CN113569428A - 隧洞异常检测方法、装置及*** - Google Patents
隧洞异常检测方法、装置及*** Download PDFInfo
- Publication number
- CN113569428A CN113569428A CN202110986839.7A CN202110986839A CN113569428A CN 113569428 A CN113569428 A CN 113569428A CN 202110986839 A CN202110986839 A CN 202110986839A CN 113569428 A CN113569428 A CN 113569428A
- Authority
- CN
- China
- Prior art keywords
- tunnel
- data
- temperature
- aerial vehicle
- unmanned aerial
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 182
- 238000004088 simulation Methods 0.000 claims abstract description 76
- 238000004458 analytical method Methods 0.000 claims abstract description 54
- 230000002159 abnormal effect Effects 0.000 claims description 55
- 238000007689 inspection Methods 0.000 claims description 43
- 230000005540 biological transmission Effects 0.000 claims description 23
- 238000004891 communication Methods 0.000 claims description 19
- 238000004422 calculation algorithm Methods 0.000 claims description 18
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 claims description 17
- 230000005856 abnormality Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 16
- 230000008439 repair process Effects 0.000 claims description 10
- 230000000007 visual effect Effects 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 3
- 230000007774 longterm Effects 0.000 abstract description 9
- 238000000034 method Methods 0.000 description 37
- 239000011435 rock Substances 0.000 description 20
- 238000010586 diagram Methods 0.000 description 18
- 230000008859 change Effects 0.000 description 12
- 238000010276 construction Methods 0.000 description 11
- 238000010191 image analysis Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 239000000463 material Substances 0.000 description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 7
- 238000013461 design Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000005259 measurement Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 238000009529 body temperature measurement Methods 0.000 description 2
- 238000005336 cracking Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000017525 heat dissipation Effects 0.000 description 2
- 230000036571 hydration Effects 0.000 description 2
- 238000006703 hydration reaction Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 229920002635 polyurethane Polymers 0.000 description 2
- 239000004814 polyurethane Substances 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 238000005507 spraying Methods 0.000 description 2
- 238000000547 structure data Methods 0.000 description 2
- 238000001931 thermography Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Business, Economics & Management (AREA)
