高速公路桥梁智能管养研究现状

陶佳仪

（江苏苏通大桥有限责任公司，江苏 南通 226010）

0 引言

我国公路交通量大、荷载大，面临严峻的检测养护压力。交通运输部《2020年交通运输行业发展统计公报》显示，截至2020年年末，我国公路总里程已达519.81 万km，公路养护里程514.40km，占公路总里程的99%，其中高速公路里程16.10 万km。随着我国公路交通基础设施的不断完善，高速公路运营里程不断增加，传统高速公路桥梁病害的检测方法效率低、工作量大、高空作业危险、精度低，因此基于计算机视觉技术的高速公路病害检测技术对行业的发展具有重大意义。本文对目前国内高速公路桥梁病害检测的智能化方法从智能检测、图像识别、机器学习等方面进行了总结。

1 桥梁病害的智能检测技术

在高速公路病害检测中，由于桥梁的特殊性，其检测难度相较于其他结构类型更为复杂困难，目前国内学者对于公路桥梁病害检测的研究做了大量工作。无人机技术为一种非接触式检测技术，由于其在检测大气环境作业中效率高、机动灵活、使用方便等优点得到了大力发展，尤其适用于高度大、环境恶劣的复杂环境地区；机器人技术相较于无人机技术具有更高的续航能力、环境适应性强、检测精度更高、操作简单等优点，但其灵活性较差，适用性略低于无人机。

机器人检测方面，魏武等为实现斜拉桥缆索的自动无损检测，提出了基于蛇形机器人多传感数据融合的缆索缺陷自动检测方法，通过数据融合技术对多源数据进行融合，从而实现缺陷自动检测。该研究方法可降低检测过程系统的不确定性，有效提高缆索缺陷识别精度和可靠性。Xu 等设计了一种基于安全恢复机构模型的全轮驱动爬坡机器人模型，分析了其爬坡能力和防滑性能，可实现对斜拉桥索的自动检测。李丙州等提供了一种能够攀爬障碍物的桥梁检测机器人，该机器人能探测凸缘上存在的障碍物，在凸缘上（例如沿着桥梁检测路径）移动时，爬上/爬下或躲避并爬越障碍物；爬上/爬下或躲避并爬越障碍物时，探测图像拍摄部，根据障碍物高度产生的高度变化，调节图像拍摄部的拍摄高度，从而对应于该高度变化，计算出相应高度的z 轴坐标，可实现对拍摄位置坐标x/y/z 的计算，并将连续拍摄的图像对应其相对应的x/y/z 轴坐标，以此连续确认与图像相对应的实际裂纹元素，并且由此生成该对应图像的实际位置坐标的可识别图像。刘扬等公开了一种智能桥梁检测机器人，包括一根钢缆和检测机器人，检测机器人设置于一根钢缆上，可实现对桥梁的下部结构进行检测，提高检测效率。Murphy 等对得克萨斯州的Rollover Pass 大桥开展飓风“艾克”过后的结构检测。通过对车辆进行初步的域分析，开发了用于桥梁检测的全功能UMV 无人驾驶车辆，设定了七个功能：标准化任务有效载荷、增加健康监测、通过更好的人机交互提高远程操作、增加3D 避障、改善站位保持、处理大数据集和识别传感。Abedin 等提出一种基于非接触式传感器的钢箱梁桥健康监测方法，该研究调查了简支和连续跨度钢箱梁桥在各种损伤情况下的行为，包括支撑失效和梁断裂，并开发了基于桥梁动态响应的非接触桥梁健康监测技术。实验结果表明，单跨和连续跨桥梁在损伤后的振型都发生了显著变化。对完整和受损桥梁振型的比较表明，桥梁沿线不同位置的损伤在可用于定位损伤的振型中具有不同的振幅变化。此外，分析表明，对于整个跨度内的大多数位置，单个模态灵敏度或组合灵敏度都是指示性的。结果还表明了每种损伤情况下频率和振型的清晰变化模式，可用于检测桥梁沿线的损伤类型、严重程度和位置。

无损检测技术方面，无损检测是在不损害或不影响被检测对象使用性能的前提下，采用射线、超声、红外、电磁等原理技术仪器对材料、零件、设备进行缺陷、物理、化学参数检测的技术。目前，无损检测也广泛应用在桥梁裂缝的诊断和检测中。常用的桥梁无损检测技术主要有：超声波检测法、冲击弹性波检测法、声发射检测法、传感器检测法及光纤传感网络检测法。其中前两种方法主要用来探测混凝土结构内部的裂缝及裂缝深度，但是冲击弹性波检测法只能检测扩展方向与表面垂直且没有分支的单根裂缝。声发射检测法属动态测量，不能检测已发生的旧裂缝，而只能检测出正在发生裂缝的位置、大小、深度、种类以及扩展情况。传感仪器检测法通过在混凝土埋设的测缝计等仪器来监测裂缝，控制为0.2～1m，属点式检测，故容易造成裂缝的漏检。光纤传感网络检测法具有灵巧、检测精度高、可靠耐久、抗电磁干扰能力强等优点，通过将光纤预先埋设在混凝土中，组成自动化遥测系统，便可准确定位裂缝的位置，但其构建比较复杂且成本较高，这也是不容忽视的问题。

2 桥梁病害的智能识别算法

为了提高结构检测评估的效率和客观性，国内外研究人员对桥梁自动检测的进行了长期研究，主要包括基于传统数字图像处理的检测方法和基于深度学习的智能检测算法。而基于深度学习的智能识别方法目前在国内还处于初始发展阶段。

