輕量化便攜式路面病害智能檢測系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

陳滿軍，張 萌，劉澤鋒，韓 豫，顧 盛

（1.昆山市建設(shè)工程質(zhì)量檢測中心，江蘇 昆山 215337；2.江蘇大學(xué) 土木工程與力學(xué)學(xué)院，江蘇 鎮(zhèn)江 212013）

0 引言

近年來，我國道路建設(shè)取得了輝煌成就，總里程不斷增長。與此同時(shí)，越來越多的建成道路進(jìn)入運(yùn)維階段，我國也正在從建路時(shí)代向養(yǎng)路時(shí)代過渡［1］。道路作為國家重要基礎(chǔ)設(shè)施，其路面質(zhì)量對于交通出行和行車安全具有重要影響。但傳統(tǒng)的路面病害檢測主要還是采用人工檢測的方法，檢測時(shí)效性和安全性難以滿足日益增長的檢測需求。

伴隨著新一代信息技術(shù)的應(yīng)用，路面病害檢測研究開始向著智能化方向發(fā)展。以三維激光技術(shù)為技術(shù)支撐，國內(nèi)外科研機(jī)構(gòu)開發(fā)了 LCMS 多功能檢測車［2］、JG-1 型激光三維路面狀況智能檢測車［3］、CiCS-Ⅰ中公高科道路檢測車等一系列智能化路面檢測設(shè)備，但因其龐大的體型，復(fù)雜的運(yùn)行流程，難以應(yīng)用于狹窄路面。與此同時(shí)，數(shù)字圖像和深度學(xué)習(xí)［4］等新興技術(shù)快速發(fā)展，為路面病害檢測提供了新手段。因其高效的特征提取能力和檢測效率被廣泛應(yīng)用于路面病害檢測領(lǐng)域，借助采集的路面圖像即可實(shí)現(xiàn)路面病害的自動(dòng)識別［5-9］。但已有的方法檢測模式相對單一，難以實(shí)現(xiàn)多路面病害協(xié)調(diào)檢測。

為此，在新型基礎(chǔ)設(shè)施建設(shè)的時(shí)代背景下，本研究結(jié)合深度學(xué)習(xí)技術(shù)，以輕量化便攜式設(shè)備搭建檢測平臺，設(shè)計(jì)一種路面智能檢測系統(tǒng)。與現(xiàn)有檢測手段相比，檢測設(shè)備輕量、便攜，檢測方法高效、便利。系統(tǒng)將人工智能技術(shù)應(yīng)用到路面檢測和維養(yǎng)領(lǐng)域，具備成本低、操作強(qiáng)等優(yōu)勢。

1 系統(tǒng)需求分析

由于路面類型的多樣性、路面病害的復(fù)雜性以及檢測設(shè)備的冗重性，致使路面檢測難度顯著提升。通過對路面檢測機(jī)構(gòu)的調(diào)研，發(fā)現(xiàn)路面檢測系統(tǒng)的應(yīng)用需求如下。

1）檢測設(shè)備輕便。現(xiàn)有路面檢測車輛體型大，檢測設(shè)備冗重，難以勝任狹窄路面的連續(xù)檢測任務(wù)，且易造成交通擁堵。因此，需要輕量便攜的路面檢測設(shè)備，滿足“即拿即用”的檢測需求。

2）路面種類劃分。路面種類多樣，常見的路面包括瀝青路面和水泥混凝土路面。不同的路面對應(yīng)的路面病害也不相同。因此，路面檢測需要先劃分具體的路面種類。

3）路面病害識別。路面病害類型繁多，包括裂縫、坑槽、車轍、松散、啃邊、斷角等各種類型。不同的路面病害有其特定的特征屬性。因此，需要依據(jù)不同的病害特征實(shí)現(xiàn)路面病害識別。

4）路面病害評估。路面病害按照評定標(biāo)準(zhǔn)可分為輕度病害和重度病害。重度病害對應(yīng)區(qū)域的路面結(jié)構(gòu)已產(chǎn)生破壞，存在較大安全隱患，應(yīng)該優(yōu)先維養(yǎng)。因此，需要對路面病害進(jìn)行評估，確定重度病害區(qū)域。

