基于地質雷達的公路隱伏病害檢測技術研究綜述

摘要：開挖、鉆芯等傳統(tǒng)的檢測技術存在損害路面整體性、低效率、長耗時、低代表性等缺點，不能滿足對公路隱伏病害無損、快速、智能、高效、高精度的現(xiàn)代化檢測需求。文章介紹了地質雷達的檢測原理及發(fā)展歷程，并對其在公路隱伏病害中的檢測與智能識別應用技術進行了重點分析，提出了其在公路隱伏病害檢測應用過程中存在的問題和未來的研究方向。

關鍵詞：地質雷達；公路；隱伏病害；病害檢測

中文分類號：U412.22A070174

0引言

近年來，隨著我國公路通車里程的不斷增長，公路的運營強度日益加重，公路病害出現(xiàn)的比例也逐步上升，日常的檢測、維護已成為我國公路運營的重要組成部分。目前公路隱伏病害的檢測任務與日俱增，逐步成為公路檢測行業(yè)的主要工作，開挖、鉆芯等傳統(tǒng)的檢測技術存在損害路面整體性、低效率、長耗時、低代表性等缺點，已經不能滿足公路無損、快速、智能、高效、高精度的現(xiàn)代化檢測需求。地質雷達作為公路隱伏病害檢測領域一種新設備的代表，近年來吸引了國內外眾多專家學者的高度關注，該檢測技術以其無須破壞路面結構、高效率、低耗時等獨特的優(yōu)勢，已成為公路檢測行業(yè)快速養(yǎng)護評估、路網維護效能增強和路面性能長期檢測的主要手段，在實際應用中展現(xiàn)出不容忽視的商業(yè)價值與社會效益。本文從地質雷達工作原理、發(fā)展歷程、工程應用以及未來的研究展望進行了總結梳理，旨在為其在公路隱伏病害中的檢測應用提供一定的參考依據。

1地質雷達原理及在公路隱伏病害檢測中的發(fā)展歷程

1.1地質雷達工作原理

目前，地質雷達技術在脫空、疏松、空洞、裂縫等公路隱伏病害的檢測工作中具有良好的使用效果。常用的地質雷達根據數據采集和處理方式、應用場景和探測效果等可分為二維雷達和三維雷達，其探測都是采用單個固定形式的發(fā)射/接收天線組合，通過在地表移動該天線組合實現(xiàn)對地下區(qū)域的反射探測，具體的探測原理如圖1、圖2所示［1］。

地質雷達在進行公路隱伏病害探測工作時，通過發(fā)射天線（Tx）發(fā)射電磁波并使其在具有不同介電特性的介質中傳播，當電磁波遇到介質界面時會產生反射波，反射波通過接收天線（Rx）所接收。通過分析這些入射波與反射波的能量、振幅以及時延等關鍵參數，能夠有效地獲取公路結構層的相關信息。電磁脈沖波在介質中的傳播時間是一個重要的測量參數，計算公式見式（1）：

t=4h2+x2/v（1）

式中：t——電磁脈沖波在介質中的傳播時間（ns）；

v——電磁脈沖波在介質中的傳播速度（m/ns）；

x——發(fā)射天線與接收天線中心點的距離（m）；

h——探測目標體到地面的垂直距離（m）。

地質雷達探測目標體深度的計算公式為：

h=（vt）2－x22（2）

若發(fā)射天線（Tx）和接收天線（Rx）之間的距離x遠遠小于探測目標體的深度h，則式（1）和式（2）可簡化為：

t=2h/v（3）

h=vt2（4）

當電磁脈沖波在地下介質中傳播的波速v為已知時，可以通過精確測量得到的電磁脈沖波在介質中的傳播時間t，利用式（2）或式（4）計算出探測目標體的深度h。通過測量接收電磁脈沖相對于發(fā)射電磁脈沖之間的延時，可以確定電磁脈沖波在地下介質中往返傳播的時間。通過重復的間斷探測，按照等效采樣方式等間距地采集并疊加波形，可獲得地下介質的反射波形。當地面上的發(fā)射天線（Tx）和接收天線（Rx）沿探測線以等間距移動時，便可以在雷達屏幕上繪制出由反射體深度所決定的“時距”波形道的軌跡圖，其中縱坐標表示雙程走時t，橫坐標表示距離x。

