和缺陷初步判別等圖像處理技術(shù),改善了機(jī)器視