2 系統(tǒng)構(gòu)建

2.1 技術(shù)支撐

路面病害智能檢測系統(tǒng)包含一系列運(yùn)行過程，需要實(shí)現(xiàn)路面圖像的高質(zhì)量采集、實(shí)時(shí)傳輸和高效處理，具體包含如下核心技術(shù)。

1）圖像采集——三軸防抖云臺技術(shù)。系統(tǒng)在圖像采集設(shè)備中加裝了減震云臺，減震云臺采用了三軸穩(wěn)定原理，云臺分別設(shè)置水平電機(jī)、俯仰電機(jī)和滾轉(zhuǎn)電機(jī)，電機(jī)內(nèi)搭陀螺儀，在算法的運(yùn)行下進(jìn)行位移補(bǔ)償，滿足圖像采集穩(wěn)定防抖要求。系統(tǒng)利用三軸防抖云臺技術(shù)實(shí)現(xiàn)行車環(huán)境下高質(zhì)量圖像的采集。

2）圖像傳輸——5G 數(shù)據(jù)傳輸技術(shù)。5G 技術(shù)為新一代移動(dòng)通信技術(shù)，具備增強(qiáng)移動(dòng)寬帶、超高可靠低延時(shí)通信和海量機(jī)器類通信 3 大核心應(yīng)用場景，能夠?qū)崿F(xiàn)海量數(shù)據(jù)的低延時(shí)、高速度、大連接傳輸。系統(tǒng)結(jié)合 5G 數(shù)據(jù)傳輸技術(shù)完成路面圖像的實(shí)時(shí)傳輸。

3）圖像處理——深度學(xué)習(xí)技術(shù)。深度學(xué)習(xí)技術(shù)研究源于人工神經(jīng)網(wǎng)絡(luò)，利用多隱層的多層感知器結(jié)構(gòu)提取底層特征，并實(shí)現(xiàn)高層特征的抽象表達(dá)。其具體包含圖像分類技術(shù)、目標(biāo)檢測技術(shù)和語義分割技術(shù)。

圖像分類技術(shù)的核心流程是分析一個(gè)輸入圖像并返回一個(gè)分類標(biāo)簽，從而實(shí)現(xiàn)圖像特定種類分類。本系統(tǒng)通過圖像分類技術(shù)完成路面種類劃分的任務(wù)。

目標(biāo)檢測技術(shù)是圖像識別和定位技術(shù)的結(jié)合，即識別出圖像的物體種類，并框選出其在圖像中的具體位置。本系統(tǒng)通過目標(biāo)檢測技術(shù)識別具體的路面病害類型。

圖像語義分割技術(shù)就是計(jì)算機(jī)自動(dòng)分割目標(biāo)區(qū)域并識別目標(biāo)內(nèi)容，其通過像素密集預(yù)測、標(biāo)簽推斷和細(xì)粒度推理，將每個(gè)像素標(biāo)記為封閉對象區(qū)域的類別。本系統(tǒng)通過語義分割技術(shù)分割具體的路面病害區(qū)域，以進(jìn)行路面損壞評估。

2.2 系統(tǒng)架構(gòu)設(shè)計(jì)

基于路面檢測流程和需求，結(jié)合深度學(xué)習(xí)技術(shù)特征，設(shè)計(jì)的路面智能檢測系統(tǒng)包括數(shù)據(jù)感知模塊、信息學(xué)習(xí)模塊、圖像處理模塊和智能評估模塊。路面智能檢測系統(tǒng)組成如圖 1 所示，各模塊功能說明如表 1 所示。

圖1 系統(tǒng)組成

表1 模塊功能說明

數(shù)據(jù)采集功能主要通過數(shù)據(jù)采集車實(shí)現(xiàn)，數(shù)據(jù)采集車包括行車裝置和數(shù)據(jù)采集裝置。行車裝置為板式折疊車，滿足輕量、便攜的要求，板式折疊車設(shè)置三擋調(diào)速模式，滿足不同行車環(huán)境下數(shù)據(jù)采集。數(shù)據(jù)采集裝置主要由云臺穩(wěn)定器和手機(jī)構(gòu)成，實(shí)現(xiàn)與行車裝置的穩(wěn)固連接。整體模塊用于采集行車環(huán)境下的高質(zhì)量路面圖像。

