水工混凝土缺陷数字图像特征及机器视觉诊断方法研究

The dam safety monitoring and diagnosis systems are critical to understand the operation condition of the dams. At present, concrete dam safety monitoring and diagnosis systems are still in the stage of development, we need to perform research from two aspects of theory and practice. The project performs research on machine vision – digital image processing based surface defect monitoring and diagnosis for concrete dams. Research contents include several items. Firstly, digital image description system will be established for hydraulic concrete defect, which will make the computer vision system applicable for dam health monitoring. Secondly, aiming at solving the problem of surface defect monitoring, machine vision and vision sensor is introduced to build the vision monitoring system for cracks and other surface defects. Thirdly, aiming at solving the classification problem of figures, we introduce the swarm intelligence optimized support vector machines for defects classification,which can ensure the accuracy of identification and measurement. Fourthly, aiming at solving the low working efficiency problem of concrete dam apparent disease inspection and post-disaster check, we propose an computer vision based technology for rapid detection of the whole dam surface. In a word, by introducing machine vision technique and intelligent digital image processing theory, the project aim at revealing the digital image characteristic and making it easier to monitor the surface defects, which can provide technical guarantee for the engineering safety.

大坝安全监测与诊断系统是了解大坝运行状况的耳目，目前还处于发展阶段,需要从理论和实践两方面开展研究工作。本项目以混凝土坝为研究对象，开展基于数字图像处理理论和机器视觉技术的混凝土坝病害监测与诊断方法体系研究。具体内容包括：（1）建立水工混凝土病害的数字图像特征描述体系，为机器视觉在大坝安全监测中的应用研究打下基础；（2）针对裂缝等病害监测难的问题，通过提取病害数字图像特征并引入机器视觉原理，建立裂缝等病害的视觉监测系统；（3）针对海量图像分类、识别难的问题，引入经群体智能优化的支持向量机对病害图像进行分类与识别，保证视觉传感器图像识别和测量的准确性；（4）针对混凝土坝病害巡检及灾后检查中存在实时性、可靠性、工作效率低等问题，提出基于机器视觉的全坝病害快速检测技术。本项目旨在揭示水工混凝土裂缝等缺陷的数字图像特征，建立基于机器视觉的诊断方法体系，解决水工混凝土病害监测与诊断的难题。

我国水电能源丰富，是世界第一水电大国，水库大坝数量众多。大坝安全监测与诊断系统是了解大坝运行状况的耳目，目前还处于发展阶段，需要从理论和实践两方面开展研究工作。传统的大坝表观缺陷检测方法主要是人工检测，但效率低，难以满足快速检测与长期监测需求。机器视觉具有高精度、大范围、实时性等优点，本项目以混凝土坝为研究对象，开展基于数字图像处理理论、机器视觉和无人机技术的混凝土坝病害监测与诊断方法体系研究，从四个方面开展研究工作：（1）针对裂缝等病害监测难的问题，通过提取病害数字图像特征并引入机器视觉原理，建立裂缝等病害的视觉监测系统；基于樽海鞘智能裂缝分割算法提取裂缝区域，可从任意角度和距离实现裂缝尺寸非接触测量。室、内外试验表明测量精度达到0.15mm，大坝现场试验表明该方法可以准确测量真实大坝裂缝，适用于混凝土坝裂缝监测；（2）结合水工大体积混凝土特点和裂缝分布特点，提出大坝裂缝无人机数字图像拼接算法，采用SIFT算子能有效解决无人机拍摄图像的平移、旋转、缩放等问题，通过对特征点最近邻和次近邻距离比值的控制将单幅的无人机图像拼接成高分辨率、大视角的全景图像，为大坝监测人员提供方便可靠的数据来源；（3）针对混凝土坝表观病害巡检及灾后检查中存在实时性、可靠性、工作效率低等问题，提出基于无人机图像三维模型重建的全坝病害快速检测技术；实例分析表明，该方法可高效的定位、测量大坝表观缺陷；（4）针对海量图像分类、识别难的问题，引入深度学习理论对病害图像进行分类与识别，提出了基于改进Faster R-CNN的混凝土坝多损伤自动检测理论，保证视觉传感器图像识别和测量的准确性；裂纹、剥落和析出物定位的AP值分别为0.868、0.948和0.847。综上，本项目建立了基于机器视觉的混凝土坝缺陷诊断方法体系，提出了新颖的水工混凝土裂缝等病害监测方案，提高了大坝巡检效率，推动了大坝安全监测领域的发展，为水利工程安全运行提供技术支撑。