- Geometry (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明提供一种隧洞异常检测方法、装置及***,该隧洞异常检测方法包括:获取红外温度图像数据、隧洞内部温度数据和隧洞气体温湿度数据,将红外温度图像数据、隧洞内部温度数据和隧洞气体温湿度数据作为边界条件赋值至数值仿真模型的对应节点;对经过赋值的数值仿真模型进行仿真分析,得到隧洞温度场;根据隧洞力学性能数据和隧洞温度场确定隧洞温度荷载,根据隧洞温度荷载与混凝土强度数据的比较结果输出隧洞裂缝预警数据。本发明可以对全隧洞衬砌的真实温度场进行自动化分析以有效预警温度裂缝,为高寒高海拔地区的深埋长隧道的长期安全与稳定服役提供支持。
Description
技术领域
本发明涉及隧洞检测技术领域,具体地,涉及一种隧洞异常检测方法、装置及***。
背景技术
水电资源是具备广大开发前景的绿色能源,水电工程发挥了推动绿色低碳发展,持续改善环境质量,提升生态***质量和稳定性的重要作用。
隧洞是水利水电关建的控制性工程。如引汉济渭引水隧洞98.30km,雅鲁藏布江下游水电开发,总规模达6000万kW,其玉松水库电站拥有6条引水隧洞,单洞长约30km。随着重点水利工程的持续推进,高寒高海拔地区需要构建大量的引水隧洞,上述隧洞均为高海拔地区深埋长隧道。受断层破碎带、软弱地层、突涌水、高地应力和复杂地温等影响,上述隧道服役地区的隧道衬砌混凝土服役条件复杂,同时引水隧洞断面巨大,衬砌混凝土属于典型的大体积混凝土结构,在地温、约束、气温变化影响下会产生较大温度梯度,进而产生贯穿性的结构裂缝,对于过水隧道来说有巨大的安全隐患,影响其服役性能和耐久性,因此对衬砌混凝土裂缝进行及时巡检和检测是必要的措施。
现有技术采用人工检视的方法检测温度裂缝,适用小洞径和可视条件较好的隧洞,但深埋长隧道洞径巨大,隧洞底部人员、设备、物料和光线等施工要素复杂,采用传统的人员巡检难以做到对大断面、长隧洞进行全方位,大面积和高效率的检测,在高海拔地区机械设备和人员作业效率也显著降低,安全隐患增加;不仅需要升降仪器辅助,还需要充足的可视环境和辅助电路照明设备,严重依赖检视人员的经验,无法有效应对隧洞围岩温变和外部气温骤变情况下的及时检测和预警,亦无法实现对大体积的围岩衬砌温度梯度的预测预警。
另外,现有技术仅关注局部区域的温度点变化,而温度裂缝则是区域温度梯度造成的,因此现有技术无法在隧洞围岩温变和外部气温骤变情况下及时检测与预警,亦无法实现对大体积围岩衬砌温度梯度的预测预警。
发明内容
本发明实施例的主要目的在于提供一种隧洞异常检测方法、装置及***,可以对全隧洞衬砌的真实温度场进行自动化分析以有效预警温度裂缝,为高寒高海拔地区的深埋长隧道的长期安全与稳定服役提供支持。
为了实现上述目的,本发明实施例提供一种隧洞异常检测方法,包括:
获取红外温度图像数据、隧洞内部温度数据和隧洞气体温湿度数据,将红外温度图像数据、隧洞内部温度数据和隧洞气体温湿度数据作为边界条件赋值至数值仿真模型的对应节点;
对经过赋值的数值仿真模型进行仿真分析,得到隧洞温度场;
根据隧洞力学性能数据和隧洞温度场确定隧洞温度荷载,根据隧洞温度荷载与混凝土强度数据的比较结果输出隧洞裂缝预警数据。
本发明实施例还提供一种隧洞异常检测装置,包括:
赋值模块,用于获取红外温度图像数据、隧洞内部温度数据和隧洞气体温湿度数据,将红外温度图像数据、隧洞内部温度数据和隧洞气体温湿度数据作为边界条件赋值至数值仿真模型的对应节点;
仿真分析模块,用于对经过赋值的数值仿真模型进行仿真分析,得到隧洞温度场;
预警模块,用于根据隧洞力学性能数据和隧洞温度场确定隧洞温度荷载,根据隧洞温度荷载与混凝土强度数据的比较结果输出隧洞裂缝预警数据。
本发明实施例还提供一种计算机设备,包括存储器、处理器及存储在存储器上并在处理器上运行的计算机程序,处理器执行计算机程序时实现所述的隧洞异常检测方法的步骤。
本发明实施例还提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现所述的隧洞异常检测方法的步骤。
本发明实施例还提供一种隧洞异常检测***,包括:
中控服务器;
与中控服务器连接的隧洞异常检测装置,用于从中控服务器获取红外温度图像数据、隧洞内部温度数据和隧洞气体温湿度数据,将红外温度图像数据、隧洞内部温度数据和隧洞气体温湿度数据作为边界条件赋值至数值仿真模型的对应节点;对经过赋值的数值仿真模型进行仿真分析,得到隧洞温度场;根据隧洞力学性能数据和隧洞温度场确定隧洞温度荷载,根据隧洞温度荷载与混凝土强度数据的比较结果输出隧洞裂缝预警数据;
与中控服务器连接的无人机巡检装置,用于采集红外温度图像数据,上传红外温度图像数据至中控服务器;
与中控服务器连接的隧洞内部温度检测装置,用于采集隧洞内部温度数据和隧洞气体温湿度数据,上传隧洞内部温度数据和隧洞气体温湿度数据至中控服务器。
本发明实施例的隧洞异常检测方法、装置及***先将红外温度图像数据、隧洞内部温度数据和隧洞气体温湿度数据作为边界条件赋值至数值仿真模型的对应节点,再对经过赋值的数值仿真模型进行仿真分析,得到隧洞温度场,最后根据隧洞力学性能数据和隧洞温度场确定隧洞温度荷载以与混凝土强度数据进行比较输出隧洞裂缝预警数据,可以对全隧洞衬砌的真实温度场进行自动化分析以有效预警温度裂缝,为高寒高海拔地区的深埋长隧道的长期安全与稳定服役提供支持。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例中隧洞异常检测方法的流程图;
图2是本发明实施例中输出隧洞异常修复策略的流程图;
图3是本发明实施例中进行边界检测的流程图;
图4是本发明实施例中的温度检测示意图;
图5是本发明第一实施例中温度场的示意图;
图6是本发明第二实施例中温度场的示意图;
图7是本发明第三实施例中温度场的示意图;
图8是本发明实施例中隧洞异常区域的检测示意图;
图9是本发明实施例中隧洞异常检测装置的结构框图;
图10是本发明另一实施例中隧洞异常检测装置的结构框图;
图11是本发明实施例中计算机设备的结构框图;
图12是本发明实施例中隧洞异常检测***的结构框图;
图13是本发明实施例中无人机巡检装置的结构框图;
图14是本发明实施例中无人机巡检装置的示意图;
图15是本发明实施例中隧洞内部温度检测装置的结构框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本领域技术人员知道,本发明的实施方式可以实现为一种***、装置、设备、方法或计算机程序产品。因此,本公开可以具体实现为以下形式,即:完全的硬件、完全的软件(包括固件、驻留软件、微代码等),或者硬件和软件结合的形式。