信息學(xué)習(xí)模塊通過顯卡 GPU 加速，利用深度學(xué)習(xí)算法對圖像數(shù)據(jù)集進(jìn)行訓(xùn)練，提取目標(biāo)特征，生成各路面檢測算法模型。

圖像處理模塊通過內(nèi)存條存儲路面檢測算法模型和圖像處理算法，圖像處理算法對獲取的圖像進(jìn)行預(yù)處理。

智能評估模塊通過計(jì)算機(jī)工作站調(diào)用圖像處理模塊的算法模型，依次對采集的圖像進(jìn)行路面種類劃分、路面病害檢測和路面損壞評估，生成并導(dǎo)出檢測結(jié)果報(bào)告。

2.3 系統(tǒng)運(yùn)行流程

結(jié)合實(shí)際路面的檢測流程，路面檢測系統(tǒng)的運(yùn)行流程主要包括路面圖像信息的采集和路面病害的檢測等流程，具體運(yùn)行流程如圖 2 所示。

1）路面圖像采集。首先，依據(jù)不同的路面環(huán)境制定圖像采集方案，并完成硬件設(shè)備組接與功能參數(shù)設(shè)定；接著進(jìn)行路面圖像預(yù)采集工作，待圖像質(zhì)量符合要求后采集待檢路面的整體圖像信息。在圖像采集過程中盡量避免路面雜物的干擾。

2）路面病害檢測。先對采集的圖像進(jìn)行去噪預(yù)處理，以提高圖像質(zhì)量；將處理好的圖像載入智能評估模塊先進(jìn)行路面種類劃分，具體劃分為瀝青路面和水泥混凝土路面；將劃分的不同種類路面導(dǎo)入其對應(yīng)的特定模型中進(jìn)行路面病害識別和病害區(qū)域分割，瀝青路面具體分為裂縫、坑槽、車轍和松散四類病害，水泥混凝土路面分為裂縫、坑槽、啃邊和斷角四類病害。最后統(tǒng)計(jì)生成并輸出所檢路面的結(jié)果檢測報(bào)告。

3 系統(tǒng)實(shí)現(xiàn)與應(yīng)用測試

3.1 系統(tǒng)實(shí)現(xiàn)

圖2 系統(tǒng)運(yùn)行流程圖

1）圖像采集平臺設(shè)計(jì)與實(shí)現(xiàn)。系統(tǒng)圖像采集平臺滿足輕量便攜式要求，以折疊式數(shù)據(jù)采集車為圖像采集設(shè)備。行車端通過板式折疊車實(shí)現(xiàn)，板式折疊車可隨意折疊，體積小、易便攜，能夠在狹窄路面正常行駛、使用。裝置連接端為保證在行車環(huán)境下獲取高質(zhì)量的路面圖像，在行車裝置與圖像采集裝置間加裝減震云臺，結(jié)合三軸防抖云臺技術(shù)，滿足圖像采集穩(wěn)固防抖要求。圖像采集端主要通過減震云臺連接手機(jī)實(shí)現(xiàn)，方便數(shù)據(jù)同步回傳并記錄地理位置信息，利于后期路面病害定位。整體設(shè)備裝置方便獲取，符合經(jīng)濟(jì)性、便利性設(shè)計(jì)原則。

2）圖像處理平臺設(shè)計(jì)與實(shí)現(xiàn)。系統(tǒng)以計(jì)算機(jī)工作站為圖像處理平臺，計(jì)算機(jī)工作站使用 Windows10 64 位操作系統(tǒng)，內(nèi)存為 16 G，配備 NVIDIA GeForce RTX 3060Ti 顯卡和 ADM R7 處理器。為提升系統(tǒng)的運(yùn)行速度，安裝 CUDA 和 cuDNN 以實(shí)現(xiàn) GPU 加速。同時(shí)，系統(tǒng)檢測模型以 P y thon 為基礎(chǔ)語言，以 Tensorflow 及 Keras 為開源平臺，內(nèi)置大量圖像處理的通用算法，基于 Pycharm 軟件平臺實(shí)現(xiàn)算法模型的編譯、搭建和運(yùn)行，能夠?qū)崿F(xiàn)路面病害的高效檢測。

