大型桥梁建管养中的检测监测技术

文/图 同济大学 石雪飞 许琪

计算机视觉技术及延伸技术

计算机视觉技术是通过相机获得图像或视频，即由计算机代替人眼对目标进行图像识别、运动跟踪、场景重建、图像恢复、图像测量等，并通过进一步理解图像，获取所需信息。目前，该技术主要在病害识别、结构尺寸和位移测量、模态参数识别、施工管理、交通管理等方面的桥梁检测监测中应用。

基于计算机视觉技术的病害识别是桥梁智能管养技术中的研究热点。该技术获取图像信息后，通过去噪、平滑算法，增强图像的重要特征。结合该内容，工作人员可提取和选择相应特征，识别适合该特征的算法，最后进行分类决策，实现裂缝、剥落、侵蚀等多种类型病害的识别。目前，基于图像和视频的裂缝识别精度可达1毫米以内，已有检测车、无人机等移动检测平台投入应用。

计算机视觉技术也可运用于结构测量。利用立体视觉原理，该技术通过拍摄图像或激光扫描，构造出目标物体的三维模型，重建物体表面各点的空间坐标，实现结构尺寸、位移的测量。相比之下，传统的结构尺寸、位移测量采用水准仪和全站仪进行抽样测量，不仅工作量大且易产生误差。而由计算机视觉技术延伸出的摄影测量技术则具有非接触、自动化、高精度的优势，可大大提高测量效率。在节段梁短线预制生产过程中，采用摄影测量技术进行匹配测控，不仅可以提高测量精度和效率，还可以全面控制预制构件的尺寸验收测量和模拟预拼装。

基于计算机视觉技术开发的桥梁检测车及对裂缝的识别效果

基于摄影测量技术的预制构件质量检验和预拼装

此外，基于计算机视觉技术还可延伸出模态参数识别技术，即在结合光流计算和视频运动放大技术的视频处理方法基础上，利用摄像机测量技术直接提取结构模态参数。传统基于模态参数的结构损伤识别，因振型测点过少难以准确识别结构损伤，计算机视觉技术为获得稠密振型测点提供了简单实用的方法，从而为损伤识别提供了基础。

泰州大桥

同时，计算机视觉技术也被应用于施工进度安全管理、荷载识别和交通流量监测等方面。将视频监控与WIM数据相结合，也为车流荷载的自动化识别提供了新思路。

无损检（监）测技术

计算机视觉技术用于施工进度监控和交通流量监控

无损检（监）测技术可在不损坏桥梁性能和结构的前提下，利用电、磁、光、声音等特性，深入、全面地检测监测桥梁工程，并获得各项物理指标信息。因此，无损检（监）测技术具有简便、迅速、灵活、精确度高等优点，不影响桥梁的使用性能，可直接作用于桥梁部件表面或内部，应用范围广。常用的桥梁无损检（监）测技术包括机器视觉方法和全球卫星导航系统（以下简称“GNSS”）技术。笔者以GNSS技术为例，进行了详细介绍。

GNSS技术主要用于各类桥梁变形监测。该技术通过接收来自卫星的信号和基准站的信息，进行实时差分处理，计算出待监测点的三维坐标，从而实现实时厘米级、甚至毫米级精度的动态测量和实时高精度连续静态测量。

利用GNSS技术进行变形监测具有显著优势，主要为：各监测站之间无需通视，是相互独立的观测值；实现全天候定位，在台风、暴雨等恶略天气环境中持续监测；高精度测定位移自动化程度高，所测三维坐标可直接存入监控中心服务器，并进行安全性分析，延时短、实时性强，且各监测点可实现同步测量，从而实现高度自动化的无人值守监控；定位速度快，精度高，量程大，满足道路桥梁的需求；基准站和待监测点的距离不受限制。

GNSS技术在桥梁监测领域的应用可分为桥墩沉降监测、桥梁挠度监测、桥塔位移监测、桥面位移监测等。采用GNSS技术监测桥梁的变形状况，需在待监测位置布置基准点和固定观测墩。在选择监测点时，需考虑信号稳定、位于桥梁关键位置、易装卸和维护等因素，并在监测点处设置GNSS接收机。静态相对定位是GNSS技术定位中精度最高的方法，精度可达毫米级；动态相对定位方法解算时间短、成果更新快，在一定范围内（如流动站和基准站间的距离小于20千米时），定位精度可达1厘米至2厘米。

目前，国内已有多座大桥采用了基于GNSS技术的位移监测系统，如武汉鹦鹉洲长江大桥就采用搭载GPS接收器和惯性单元IMU组成的双天线光纤组合导航系统，解决了惯性导航长时间数据漂移和桥塔遮挡GPS失锁两大问题。

此外，桥梁无损检（监）测技术还包括超声探伤、声发射、电位差测量、探地雷达、冲击回波、红外热成像和透析成像等，主要用途和优缺点，如表1所示。

表1 常用的桥梁结构无损检（监）测技术

表1 常用的桥梁结构无损检（监）测技术

近年来，随着与深度学习、目标精确定位、图像矫正、三维重构、VR等技术的融合，无损检（监）测技术向着智能化、快速化和系统化的方向发展，检测结果也向着自动分析与定量评价的方向发展，未来，桥梁检测过程将逐渐实现无人化、自动化、标准化。

云技术与大数据技术

国家大力推广“互联网+”，为桥梁检测与监测的创新发展，实现人工智能，提供了良好的外部环境。

云技术（Cloud technology）是基于云计算商业模式应用的网络技术、信息技术、整合技术、管理平台技术、应用技术等的总称，可以组成资源池，按需所用，灵活便利，具有即时性、降低人为误差干扰、信息流转便利等优势。

大数据解决了计算能力不足、数据分析方法低效等问题，使桥梁健康监测的数据存在应用的可能性。大数据具有4V（即Volume、Variety、Velocity和Value）特点，桥梁检测与监测信息符合大数据基本特征：桥梁监测数据的规模大，信息的维度多，具备流转快、增速快的特征，也存在价值密度较低的问题。

大型桥梁健康检测监测具有数据类型复杂、数据量庞大的特点，其监测数据分析、利用难度大。将物联网、云技术与大数据技术引入桥梁健康监测系统中，在强大的运算、存储和兼容能力支撑下，可实现长大桥梁的网络化、集约化管理，为桥梁养护决策提供有效的技术支撑。

云计算系统内部可以看作是一组服务的集合，它可以分为基础设施层、平台层和应用层。结构监测物联网的传感器通过采集桥梁结构的有关信息，将采集数据通过互联网保存在云端。传统结构健康监测系统一般分为传感器系统、数据采集与传输系统、数据存储与管理系统、预警及安全评价系统，这4个子系统功能均可通过基于物联网的云计算系统实现，如表2所示。其中，传感器系统、数据采集与传输系统通过物联网实现，数据存储与管理系统、预警及安全评价系统功能则由云平台来实现。

表2 大数据的构成要点

表2 大数据的构成要点

除了桥梁健康监测系统，云技术也逐渐应用到桥梁施工信息管理、施工监控和智能梁厂信息管理等多个方面。云平台可通过终端将技术人员与管理人员连接起来，实现信息的及时传递与快速分享，提高施工管理效率。

表3 结构健康监测云的架构体系

表3 结构健康监测云的架构体系