鉴于现有技术无法在隧洞围岩温变和外部气温骤变情况下及时检测与预警,亦无法实现对大体积围岩衬砌温度梯度的预测预警,本发明实施例提供一种隧洞异常检测方法,可以对全隧洞衬砌的真实温度场进行自动化分析以有效预警温度裂缝,为高寒高海拔地区的深埋长隧道的长期安全与稳定服役提供支持。以下结合附图对本发明进行详细说明。
图1是本发明实施例中隧洞异常检测方法的流程图。如图1所示,隧洞异常检测方法包括:
S101:获取红外温度图像数据、隧洞内部温度数据和隧洞气体温湿度数据,将红外温度图像数据、隧洞内部温度数据和隧洞气体温湿度数据作为边界条件赋值至数值仿真模型的对应节点。
在执行S101之前,还包括:调用中控服务器中预先存储的工程数据构建数值仿真模型。其中,工程数据包括隧道几何结构数据、隧道衬砌混凝土材料热学性能数据、围岩热学性能数据和检测区域数据等;隧道衬砌混凝土材料热学性能数据包括线胀系数、导热系数、导温系数、表面散热系数和水化放热系数等。
图4是本发明实施例中的温度检测示意图。如图4所示,执行S101时,可以通过坐标体系匹配的方法将红外温度图像数据(表面温度)、隧洞内部温度数据(包括围岩温度数据和衬砌混凝土内部温度数据)和隧洞气体温湿度数据作为边界条件赋值至数值仿真模型的对应节点。
S102:对经过赋值的数值仿真模型进行仿真分析,得到隧洞温度场。
具体实施时,可以通过有限元仿真计算软件对经过赋值的数值仿真模型进行高效仿真分析,得到隧洞温度场。隧洞温度场用于预测温度演化规律,可存储于中控服务器的数据库中。现有技术仅通过温度计采集点温度数据,无法获取整个隧洞轴向和径向的整体温度场及变化规律,本发明结合点检测数据和面检测数据得到了全隧洞衬砌混凝土的全断面、全尺寸的温度分布规律,为温度荷载、温度裂缝以及温度异常的识别、判别和量化提供了解决方案。
S103:根据隧洞力学性能数据和隧洞温度场确定隧洞温度荷载,根据隧洞温度荷载与混凝土强度数据的比较结果输出隧洞裂缝预警数据。
其中,隧洞力学性能数据包括混凝土力学性能数据和围岩力学性能数据。混凝土力学性能数据包括混凝土强度数据、弹性模型数据和泊松比等。围岩力学性能数据包括蠕变特性数据、围岩强度数据和围岩渗透性数据等。
执行S103时,可以考虑混凝土重力、围压等外部荷载,将隧洞力学性能数据和隧洞温度场输入有限元仿真程序实现应力场快速分析,进而通过应力场构建隧洞温度荷载。温度荷载(温度应力)无法被直接测量,现有的温度测量技术无法实现对温度荷载的分析,因而无法实现对温度裂缝的预测和预警,本发明基于温度场实现了对温度荷载的快速分析,进而可以对已有、潜在的各类温度裂缝进行分析、预测和预警。
当无人机巡检装置首次巡检重点区域(如顶拱、边墙等)时,可以分析出隧洞温度荷载。图5是本发明第一实施例中温度场的示意图。图6是本发明第二实施例中温度场的示意图。图7是本发明第三实施例中温度场的示意图。如图5-图7所示,如果隧洞温度荷载接近或者超过衬砌混凝土材料强度数据,即说明该区域可能存在温度裂缝,可通过中控服务器输出隧洞裂缝预警数据至无人巡检平台,以使无人巡检平台根据隧洞裂缝预警数据调整飞行路线,对该区域进行复检;或者通过中控服务器输出隧洞裂缝预警数据至外部的终端设备,以使终端设备根据隧洞裂缝预警数据指定人员进行检测。
图1所示的隧洞异常检测方法的执行主体可以为隧洞异常检测装置。由图1所示的流程可知,本发明实施例的隧洞异常检测方法先将红外温度图像数据、隧洞内部温度数据和隧洞气体温湿度数据作为边界条件赋值至数值仿真模型的对应节点,再对经过赋值的数值仿真模型进行仿真分析,得到隧洞温度场,最后根据隧洞力学性能数据和隧洞温度场确定隧洞温度荷载以与混凝土强度数据进行比较输出隧洞裂缝预警数据,可以对全隧洞衬砌的真实温度场进行自动化分析以有效预警温度裂缝,为高寒高海拔地区的深埋长隧道的长期安全与稳定服役提供支持。
一实施例中,还包括:根据隧洞温度荷载确定时空温度梯度;根据时空温度梯度与时空温度梯度阈值的比较结果输出隧洞防护数据。
本发明可以根据隧洞温度荷载反算隧道衬砌混凝土开裂所需要时空温度梯度。对于深埋长隧洞而言,地温通常保持稳定,基岩温度通常变幅较小,因此可以进一步推算出隧道衬砌可能开裂的表面阈值温度(时空温度梯度阈值),将重点区域(如顶拱、边墙等)的表面阈值温度作为预警指标。当无人机巡检装置巡检至历史已检测过的区域时,可通过预警模块将时空温度梯度与预先分析得到的时空温度梯度阈值进行比对,如果接近或达到此阈值则会进行预警,如未达到则按正常流程继续检测分析以达到提高检测效率的目的。
具体实施时,隧洞防护数据为通过预测预警模块判别得到的防护等级,一级为简单覆盖保护(加盖保温被)、二级为永久保护(喷涂聚氨酯)、三级为隧洞临时性封闭(通过外部控温设备提供防护),对上述区域坐标进行标记并传入中控服务器以调度无人机巡检装置定期重点复检。
图2是本发明实施例中输出隧洞异常修复策略的流程图。如图2所示,隧洞异常检测方法还包括:
S201:根据无人机飞行参数截取红外温度图像数据,得到目标红外温度图像数据。
具体实施时,可以基无人机飞行参数判别、选取飞行状态稳定检测时间的红外热成像视频,截取红外温度图像数据作为目标红外温度图像数据,以解决图像数据处理效率低下的问题。
S202:根据目标红外温度图像数据、无人机与隧洞断面的距离和红外摄像机状态数据确定被检测区域图像。
在执行S202之前,还包括:
根据云台状态参数和无人机飞行参数生成无人机坐标数据;根据无人机坐标数据和隧洞断面结构确定无人机与隧洞断面的距离。
S203:对被检测区域图像进行边界检测得到隧洞异常区域(包括温度异常区域和温度裂缝区域),分析隧洞异常区域输出隧洞异常修复策略。
图8是本发明实施例中隧洞异常区域的检测示意图。如图8所示,可以通过预测预警模块分析隧洞异常区域,输出复检信息(依据复检信息指导无人机巡检装置进行复检)、精细检测(依据温度裂缝的几何形貌、状态、发展趋势布设引伸计和应变计)与隧洞异常修复策略(化学灌浆)。如不存在温度裂缝,则存储、上传该区域的温度状态信息(包括坐标位置、时间和温度)至中控服务器,为温度场仿真分析模块提供真实边界。
图3是本发明实施例中进行边界检测的流程图。如图3所示,对被检测区域图像进行边界检测得到隧洞异常区域包括:
S301:对被检测区域图像进行模糊边界检测得到特征区域。
具体实施时,先通过高斯模糊算法对被检测区域图像进行去噪,然后对去噪后的被检测区域图像进行模糊边界检测得到特征区域,识别、标记特征区域的轮廓、长度和面积。通常特征区域为温度裂缝或温度异常区域。
S302:对特征区域进行分割,采用边界检测算法对分割后的特征区域进行辨识,得到隧洞异常区域。