图像处理技术是传统的数字图像检测技术，可以识别一些特定类型的结构缺陷，如混凝土裂缝、混凝土菠萝面等结构常见表观病害。由于裂缝像素形状比其他纹理图案更薄，相较于背景颜色也更深，故而图像处理技术可以基于显著性假设识别或图像中的缺陷来识别裂缝。常见的方法包括基于渗透的图像处理法、阈值法及边缘检测法。

基于深度学习的桥梁缺陷检测识别方法突破了传统图像处理技术的概念，使得在复杂环境下的桥梁底部病害自动检测成为可能。卷积神经网络的提出是为了解决图像检测与分类问题，它能够识别一幅图像属于哪一类，因此早期的缺陷检测主要是对公路表面病害类型进行分类。Sattar 等比较了公共边缘检测器和深度卷积神经网络（DCNN）在基于图像的混凝土结构裂缝检测中的性能，提出了一种将DCNN 和边缘检测器相结合的混合方法，将噪声降低到原来的1/24。使用6 种常见的边缘检测方案（Roberts，Prewitt，Sobel，Laplacian of Gaussian，Butterworth，Gaussian）分析了19 幅高清晰度混凝土图像（3420 幅子图像，319 幅有裂缝，3101 幅没有裂缝），首次在单个数据集上比较了每种裂缝检测方法的相对性能。为未来采用DCNN 方法进行基于图像的混凝土损伤检测展现了广阔的应用前景。邵红艳等提出了一种基于自编码神经网络的结构损伤识别方法，如图1所示，利用Pycharm 法与Newmark 法相结合的方式，对简支梁结构进行重构，并通过与相关数据相比较，得到各工况下模型的重构误差，研究表明所提方法可以较好地识别结构损伤发生的时间及位置。

图1 自编码神经网络及框架示意图

针对目前我国桥梁基数大，对既有旧桥开展检测评估及损伤识别的需求与日俱增的现状，目前国内学者主要采用基于图像处理技术的方法，利用计算机视觉识别结构损伤图像。随着图像识别方法的不断发展，目前常用的智能算法如深度卷积神经网络、人工神经网络、迁移学习、遗传算法等已经得到有效应用。同时，计算机技术、5G 技术及大数据技术的发展也为结构智能检测、识别及评估提供了新的思路。

3 桥梁智能养护

对于结构日趋复杂的现代桥梁，桥梁管理和养护的难度不断提升。在自然环境侵蚀、交通荷载与流量增加等作用下，桥梁“老龄化”问题突出，这对桥梁结构的安全和运营会产生严重的负面影响。为较好应对这种现象，必须从桥梁管理与养护出发，从根源解决问题，提高桥梁的运维性能及服役寿命。

邓国瑞基于BP 神经网络和BIM 技术深入探讨人工智能的具体应用，基于引入模拟退火算法对BP神经网络进行优化后的算法，开展桥梁安全评估系统建设，形成如图2所示的智能化桥梁管理和养护技术。基于BIM 技术建立可视化平台，建立智能化桥梁管理养护模块，管理和养护工作的效率与质量可由此实现提升。这些桥梁管理与养护中人工智能的应用路径，可以应对由于自然环境侵蚀、交通荷载与流量增加等作用下，对桥梁的结构安全和运营安全造成的负面影响。陈双全认为5G、大数据、物联网、人工智能等智能化技术加快了交通基础设施结构的产业升级，将现阶段以人工为主、计算机为辅的运维控制方法升级为自调控、自管理、自修复、自适应的智能、数字、网络、精准的针对交通基础设施结构的全要素、全过程管理模式，为解决交通运输行业智能感知、智能识别、智能预测、智能决策的管养一体化技术等关键科学问题奠定基础。

图2 智能化桥梁管理和养护技术

4 结论

以数字化、信息化及智能化为核心导向，推动高速公路桥梁养护工区智慧转型，打造智慧工区样板工程，实现养护工作可视化、资产管理系统化。形成病害数据、发展趋势、决策模型等数据产品，推广应用智慧巡检、智能外设等智能化装备，发挥养护工区资源集中、辐射周边作用，全面统筹日常养护计划、机械设备、材料、人员的调配管理，实现智慧养护作业的全覆盖。从以下两点对未来江苏高速公路桥梁智慧管养进行展望。

其一，建立高速公路桥梁智慧工区管理平台。以三维模型为核心，融合信息系统数据、物联网数据、运营数据、智能传感数据，通过三维场景展示工区模型，打造工区环境管理、能耗管理、设备管理、资产管理、人员管理等功能模块，通过可视化的方式向管理人员提供直观的管理手段。平台采用大数据、人工智能分析技术，为预警提供数据预测、支持和决策参考。

其二，打造高速公路桥梁智慧巡养管理平台，满足养护巡查、维修、施工等不同场景的应用需求，充分运用物联网、云计算、互联网、人工智能、自动控制等技术，结合智能化、自动化、无人化设备，提高日常巡检、重点监控、快速检测、快速施工、路况监控等实施效率，对养护数据进行多维度采集、处理、挖掘与分析，实现养护成效数字化。

通过汇集养护作业施工信息，对桥梁养护设备管理、人员管理、设备参数采集、物料管理等桥梁养护业务进行全方位、全过程管控，促进养护设备能效成本降低和使用效率提升，保障桥梁结构安全，发挥桥梁基础设施效能，提升高速公路桥梁运行效率和管理水平。