綜合考慮，本系統(tǒng)能夠?qū)崿F(xiàn)效率與投入的平衡性，整體系統(tǒng)硬件設(shè)備總價(jià)在 3 萬元左右，相較于市面主流道路檢測車經(jīng)濟(jì)效益更高，便于復(fù)現(xiàn)與推廣。

3.2 系統(tǒng)測試

為驗(yàn)證系統(tǒng)用于路面病害檢測的可行性和實(shí)用性，對系統(tǒng)進(jìn)行實(shí)際路面測試。選取不同種類（瀝青路面和水泥混凝土路面）的待測路面，每種路面各采集圖像 1 000 余張，并篩選其中 800 張（有無病害圖像各 400 張，每類病害 100 張）高質(zhì)量圖像進(jìn)行測試。圖像采集過程如圖 3 所示。

圖3 多種類路面圖像采集

表2 路面種類劃分結(jié)果統(tǒng)計(jì)表

3.2.1 路面種類劃分任務(wù)測試

將處理后的圖像導(dǎo)入自主開發(fā)的路面類型劃分算法模型，分類結(jié)果如表 2 所示。測試和分析發(fā)現(xiàn)：對應(yīng)路面種類劃分任務(wù)，系統(tǒng)所使用的分類方法較好，圖像分類平均準(zhǔn)確率為 98.69 %，出現(xiàn)誤檢的情況較少，且不存在漏檢的情況，可滿足實(shí)際路面檢測的要求。

3.2.2 路面病害識別任務(wù)測試

將分好種類的路面圖像導(dǎo)入其對應(yīng)的路面病害識別算法模型中，對不同路面的不同病害進(jìn)行識別。測試和分析發(fā)現(xiàn)：對于路面病害檢測任務(wù)，系統(tǒng)所使用的檢測方法效果較好，圖像識別平均準(zhǔn)確率可達(dá)到 88.50 %，平均誤檢率為 7.25 %，漏檢率為 4.25 %。雖然相較于圖像分類方法平均準(zhǔn)確率有所降低，但誤檢和漏檢圖像個(gè)數(shù)較少，也可用于實(shí)際路面檢測。部分病害圖像的識別效果如圖 4 所示。

圖4 路面病害識別結(jié)果示意圖

3.2.3 路面損壞評估任務(wù)測試

將路面病害圖像導(dǎo)入路面病害分割算法模型，分割出各類型病害區(qū)域，并測算出區(qū)域像素面積進(jìn)行面積換算。統(tǒng)一選取損壞面積為評判指標(biāo)進(jìn)行損壞評估。測試和分析發(fā)現(xiàn)：對于路面損害評估任務(wù)，系統(tǒng)所使用的評估方法可有效分割出路面病害區(qū)域，圖像面積測算誤差在 0.006～0.085 m2，基本滿足各類型病害的測量要求，相較于人工面積測量方法更加方便快捷，可用于實(shí)際路面損壞評估。部分圖像的分割效果如圖 5 所示。

圖5 路面病害分割結(jié)果示意圖

表4 路面病害區(qū)域面積換算結(jié)果統(tǒng)計(jì)表

4 測試結(jié)果討論

依據(jù)實(shí)際路面檢測效果，分析路面病害智能檢測系統(tǒng)的優(yōu)勢與不足，以進(jìn)一步完善系統(tǒng)。

4.1 設(shè)備輕量性

路面病害硬件系統(tǒng)由板式折疊車、減震云臺、云臺連接支架、手機(jī)、微型計(jì)算機(jī)等設(shè)備組成，各設(shè)備均具備輕量化的特性，方便攜帶至各待檢路面使用。后續(xù)的研究中可以考慮開發(fā)一體式折疊檢測車，將計(jì)算機(jī)嵌入行車裝置中，進(jìn)一步為設(shè)備“減重”。