具体实施时,可以依据特征区域的几何特性对特征区域进行分割,以快速获取多个异常区域(分割后的特征区域),同时采用并行分析提升检测速度。大断面隧道的异常区域面积相较于检测区域占比较小,如果采用整体分析将极大提高计算成本和效率,无法满足快速检测要求。本发明采用大律法和全局自适应阈值方法先对分割后的特征区域进行二化值预处理,然后采用边界检测算法进行温度裂缝与温度异常区域的辨识,计算检测区域的长度、面积、轮廓和分形维数以实现温度裂缝的判别,最后将隧洞异常区域或温度裂缝判别结果上传至中控服务器的数据库。采用边界检测算法在边界处可依据单像素进行判断,进而判别特征区域的复杂度(包括异常区域数量、分布密度和分形特征等),适用于细微的温度裂缝检测与辨识,这是现有方法所不具备的。本发明基于无人机飞行参数从红外温度图像数据快速选定稳定的检测图像,并依据模糊边界检测算法快筛分割异常区域图像,采用精细化的边界检测算法并行处理多个异常区域数据,实现了高效、快速检测的目的。
基于同一发明构思,本发明实施例还提供了一种隧洞异常检测装置,由于该方法解决问题的原理与隧洞异常检测方法相似,因此该装置的实施可以参见方法的实施,重复之处不再赘述。
图9是本发明实施例中隧洞异常检测装置的结构框图。图10是本发明另一实施例中隧洞异常检测装置的结构框图。如图9-图10所示,隧洞异常检测装置包括:
赋值模块,用于获取红外温度图像数据、隧洞内部温度数据和隧洞气体温湿度数据,将红外温度图像数据、隧洞内部温度数据和隧洞气体温湿度数据作为边界条件赋值至数值仿真模型的对应节点;
仿真分析模块,用于对经过赋值的数值仿真模型进行仿真分析,得到隧洞温度场;
预警模块,用于根据隧洞力学性能数据和隧洞温度场确定隧洞温度荷载,根据隧洞温度荷载与混凝土强度数据的比较结果输出隧洞裂缝预警数据。
在其中一种实施例中,还包括:
温度梯度模块,用于根据隧洞温度荷载确定时空温度梯度;
防护数据模块,用于根据时空温度梯度与时空温度梯度阈值的比较结果输出隧洞防护数据。
在其中一种实施例中,还包括:
目标温度数据模块,用于根据无人机飞行参数确定截取红外温度图像数据,得到目标红外温度图像数据;
被检测区域模块,用于根据目标红外温度图像数据、无人机与隧洞断面的距离和红外摄像机状态数据确定被检测区域图像;
修复策略模块,用于对被检测区域图像进行边界检测得到隧洞异常区域,分析隧洞异常区域输出隧洞异常修复策略。
在其中一种实施例中,修复策略模块包括:
特征区域单元,用于对被检测区域图像进行模糊边界检测得到特征区域;
隧洞异常区域单元,用于对特征区域进行分割,采用边界检测算法对分割后的特征区域进行辨识,得到所述隧洞异常区域。
在其中一种实施例中,还包括:
坐标数据模块,用于根据云台状态参数和无人机飞行参数生成无人机坐标数据;
距离模块,用于根据无人机坐标数据和隧洞断面结构确定无人机与隧洞断面的距离。
如图10所示,在实际应用中,隧洞异常检测装置包括视频图像分析模块、温度场仿真分析模块、温度荷载计算模块和预测预警模块。
视频图像分析模块包括目标温度数据模块、被检测区域模块、修复策略模块、坐标数据模块和距离模块,用于基于无人机巡检装置的红外温度图像数据分析检测区域温度数据,识别温度裂缝或温度异常区域,并基于分析算法开展量化评估,从中控服务器的数据库中调用数据开展分析,调用数据包括无人机坐标数据(x,y,z)和红外摄像机状态数据 (包括距离、分辨率和角度等);视频图像分析模块对被检测区域进行标定分割,对重合区域进行接续扫描,通过图像处理边界检测算法识别温度断口、温度裂缝和内部温度异常区域,计算异常区域的长度、面积、轮廓和分形维数后与特征裂缝参照比对,记录异常位置和温度数据。
具体实施时,视频图像分析模块可以基无人机飞行参数判别、选取飞行状态稳定检测时间的红外热成像视频,截取红外温度图像数据作为目标红外温度图像数据以解决图像数据处理效率低下的问题。进一步,视频图像分析模块通过高斯模糊算法对被检测区域图像进行去噪,然后对去噪后的被检测区域图像进行模糊边界检测得到特征区域,识别、标记特征区域的轮廓、长度和面积。通常特征区域为温度裂缝或温度异常区域。可以依据特征区域的几何特性对特征区域进行分割,以快速获取多个异常区域(分割后的特征区域),同时采用并行分析提升检测速度。大断面隧道的异常区域面积相较于检测区域占比较小,如果采用整体分析将极大提高计算成本和效率,无法满足快速检测要求。视频图像分析模块采用大律法和全局自适应阈值方法先对分割后的特征区域进行二化值预处理,然后采用边界检测算法进行温度裂缝与温度异常区域的辨识,最后将隧洞异常区域或温度裂缝判别结果上传至中控服务器的数据库。采用边界检测算法在边界处可依据单像素进行判断,进而判别特征区域的复杂度(包括异常区域数量、分布密度和分形特征等),适用于细微的温度裂缝检测与辨识,这是现有方法所不具备的。本发明通过视频图像分析模块,基于无人机飞行参数从红外温度图像数据快速选定稳定的检测图像,并依据模糊边界检测算法快筛分割异常区域图像,采用精细化的边界检测算法并行处理多个异常区域数据,实现了高效、快速检测的目的。
温度场仿真分析模块包括赋值模块、仿真分析模块和预警模块,用于调用中控服务器中预先存储的工程数据构建数值仿真模型。其中,工程数据包括隧道几何结构数据、隧道衬砌混凝土材料热学性能数据、围岩热学性能数据和检测区域数据等;隧道衬砌混凝土材料热学性能数据包括线胀系数、导热系数、导温系数、表面散热系数和水化放热系数等。温度场仿真分析模块还通过坐标体系匹配的方法将红外温度图像数据(表面温度)、隧洞内部温度数据(包括围岩温度数据和衬砌混凝土内部温度数据)和隧洞气体温湿度数据作为边界条件赋值至数值仿真模型的对应节点,通过有限元仿真计算软件对经过赋值的数值仿真模型进行高效仿真分析,得到隧洞温度场。隧洞温度场用于预测温度演化规律,可存储于中控服务器的数据库中。现有技术仅通过温度计采集点温度数据,无法获取整个隧洞轴向和径向的整体温度场及变化规律,本发明的温度场仿真分析模块结合点检测数据和面检测数据得到了全隧洞衬砌混凝土的全断面、全尺寸的温度分布规律,为温度荷载、温度裂缝以及温度异常的识别、判别和量化提供了解决方案。
温度荷载计算模块包括温度梯度模块,用于考虑混凝土重力、围压等外部荷载,将隧洞力学性能数据和隧洞温度场输入有限元仿真程序实现应力场快速分析,进而通过应力场构建隧洞温度荷载。温度荷载(温度应力)无法被直接测量,现有的温度测量技术无法实现对温度荷载的分析,因而无法实现对温度裂缝的预测和预警,本发明基于温度场实现了对温度荷载的快速分析,进而可以对已有或潜在的各类温度裂缝进行分析、预测和预警。