1.2地質雷達在公路隱伏病害檢測中的發(fā)展歷程

雷達探測系統(tǒng)自1935年被成功研發(fā)出第一套以來，已經發(fā)展了近90年，作為成熟的商業(yè)產品也已有40年，期間經歷了漫長的研究和應用發(fā)展歷程（見表1）。20世紀80年代末，我國開始逐步引進國外先進的地質雷達進行研究和應用，形成了眾多自主研發(fā)的地質雷達產品。國內眾多高校和科研單位最開始的研究主要是將其用于道路下伏的巖溶和空洞［2-4］、道路各結構層厚度的檢測等［5-7］。隨著研究的不斷深入，目前已擴展到對道路內部結構隱伏病害、密實程度以及含水量［8-11］的研究分析。直至21世紀初，我國用于公路隱伏病害檢測的地質雷達設備與檢測技術才逐漸實現(xiàn)系列化與規(guī)?；l(fā)展，但仍未形成統(tǒng)一的雷達產品體系和檢測標準體系。

目前地質雷達在我國公路領域主要應用于四個方面：（1）檢測道路各結構層位厚度；（2）檢測道路結構內部及下伏病害；（3）識別道路結構內部的金屬部件缺陷；（4）粗略估算路基的含水率及密實度等［20-23］。然而，地質雷達的廣泛應用仍受到技術發(fā)展的諸多制約，這些限制主要源自脈沖源技術的深入研究、反演算法的探索、復雜模型的構建以及分析軟件的開發(fā)完善等方面。地質雷達對公路路面厚度、脫空、裂縫、層間缺陷及含水量等各項指標的檢測還存在著局部精度不高的問題，未達到標準化和規(guī)范化的效果。因此，在公路隱伏病害檢測的具體實施和應用中，地質雷達技術還有待進一步的探索和研究。

2基于地質雷達的公路隱伏病害檢測及智能識別

2.1公路隱伏病害檢測及驗證

地質雷達在公路工程隱伏病害的檢測流程見圖3，主要包括檢測方案的制定、現(xiàn)場測區(qū)和測線的具體確定、雷達參數的設置、數據采集和后期處理結果的分析等方面。

現(xiàn)階段已有眾多學者采用二維地質雷達或三維地質雷達開展公路隱伏病害檢測研究。葉治軍等［24］采用三維地質雷達掃描檢測襄荊高速公路病害區(qū)段，檢測結果表明三維地質雷達可實現(xiàn)高速公路路面結構病害物體的檢測與診斷。馬強等［25］利用地質雷達查明重遵復線高速公路路基以下淺巖溶分布及巖溶發(fā)育情況（10 m內），結果表明地質雷達探測精度能夠滿足公路隱伏病害探測要求。金光來等［26］利用高動態(tài)地質雷達，對江蘇境內的鹽靖高速公路和淮徐高速公路等11條高速公路進行了路面質量檢測，檢測結果表明不同類型公路隱伏病害的雷達灰度圖具有顯著差異，以雷達檢測評價圖譜為基礎的取芯驗證準確率約為95%，地質雷達可用于路面隱伏病害的定量化評價。趙鎮(zhèn)等［27］采用二維地質雷達與三維地質雷達在張家窩鎮(zhèn)開展城區(qū)道路下伏病害檢測，結果表明相較于二維地質雷達，在設計的探測深度界限內，三維地質雷達技術對于識別道路下方空洞、脫空等潛在病害體，展現(xiàn)出了更為優(yōu)異的測量精確度和探測效能，包括更高的數據密度、更快的掃描速度以及實現(xiàn)探測區(qū)域的全覆蓋能力。

由此可知，目前采用二維或三維地質雷達可檢測公路路面結構狀況以及識別巖溶、空洞、脫空等公路隱伏病害，并且經鉆芯驗證的檢測準確率較高，可作為推廣應用的依據。但由于目前地質雷達圖譜數據處理主要依賴人工識別，識別效率低下，同時公路各種類型病害的回波特征不盡相同，還存在環(huán)境噪聲與地下構筑物的回波干擾，精準識別地質雷達圖譜數據的病害特征難度大。因此，如何智能、高效、精準地識別和分類地質雷達圖譜中的病害是地質雷達檢測的關鍵所在。