4.2 連接穩(wěn)定性

數(shù)據(jù)采集設(shè)備由行車裝置和數(shù)據(jù)采集裝置組接而成，裝置借鑒無人機(jī)云臺防抖原理，加裝減震云臺，可在行車環(huán)境下進(jìn)行路面圖像采集。但測試中也發(fā)現(xiàn)：各裝置間平衡機(jī)能不夠緊密，導(dǎo)致采集的圖像偶爾會(huì)出現(xiàn)質(zhì)量不佳的狀況。所以，在后期的研究中要進(jìn)一步對設(shè)備連接方式進(jìn)行研究，以保證各裝置穩(wěn)固連接，實(shí)現(xiàn)高質(zhì)量數(shù)據(jù)的采集。

4.3 操作便捷性

系統(tǒng)操作流程簡單，在檢測之前只需組接好數(shù)據(jù)感知裝置，設(shè)置設(shè)備功能參數(shù)，并打開計(jì)算機(jī)工作站的檢測模型。檢測時(shí)驅(qū)車進(jìn)行圖像采集，計(jì)算機(jī)后臺接收并完成路面病害檢測，整個(gè)系統(tǒng)運(yùn)行流程簡潔，設(shè)備使用方便，具備操作便捷性特點(diǎn)。同樣的，后續(xù)開發(fā)一體式檢測車，進(jìn)一步簡化系統(tǒng)運(yùn)行流程。

4.4 使用適應(yīng)性

經(jīng)測試，本系統(tǒng)能夠?qū)崿F(xiàn)路面種類劃分、路面病害識別和路面損壞評估。但對于不同路面環(huán)境，系統(tǒng)的適應(yīng)性會(huì)存在差別，當(dāng)有光照和路面雜物影響時(shí)，會(huì)影響系統(tǒng)的使用效果。此外，對于小目標(biāo)路面病害，系統(tǒng)可能會(huì)出現(xiàn)漏檢現(xiàn)象。因此，在后期的研究中進(jìn)一步擴(kuò)大不同環(huán)境、不同尺寸的圖像數(shù)據(jù)集用于算法訓(xùn)練，以提高各系統(tǒng)的檢測精度與通用性。

4.5 效益經(jīng)濟(jì)性

系統(tǒng)軟硬件協(xié)同配合，運(yùn)行效率高，所需硬件設(shè)備成本低、易獲取，所需軟件易安裝、便操作。能夠?qū)崿F(xiàn)路面種類劃分、路面病害識別和路面損壞評估的全方面檢測需求，具備較高的性價(jià)比，后續(xù)可開發(fā)專業(yè)化軟硬件平臺，進(jìn)一步提升經(jīng)濟(jì)效益。

4.6 功能延伸性

系統(tǒng)當(dāng)前的主要功能是實(shí)現(xiàn)路面病害的檢測，可進(jìn)一步拓展應(yīng)用功能。考慮到當(dāng)前路面病害檢測缺乏直觀可視的檢測結(jié)果，后續(xù)可將系統(tǒng)與地理位置信息系統(tǒng)相結(jié)合，繪制待檢道路的可視化地圖，實(shí)現(xiàn)路面病害的精準(zhǔn)定位。

5 結(jié)語

基于深度學(xué)習(xí)技術(shù)的輕量化便攜式路面智能檢測系統(tǒng)，主要包括數(shù)據(jù)感知、信息學(xué)習(xí)、圖像處理、智能評估四大功能模塊，能夠滿足路面種類劃分、路面病害識別和路面損壞評估的全方面檢測要求。相較于傳統(tǒng)人工檢測方法和現(xiàn)有道路檢測設(shè)備，系統(tǒng)具備輕量性、便攜性、精準(zhǔn)性和綜合性，可應(yīng)用于多種類狹窄路面檢測，為道路維養(yǎng)提供依據(jù)?？紤]到道路環(huán)境的復(fù)雜性與路面病害的多樣性，系統(tǒng)后續(xù)仍需完善升級，以進(jìn)一步提高其輕量化、智能化、精準(zhǔn)化程度。Q