同时,温度荷载计算模块可以根据隧洞温度荷载反算隧道衬砌混凝土开裂所需要时空温度梯度。对于深埋长隧洞而言,地温通常保持稳定,基岩温度通常变幅较小,因此可以进一步推算出隧道衬砌可能开裂的表面阈值温度(时空温度梯度阈值),将重点区域(如顶拱、边墙等)的表面阈值温度作为预警指标。当无人机巡检装置巡检至历史已检测过的区域时,可通过预警模块将时空温度梯度与预先分析得到的时空温度梯度阈值进行比对,如果接近或达到此阈值则会进行预警,如未达到则按正常流程继续检测分析以达到提高检测效率的目的。
预测预警模块包括预警模块、防护数据模块和修复策略模块,用于将重点区域(如顶拱、边墙等)的表面阈值温度作为预警指标,当无人机巡检装置首次巡检重点区域时,预测预警模块可以分析出隧洞温度荷载。如果隧洞温度荷载接近或者超过衬砌混凝土材料强度数据,即说明该区域可能存在温度裂缝,可通过中控服务器输出隧洞裂缝预警数据至无人巡检平台,以使无人巡检平台根据隧洞裂缝预警数据调整飞行路线,对该区域进行复检;或者通过中控服务器输出隧洞裂缝预警数据至外部的终端设备,以使终端设备根据隧洞裂缝预警数据指定人员进行检测。
当无人机巡检装置巡检至历史已检测过的区域时,预测预警模块可将时空温度梯度与预先分析得到的时空温度梯度阈值进行比对,如果接近或达到此阈值则会进行预警,如未达到则按正常流程继续检测分析以达到提高检测效率的目的。
对于被视频图像分析模块直接检测出的温度裂缝或温度异常区域,预测预警模块还会输出复检信息、精细检测与隧洞异常修复策略。
对于被温度场仿真分析模块和温度荷载计算模块检测到的潜在裂缝或温度异常区域,预测预警模块会基于时空温度梯度阈值判别防护等级,一级为简单覆盖保护(加盖保温被)、二级为永久保护(喷涂聚氨酯)、三级为隧洞临时性封闭(通过外部控温设备提供防护),对上述区域坐标进行标记并传入中控服务器以调度无人机巡检装置定期重点复检。
综上,本发明实施例的隧洞异常检测置先将红外温度图像数据、隧洞内部温度数据和隧洞气体温湿度数据作为边界条件赋值至数值仿真模型的对应节点,再对经过赋值的数值仿真模型进行仿真分析,得到隧洞温度场,最后根据隧洞力学性能数据和隧洞温度场确定隧洞温度荷载以与混凝土强度数据进行比较输出隧洞裂缝预警数据,可以对全隧洞衬砌的真实温度场进行自动化分析以有效预警温度裂缝,为高寒高海拔地区的深埋长隧道的长期安全与稳定服役提供支持。
本发明实施例还提供能够实现上述实施例中的隧洞异常检测方法中全部步骤的一种计算机设备的具体实施方式。图11是本发明实施例中计算机设备的结构框图,参见图11,所述计算机设备具体包括如下内容:
处理器(processor)1101和存储器(memory)1102。
所述处理器1101用于调用所述存储器1102中的计算机程序,所述处理器执行所述计算机程序时实现上述实施例中的隧洞异常检测方法中的全部步骤,例如,所述处理器执行所述计算机程序时实现下述步骤:
获取红外温度图像数据、隧洞内部温度数据和隧洞气体温湿度数据,将红外温度图像数据、隧洞内部温度数据和隧洞气体温湿度数据作为边界条件赋值至数值仿真模型的对应节点;
对经过赋值的数值仿真模型进行仿真分析,得到隧洞温度场;
根据隧洞力学性能数据和隧洞温度场确定隧洞温度荷载,根据隧洞温度荷载与混凝土强度数据的比较结果输出隧洞裂缝预警数据。
综上,本发明实施例的计算机设备先将红外温度图像数据、隧洞内部温度数据和隧洞气体温湿度数据作为边界条件赋值至数值仿真模型的对应节点,再对经过赋值的数值仿真模型进行仿真分析,得到隧洞温度场,最后根据隧洞力学性能数据和隧洞温度场确定隧洞温度荷载以与混凝土强度数据进行比较输出隧洞裂缝预警数据,可以对全隧洞衬砌的真实温度场进行自动化分析以有效预警温度裂缝,为高寒高海拔地区的深埋长隧道的长期安全与稳定服役提供支持。
本发明实施例还提供能够实现上述实施例中的隧洞异常检测方法中全部步骤的一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述实施例中的隧洞异常检测方法的全部步骤,例如,所述处理器执行所述计算机程序时实现下述步骤:
获取红外温度图像数据、隧洞内部温度数据和隧洞气体温湿度数据,将红外温度图像数据、隧洞内部温度数据和隧洞气体温湿度数据作为边界条件赋值至数值仿真模型的对应节点;
对经过赋值的数值仿真模型进行仿真分析,得到隧洞温度场;
根据隧洞力学性能数据和隧洞温度场确定隧洞温度荷载,根据隧洞温度荷载与混凝土强度数据的比较结果输出隧洞裂缝预警数据。
综上,本发明实施例的计算机可读存储介质先将红外温度图像数据、隧洞内部温度数据和隧洞气体温湿度数据作为边界条件赋值至数值仿真模型的对应节点,再对经过赋值的数值仿真模型进行仿真分析,得到隧洞温度场,最后根据隧洞力学性能数据和隧洞温度场确定隧洞温度荷载以与混凝土强度数据进行比较输出隧洞裂缝预警数据,可以对全隧洞衬砌的真实温度场进行自动化分析以有效预警温度裂缝,为高寒高海拔地区的深埋长隧道的长期安全与稳定服役提供支持。
基于同一发明构思,本发明实施例还提供了一种隧洞异常检测***,由于该方法解决问题的原理与隧洞异常检测方法相似,因此该***的实施可以参见方法的实施,重复之处不再赘述。
检测隧道衬砌混凝土温度裂缝需要获取隧洞围岩温度、混凝土内部温度和混凝土表面温度。现有技术通过埋设温度计对围岩温度和混凝土内部温度进行检测,而衬砌表面混凝土最容易受到外部环境变化影响产生浅表裂缝,浅层裂缝在服役过程中受到水流冲击或者冷热循环后会进一步开裂造成严重危害,因此仅埋设温度计无法有效捕捉、反馈区域面积的混凝土温度变化及其温度梯度。
本发明实施例提供一种隧洞异常检测***,可以通过无人机巡检装置规划最优巡检路线并高效获取全隧洞衬砌混凝土表面温度,通过隧洞内部温度检测装置现场精准采集温度数据,为实时量化分析隧洞混凝土真实温度场提供数据支撑,在复杂施工环境中实现对全隧洞衬砌混凝土温度裂缝的非接触式、高效、可视和无人化的巡检,对全隧洞衬砌的真实温度场进行自动化分析以有效预警温度裂缝,为高寒高海拔地区的深埋长隧道的长期安全与稳定服役提供支持。
图12是本发明实施例中隧洞异常检测***的结构框图。如图12所示,隧洞异常检测***包括:
中控服务器;
与中控服务器连接的隧洞异常检测装置,用于从中控服务器获取红外温度图像数据、隧洞内部温度数据和隧洞气体温湿度数据,将红外温度图像数据、隧洞内部温度数据和隧洞气体温湿度数据作为边界条件赋值至数值仿真模型的对应节点;对经过赋值的数值仿真模型进行仿真分析,得到隧洞温度场;根据隧洞力学性能数据和隧洞温度场确定隧洞温度荷载,根据隧洞温度荷载与混凝土强度数据的比较结果输出隧洞裂缝预警数据;