2.2公路隱伏病害智能識別

近年來，深度學習與機器學習等人工智能技術飛速發(fā)展，其在地質雷達公路隱伏病害智能識別領域取得了一系列研究成果，極大地推進了地質雷達在公路隱伏病害檢測中的應用。

沙愛民等［28］根據當前公路路基病害識別中地質雷達技術的數據分析特點，建立了級聯(lián)卷積神經網絡，解決了地質雷達數據人工分析效率低、精度差等問題，實現(xiàn)了地質雷達圖像自動識別。楊洋等［29］基于YOLOv5網絡對已有地質雷達的病害數據樣本進行學習，提出了路基病害識別的網絡模型，該模型精度可達94.53%，實現(xiàn)了路基病害的高精度識別。杜豫川等［30］基于XGBoost極限梯度提升算法對地質雷達的數據實行自動學習和分類，實現(xiàn)了脫空、松散等公路隱伏病害的自動識別，但松散病害的識別準確率較低。周輝林等［31］基于病害特征提取和模式識別技術，結合層厚和層間的界面反射振幅提出了公路路基病害的自動檢測算法，該算法準確率可達92.7%。郭士禮等［32］通過YOLOv8n和YOLOv8x模型對地質雷達公路隱伏病害樣本進行訓練，提出了可智能診斷公路隱伏病害的軟件，能自動對地質雷達采集到的公路隱伏病害數據進行標注和數據增強。Hou Z Z等［33］針對地質雷達路基探測存在數據量大、時頻、經驗差異等問題，利用廣義回歸神經網絡提出了一種智能識別路基病害的方法，實現(xiàn)了對鐵路路基缺陷的快速識別，減少了雷達檢測數據的冗余，極大提高了病害識別的準確率。Jin G L等［34］采用卷積神經網絡對采集到的1 500 km高速公路的31 640個樣本（分為層間脫粘、層間松動、層間滲水和結構松動四類）進行了訓練，提出了公路隱伏病害自動識別及分類卷積神經網絡模型。Liu W C等［35］利用目標檢測算法，建立了地質雷達圖像數據集來訓練和測試病害體檢測模型，數據集中的病害樣本包括沉降、開裂和松動，并根據地質雷達圖像數據中隱伏病害的分布情況，提出了針對不同尺度目標的雙向目標檢測模型，同時在模型的基礎上對雙向模型各部分進行了優(yōu)化和改進。Liu C等［36］為提高地質雷達檢測路面病害圖像的準確性和效率，在YOLOv4檢測算法的基礎上，引入MobileNetV2和CBAM機制，并結合Focal loss置信度損失函數對模型進行迭代，提出了一種高效、輕量級的地質雷達路面病害圖像識別算法MC-YOLOv4。

綜上所述，地質雷達檢測圖像數據處理算法大致經歷了基于規(guī)則的識別模型、機器學習模型和深度學習模型三個階段。雖然地質雷達公路隱伏病害圖像的智能識別已經取得了一些成果，但仍存在一些局限性，主要包括：（1）檢測模型的輕量化程度和推理速度仍需改進；（2）模型準確性和召回率之間的平衡性較差；（3）高質量地質雷達公路隱伏病害圖片的缺乏導致訓練模型的準確性和泛化能力不足。

3結語

我國科研院校和生產企業(yè)在20世紀80年代末開始積極引進歐美、日本等發(fā)達國家的地質雷達技術與裝備，時至今日，地質雷達已在我國公路隱伏病害檢測中廣泛應用。雖然地質雷達在實際應用過程中仍存在無法定量描述病害、受被測體含水率影響較大、雷達信號易受干擾等問題，但其在公路工程病害檢測應用中依然被視作研究熱點，對其未來研究展望如下：