与中控服务器连接的无人机巡检装置,用于采集红外温度图像数据,上传红外温度图像数据至中控服务器;
与中控服务器连接的隧洞内部温度检测装置,用于采集隧洞内部温度数据和隧洞气体温湿度数据,上传隧洞内部温度数据和隧洞气体温湿度数据至中控服务器。
图13是本发明实施例中无人机巡检装置的结构框图。如图13所示,无人机巡检装置包括:
与中控服务器连接的控制终端,用于上传红外温度图像数据至中控服务器,根据来自中控服务器的历史控制数据生成飞控参数。其中,历史控制数据包括隧洞断面结构、检测区域、红外摄像机成像性能、云台性态、检测进度、无人机载荷和施工要素等。
与控制终端连接的红外摄像机,用于采集红外温度图像数据,上传红外温度图像数据至控制终端。
红外摄像机是砌混凝土表面温度检测的核心装置,可以基于被测物体自身辐射、环境反射辐射、大气辐射、探测区域面积、环境温度、表面吸收率和测量间距等数据对比解算被测物体温度并反馈至控制终端。
搭载红外摄像机且与控制终端连接的无人机,用于基于位置参数和来自控制终端的飞控参数飞行,为红外摄像机提供高效便捷的移动服务。
具体实施时,无人机接受来自控制终端的飞控参数,并通过无线数据传输装置与定位辅助装置交换数据准确定位,为红外摄像机提供稳定的数据采集状态;同时无人机将自身的飞行数据与位置参数传回控制终端,以便控制终端基于实际飞行状态进行反馈控制。无人机本身具备智能避障、断点作业和协同作业等功能,在控制终端的协同控制下具有多机联控同步高效检测的功能。
多个设置于隧洞表面且与无人机通信连接的定位辅助装置,用于发送位置参数至无人机。
其中,定位辅助装置可以采用RTK(Real-time kinematic,实时动态测量)装置和UWB (Ultra Wide Band,超宽带)装置。施工隧道通常洞径较长,定位辅助装置可基于隧道结构及信号传输特征布设于隧道中,在施工隧洞等无GPS信号区域可以为无人机提供定位服务,通过无线传输协议将位置参数传输给无人机,可以确保无人机工作运行过程中实时校正、调整飞行状态及位置以准确执行检测任务,保证测量的连续性、精确性和高效性。
一实施例中,无人机巡检装置还包括:
分别与红外摄像机和控制终端连接的无线数据传输装置,用于将来自红外摄像机的红外温度图像数据发送至控制终端。
无线数据传输装置由便携式微功耗路由器组成,通过数据线与红外摄像机连接,可以为数据传输提供高速率的数据中继通道,实现数据的稳定高效传输。且无线数据传输装置可基于需求灵活布设,通常大型隧道设计以直线贯通为主,因此无线传输装置的布设数量要求较低。
一实施例中,隧洞异常检测装置还用于:通过中控服务器将隧洞裂缝预警数据发送至控制终端;
控制终端还用于:根据隧洞裂缝预警数据调整飞控参数。
一实施例中,隧洞异常检测装置还用于:根据隧洞温度荷载确定时空温度梯度;根据时空温度梯度与时空温度梯度阈值的比较结果输出隧洞防护数据;通过中控服务器将隧洞防护数据发送至控制终端;
控制终端还用于:根据隧洞防护数据调整飞控参数。
一实施例中,无人机还用于通过控制终端上传无人机飞行参数至中控服务器;
红外摄像机还用于通过无线数据传输装置和控制终端上传红外摄像机状态数据至中控服务器;
隧洞异常检测装置还用于:从中控服务器获取无人机飞行参数和红外摄像机状态数据,根据无人机飞行参数截取红外温度图像数据,得到目标红外温度图像数据;根据目标红外温度图像数据、无人机与隧洞断面的距离和红外摄像机状态数据确定被检测区域图像;对被检测区域图像进行边界检测得到隧洞异常区域;分析隧洞异常区域,输出隧洞异常修复策略。
综上,本发明实施例的控制终端用于规划无人机路径、控制飞行无人机和对红外温度图像数据进行传输和存储:基于中控服务器提供的历史控制数据规划无人机飞行路线,并将飞控参数传送给无人机,由无人机执行飞行任务;通过无线传输装置接收红外摄像机状态数据和红外温度图像数据,并将红外摄像机状态数据和红外温度图像数据传输至中控服务器数据库中,为隧洞异常检测装置提供数据支持。因此,本发明的控制终端具备两大功能:其一,依据隧洞断面结构、检测区域、红外摄像机成像性能、云台性态、检测进度、无人机载荷和施工要素等综合解算无人机巡检装置的路径规划,以达到检测的最高效能;其二,存储实时传输的红外摄像机状态数据和红外温度图像数据,为隧洞异常检测装置提供基础性数据。
图14是本发明实施例中无人机巡检装置的示意图。如图14所示,无人机巡检装置还包括:
与无人机连接的云台4,用于搭载红外摄像机2和无线数据传输装置3,并根据来自无人机1的飞控数据调整红外摄像机的工作视角。
一实施例中,云台还与无线数据传输装置连接,用于通过无线数据传输装置和控制终端上传云台状态参数至中控服务器;
隧洞异常检测装置还用于:从中控服务器获取隧洞断面结构和云台状态参数,根据云台状态参数和无人机飞行参数生成无人机坐标数据;根据无人机坐标数据和隧洞断面结构确定无人机与隧洞断面的距离。
其中,云台固定于无人机下方,红外摄像机固定于云台下方,可以为红外摄像机提供灵活、稳定的工作视角,确保红外摄像机在飞行过程中的准确测量。
具体实施时,无人机巡检装置收到控制终端(服务器)的指令后依据规划路径实施衬砌混凝土表面温度的检测、采集工作。无人机巡检装置到达指定工作区域后首先悬停并存储传输位置参数(无人机坐标数据(x,y,z)),并通过控制终端的自主程序调整云台角度,使红外摄像机对目标区域进行环扫,在此过程中云台角度、红外摄像机状态数据和红外温度图像数据由无人机***搭载的无线传输模块上传至中控服务器。
特别的,无人机巡检装置在运行过程中可实现自动避障和更换电池后的断点重启,如有特别需要可多机联控协同检测以提高检测效率,在完成当前区域的环扫检测分析后向下一区域移动,直到完成全部检测区域的检测任务。
图15是本发明实施例中隧洞内部温度检测装置的结构框图。如图15所示,隧洞内部温度检测装置包括:
多个设置于隧洞内部且与中控服务器通信连接的温度传感器,用于采集隧洞内部温度数据,上传隧洞内部温度数据至中控服务器。
其中,温度传感器可以为数字温度计、振弦式温度计或光纤温度计。具体实施时,一部分温度传感器在衬砌混凝土施工过程中依据设计位置被埋入基岩中以测量围岩内部温度,另一部分温度传感器在衬砌混凝土施工过程中依据设计位置被埋入混凝土中以测量衬砌混凝土内部温度。
设置于隧洞表面且与中控服务器通信连接的气象站,用于采集隧洞气体温湿度数据,上传隧洞气体温湿度数据至中控服务器。
一实施例中,隧洞内部温度检测装置还包括:
一端与多个温度传感器连接,另一端与中控服务器通信连接的数据采集装置,用于按照预设的频率接收隧洞内部温度数据,上传隧洞内部温度数据至中控服务器。
其中,数据采集装置可以采用DT系列的数据采集仪,可以依据工程需要设计采集、存储频率,上传隧洞内部温度数据至中控服务器,以使隧洞内部温度数据与无人机巡检装置获取的表面温度数据共同构建隧洞温度场,进而实现温度荷载的分析和温度裂缝的预测预警工作。
一实施例中,隧洞内部温度检测装置还包括:
一端与数据采集装置和气象站连接,另一端与中控服务器通信连接的通信串口,数据采集装置通过通信串口上传隧洞内部温度数据至中控服务器,气象站通过通信串口上传隧洞气体温湿度数据至中控服务器。
综上,本发明实施例的隧洞异常检测***的具体流程如下:
1、控制终端根据来自所述中控服务器的历史控制数据生成飞控参数,发送飞控参数至无人机,定位辅助装置发送位置参数至无人机。
2、无人机基于位置参数和飞控参数飞行,通过控制终端上传无人机飞行参数至中控服务器。
3、云台根据来自无人机的飞控数据调整红外摄像机的工作视角,通过无线数据传输装置和控制终端上传云台状态参数至中控服务器。
4、红外摄像机采集红外温度图像数据,通过无线数据传输装置和控制终端上传红外温度图像数据和红外摄像机状态数据至中控服务器。
5、温度传感器采集隧洞内部温度数据,通过数据采集装置和通信串口上传隧洞内部温度数据至中控服务器。
6、气象站采集隧洞气体温湿度数据,通过通信串口上传隧洞气体温湿度数据至中控服务器。
7、隧洞异常检测装置从中控服务器获取红外温度图像数据、隧洞内部温度数据和隧洞气体温湿度数据,将红外温度图像数据、隧洞内部温度数据和隧洞气体温湿度数据作为边界条件赋值至数值仿真模型的对应节点。
8、隧洞异常检测装置对经过赋值的数值仿真模型进行仿真分析,得到隧洞温度场;根据隧洞力学性能数据和隧洞温度场确定隧洞温度荷载,根据隧洞温度荷载与混凝土强度数据的比较结果输出隧洞裂缝预警数据。
9、隧洞异常检测装置通过中控服务器将隧洞裂缝预警数据发送至控制终端,控制终端根据来自中控服务器的隧洞裂缝预警数据调整飞控参数。
10、隧洞异常检测装置根据隧洞温度荷载确定时空温度梯度;根据时空温度梯度与时空温度梯度阈值的比较结果输出隧洞防护数据。
11、隧洞异常检测装置通过中控服务器将隧洞防护数据发送至控制终端,控制终端根据来自中控服务器的隧洞防护数据调整飞控参数。
12、隧洞异常检测装置从中控服务器获取无人机飞行参数,根据无人机飞行参数截取红外温度图像数据,得到目标红外温度图像数据。
13、隧洞异常检测装置从中控服务器获取隧洞断面结构和云台状态参数,根据云台状态参数和无人机飞行参数生成无人机坐标数据。
14、隧洞异常检测装置根据无人机坐标数据和隧洞断面结构确定无人机与隧洞断面的距离。
15、隧洞异常检测装置从中控服务器获取红外摄像机状态数据,根据目标红外温度图像数据、无人机与隧洞断面的距离和红外摄像机状态数据确定被检测区域图像。
16、隧洞异常检测装置对被检测区域图像进行模糊边界检测得到特征区域,对特征区域进行分割,采用边界检测算法对分割后的特征区域进行辨识,得到隧洞异常区域。
17、隧洞异常检测装置分析隧洞异常区域,输出隧洞异常修复策略。
综上所述,本发明实施例提供的隧洞异常检测***具有以下有益效果:
1、非接触式大区域温度检测:非接触式红外摄像机依据红外视场采集区域温度信息,比传统的单点采集更高效,能够有效规避施工要素,实现大尺度长隧道的高效检视。红外摄像机的有效测距为10m-100m,可涵盖当前所有隧洞所有洞径,满足其需求。相比于传统的点温度计,可有效检测到区域温度分布规律,如存在温度裂缝时可依据混凝土断裂处存在的温度断口效应进一步判定裂缝形态、走向及发展趋势。如围岩渗水或温度异变时,异变区域表面温度场会与周围区域产生明显温度梯度,因此可与位于围岩的温度计耦合联动判定围岩内部是否发生渗水或破坏等事故。
2、无人机巡检装置智能规划路线:依据隧洞断面结构、检测区域、红外摄像机成像性能、云台性态、检测进度、无人机载荷和施工要素综合解算无人机巡检装置的最优路径以达到检测的最高效能,确保全尺寸全方位均可测控。例如,对于40m直径,5km长度的隧洞,无人机可依据红外摄像机的工作视场及工作距离自动规划路线,实现动态扫描,依据定位信息与视场信息实现大尺度温度场的扫描、重构,以及温度裂缝与温度异常的定位和分析,这种效率是传统人工检测无法达到的。
3、将红外温度图像数据、隧洞内部温度数据和隧洞气体温湿度数据作为边界条件进行仿真计算,求解温度荷载,通过可视化图像处理和仿真直接掌握温度裂缝的发展动态和潜在的部位,并发出预警,提供防护、修复等策略,相当于构建了隧洞可视化的监控预警***,这是传统温度检测分析与人工巡检无法做到的。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
本领域技术人员还可以了解到本发明实施例列出的各种说明性逻辑块(illustrative logical block),单元,和步骤可以通过电子硬件、电脑软件,或两者的结合进行实现。为清楚展示硬件和软件的可替换性(interchangeability),上述的各种说明性部件(illustrative components),单元和步骤已经通用地描述了它们的功能。这样的功能是通过硬件还是软件来实现取决于特定的应用和整个***的设计要求。本领域技术人员可以对于每种特定的应用,可以使用各种方法实现所述的功能,但这种实现不应被理解为超出本发明实施例保护的范围。
本发明实施例中所描述的各种说明性的逻辑块,或单元,或装置都可以通过通用处理器,数字信号处理器,专用集成电路(ASIC),现场可编程门阵列或其它可编程逻辑装置,离散门或晶体管逻辑,离散硬件部件,或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器,可选地,该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现,例如数字信号处理器和微处理器,多个微处理器,一个或多个微处理器联合一个数字信号处理器核,或任何其它类似的配置来实现。
本发明实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件模块、或者这两者的结合。软件模块可以存储于RAM存储器、闪存、ROM存储器、EPROM 存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地,存储媒介可以与处理器连接,以使得处理器可以从存储媒介中读取信息,并可以向存储媒介存写信息。可选地,存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中,ASIC可以设置于用户终端中。可选地,处理器和存储媒介也可以设置于用户终端中的不同的部件中。