（1）不同生產廠商設備兼容性各異。在當前地質雷達領域，面臨不同廠家生產的設備之間存在顯著不兼容性的問題。這種不兼容主要源于各家廠商在雷達設備的軟硬件設計上存在較大的差異性，導致雷達數據的采集、處理和分析方法無法直接互通。為了解決這一問題，需要逐步推動雷達軟硬件設備的統(tǒng)一化，提升設備的集成化水平。

（2）當前，地質雷達技術在公路隱伏病害檢測領域的應用主要聚焦于定性評估層面，尚未全面深入到針對不同公路隱伏病害特征的精細量化分析，這種局限性可能引發(fā)對異常雷達波形解讀上的顯著分歧。因此，亟須發(fā)展更為精確、系統(tǒng)的量化分析方法，以提升地質雷達在公路隱伏病害檢測中的準確性和一致性。

（3）不同材料的介電常數有待收集。直接影響探測精度的因素主要是介電常數設定的精度，而介電常數會受到多種因素的影響。為了使地質雷達的探測精度更高，必須深入研究得出不同結構層材料的介電常數常見值或分布范圍參數，并結合特定頻率下的路料配合比、天線頻率等特性進行研究。

（4）開發(fā)針對病害數據的處理新技術和新方法。地質雷達天線在公路隱伏病害檢測中雖應用廣泛，但其數據采集過程常遭遇外界干擾，尤其是在地質構造復雜的區(qū)域。這些復雜條件易導致繞射波、多次反射波等干擾因素的產生，進而掩蓋了有價值的反射波信號。此現(xiàn)象不僅降低了信號質量，還顯著提升了準確判斷公路隱伏病害的難度，要求采取更為先進的信號處理技術來區(qū)分并消除這些干擾，確保檢測結果的準確性。因此，亟須研發(fā)降低外界因素干擾影響、提高檢測精度的公路隱伏病害數據處理新技術和新方法。

參考文獻：

［1］Harry M.Jol.探地雷達理論與應用［M］.北京：電子工業(yè)出版社，2011.

［2］陳滋康，趙經祥，夏萬芳.調制脈沖型地質雷達［J］.物探與化探，1979（4）：1-11.

［3］楊峰，彭蘇萍.地質雷達探測原理與方法研究［M］.北京：科學出版社，2010.

［4］王連成.地質雷達在探測公路隧道塌方及溶洞中的應用［J］.煤炭工程師，1993（3）：12-16.

［5］胡曉光.探地雷達在工程地質勘察中查尋土洞的應用效果［J］.物探與化探，1994（6）：473-476.

［6］牛一雄，苑守成，武建章.地質雷達在公路建設中的應用［J］.物探與化探，1996（2）：116-123.

［7］楊傳典.地質雷達在檢測公路路面厚度中的應用［J］.公路，1996（6）：15-19.

［8］劉建雄.地質雷達在高速公路病害檢測中的應用［C］.陜西省地球物理學會.1999年陜西省地球物理學會年會：陜西地球物理文集（三）.冶金部西北地質勘查局力達實業(yè)公司，1999.

［9］李大心.公路工程質量的探地雷達檢測技術［J］.地球科學，1996（6）：97-100.

［10］黎春林.探地雷達檢測路面含水量和壓實度的應用研究［D］.鄭州：鄭州大學，2003.

［11］王晉國，于曉明，徐春龍，等.應用探地雷達數據提取填土路基含水量的方法［J］.西北大學學報（自然科學版），2010，40（1）：61-65.

［12］銀卓.探地雷達在道路檢測技術中的應用性研究［D］.長沙：長沙理工大學，2015.

［13］江凱.探地雷達在路基檢測中的應用研究［D］.成都：西南交通大學，2011.

［14］張愛軍，程瑞，孫濤，等.瀝青路面探地雷達快速檢測技術應用分析［J］.江蘇建筑職業(yè)技術學院學報，2021，21（3）：6-10.

［15］劉震，顧興宇，李駿，等.探地雷達數值模擬與道路裂縫圖像檢測的深度學習增強方法［J］.地球物理學報，2024，67（6）：2 455-2 471.

［16］周黎明，張楊，付代光，等.道路地下空洞探地雷達波場和時頻特性［J］.同濟大學學報（自然科學版），2024，52（1）：77-85.

［17］王偉，鄭睿.基于探地雷達的道路半剛性基層含水率檢測［J］.武漢大學學報（工學版），2022，55（12）：1 248-1 255.

［18］王誠龍，劉萬里，張學亮，等.基于探地雷達的工作面異常體精準探測技術［J］.巖土力學，2022，43（11）：3 198-3 208.

［19］王振東.YL-R2地質雷達［J］.國外地質勘探技術，1985（9）：20.

［20］孫濤.瀝青路面地質雷達無損檢測技術研究［D］.徐州：中國礦業(yè)大學，2022.

［21］李可心.基于地質雷達和深度學習的隧道結構病害檢測方法［D］.西安：西安建筑科技大學，2022.

［22］鞠蕙.公路隧道鋼筋混凝土襯砌背后缺陷雷達探測信號干擾規(guī)律及增益方法［D］.濟南：山東大學，2021.

［23］田海洋.基于圖像特征的隧道襯砌雷達無損檢測辨識精度提升方法［D］.北京：北京交通大學，2020.

［24］葉治軍，黃哲驍.襄荊高速瀝青路面三維探地雷達典型病害檢測［J］.交通節(jié)能與環(huán)保，2024，20（1）：177-182.

［25］馬強，王彥琪.探地雷達在高速公路巖溶路基勘察中的應用［J］.能源與環(huán)境，2021（5）：30-31.

［26］金光來，臧國帥，蔡文龍，等.基于探地雷達的路面結構完整性定量化評價方法［J］.公路，2020，65（5）：16-20.

［27］趙鎮(zhèn)，黃勇，馮昆.三維探地雷達在道路檢測中的研究與應用［J］.測繪通報，2024（2）：148-152.

［28］沙愛民，蔡若楠，高杰，等.基于級聯(lián)卷積神經網絡的公路路基病害識別［J］.長安大學學報（自然科學版），2019，39（2）：1-9.

［29］楊洋，趙廣茂，張志厚，等.鐵路路基病害探地雷達智能識別方法［J/OL］.地球物理學進展，2024-03-19：1-14.

［30］杜豫川，都州揚，劉成龍.基于極限梯度提升的公路深層病害雷達識別［J］.同濟大學學報（自然科學版），2020，48（12）：1 742-1 750.

［31］周輝林，姜玉玲，徐立紅，等.基于SVM的高速公路路基病害自動檢測算法［J］.中國公路學報，2013，26（2）：42-47.

［32］郭士禮，蔡文才，田朋飛，等.基于YOLO的道路隱性病害探地雷達圖譜智能診斷系統(tǒng)研究［J/OL］.地球物理學進展，2024-09-06：1-11.

［33］HOU Z Z，ZHAO W G，YANG Y.Identification of railway subgrade defects based on ground penetrating radar［J］.Scientific Reports，2023，13（1）：6 030.

［34］JIN G L，LIU Q L，CAI W L，et al.Performance Evaluation of Convolutional Neural Network Models for Classification of Highway Hidden Distresses with GPR B-Scan Images［J］.Applied Sciences，2024，14（10）：14104226.

［35］LIU W C，LUO R，XIAO M Z ，et al.Intelligent detection of hidden distresses in asphalt pavement based on GPR and deep learning algorithm［J］.Construction and Building Materials，2024（416）：135089.

［36］LIU C，YAO Y S，LI J，et al.Research on lightweight GPR road surface disease image recognition and data expansion algorithm based on YOLO and GAN［J］.Case Studies in Construction Materials，2024（20）：e02779.

基金項目：廣西重點研發(fā)計劃項目“道面隱伏病害無損智能化診斷與微創(chuàng)快速維養(yǎng)成套技術研究”（編號：桂科AB23026144）；廣西重點研發(fā)計劃項目“道路路基服役安全診斷及快速處治技術應用研究”（編號：桂科AB22080012）；廣西交通運輸科技成果推廣項目資助“廣西交通運輸行業(yè)公路碳達峰碳中和重點實驗室”（編號：GXJT-ZDSYS-2023-03-01）

作者簡介：焦曉東（1993—），博士，工程師，主要從事路面病害處治與固廢低碳建材研究工作。