在一个或多个示例性的设计中,本发明实施例所描述的上述功能可以在硬件、软件、固件或这三者的任意组合来实现。如果在软件中实现,这些功能可以存储与电脑可读的媒介上,或以一个或多个指令或代码形式传输于电脑可读的媒介上。电脑可读媒介包括电脑存储媒介和便于使得让电脑程序从一个地方转移到其它地方的通信媒介。存储媒介可以是任何通用或特殊电脑可以接入访问的可用媒体。例如,这样的电脑可读媒体可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或其它磁性存储装置,或其它任何可以用于承载或存储以指令或数据结构和其它可被通用或特殊电脑、或通用或特殊处理器读取形式的程序代码的媒介。此外,任何连接都可以被适当地定义为电脑可读媒介,例如,如果软件是从一个网站站点、服务器或其它远程资源通过一个同轴电缆、光纤电缆、双绞线、数字用户线(DSL)或以例如红外、无线和微波等无线方式传输的也被包含在所定义的电脑可读媒介中。所述的碟片(disk)和磁盘(disc)包括压缩磁盘、镭射盘、光盘、DVD、软盘和蓝光光盘,磁盘通常以磁性复制数据,而碟片通常以激光进行光学复制数据。上述的组合也可以包含在电脑可读媒介中。
Claims (23)
1.一种隧洞异常检测方法,其特征在于,包括:
获取红外温度图像数据、隧洞内部温度数据和隧洞气体温湿度数据,将所述红外温度图像数据、所述隧洞内部温度数据和所述隧洞气体温湿度数据作为边界条件赋值至数值仿真模型的对应节点;
对经过赋值的数值仿真模型进行仿真分析,得到隧洞温度场;
根据隧洞力学性能数据和所述隧洞温度场确定隧洞温度荷载,根据所述隧洞温度荷载与混凝土强度数据的比较结果输出隧洞裂缝预警数据。
2.根据权利要求1所述的隧洞异常检测方法,其特征在于,还包括:
根据所述隧洞温度荷载确定时空温度梯度;
根据所述时空温度梯度与时空温度梯度阈值的比较结果输出隧洞防护数据。
3.根据权利要求1所述的隧洞异常检测方法,其特征在于,还包括:
根据无人机飞行参数截取所述红外温度图像数据,得到目标红外温度图像数据;
根据所述目标红外温度图像数据、无人机与隧洞断面的距离和红外摄像机状态数据确定被检测区域图像;
对所述被检测区域图像进行边界检测得到隧洞异常区域,分析所述隧洞异常区域输出隧洞异常修复策略。
4.根据权利要求3所述的隧洞异常检测方法,其特征在于,对所述被检测区域图像进行边界检测得到隧洞异常区域包括:
对所述被检测区域图像进行模糊边界检测得到特征区域;
对所述特征区域进行分割,采用边界检测算法对分割后的特征区域进行辨识,得到所述隧洞异常区域。
5.根据权利要求3所述的隧洞异常检测方法,其特征在于,还包括:
根据云台状态参数和所述无人机飞行参数生成无人机坐标数据;
根据所述无人机坐标数据和隧洞断面结构确定所述无人机与隧洞断面的距离。
6.一种隧洞异常检测装置,其特征在于,包括:
赋值模块,用于获取红外温度图像数据、隧洞内部温度数据和隧洞气体温湿度数据,将所述红外温度图像数据、所述隧洞内部温度数据和所述隧洞气体温湿度数据作为边界条件赋值至数值仿真模型的对应节点;
仿真分析模块,用于对经过赋值的数值仿真模型进行仿真分析,得到隧洞温度场;
预警模块,用于根据隧洞力学性能数据和所述隧洞温度场确定隧洞温度荷载,根据所述隧洞温度荷载与混凝土强度数据的比较结果输出隧洞裂缝预警数据。
7.根据权利要求6所述的隧洞异常检测装置,其特征在于,还包括:
温度梯度模块,用于根据所述隧洞温度荷载确定时空温度梯度;
防护数据模块,用于根据所述时空温度梯度与时空温度梯度阈值的比较结果输出隧洞防护数据。
8.根据权利要求6所述的隧洞异常检测装置,其特征在于,还包括:
目标温度数据模块,用于根据无人机飞行参数确定截取所述红外温度图像数据,得到目标红外温度图像数据;
被检测区域模块,用于根据所述目标红外温度图像数据、无人机与隧洞断面的距离和红外摄像机状态数据确定被检测区域图像;
修复策略模块,用于对所述被检测区域图像进行边界检测得到隧洞异常区域,分析所述隧洞异常区域输出隧洞异常修复策略。
9.根据权利要求8所述的隧洞异常检测装置,其特征在于,所述修复策略模块包括:
特征区域单元,用于对所述被检测区域图像进行模糊边界检测得到特征区域;
隧洞异常区域单元,用于对所述特征区域进行分割,采用边界检测算法对分割后的特征区域进行辨识,得到所述隧洞异常区域。
10.根据权利要求8所述的隧洞异常检测装置,其特征在于,还包括:
坐标数据模块,用于根据云台状态参数和所述无人机飞行参数生成无人机坐标数据;
距离模块,用于根据所述无人机坐标数据和隧洞断面结构确定所述无人机与隧洞断面的距离。
11.一种计算机设备,包括存储器、处理器及存储在存储器上并在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至5任一项所述的隧洞异常检测方法的步骤。
12.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至5任一项所述的隧洞异常检测方法的步骤。
13.一种隧洞异常检测***,其特征在于,包括:
中控服务器;
与所述中控服务器连接的隧洞异常检测装置,用于从所述中控服务器获取红外温度图像数据、隧洞内部温度数据和隧洞气体温湿度数据,将所述红外温度图像数据、所述隧洞内部温度数据和所述隧洞气体温湿度数据作为边界条件赋值至数值仿真模型的对应节点;对经过赋值的数值仿真模型进行仿真分析,得到隧洞温度场;根据隧洞力学性能数据和所述隧洞温度场确定隧洞温度荷载,根据所述隧洞温度荷载与混凝土强度数据的比较结果输出隧洞裂缝预警数据;
与所述中控服务器连接的无人机巡检装置,用于采集红外温度图像数据,上传所述红外温度图像数据至所述中控服务器;
与所述中控服务器连接的隧洞内部温度检测装置,用于采集隧洞内部温度数据和隧洞气体温湿度数据,上传所述隧洞内部温度数据和所述隧洞气体温湿度数据至所述中控服务器。
14.根据权利要求13所述的隧洞异常检测***,其特征在于,所述无人机巡检装置包括:
与所述中控服务器连接的控制终端,用于上传所述红外温度图像数据至所述中控服务器,根据来自所述中控服务器的历史控制数据生成飞控参数;
与所述控制终端连接的红外摄像机,用于采集所述红外温度图像数据,上传所述红外温度图像数据至所述控制终端;
搭载所述红外摄像机且与所述控制终端连接的无人机,用于基于位置参数和来自所述控制终端的飞控参数飞行;
多个设置于隧洞表面且与所述无人机通信连接的定位辅助装置,用于发送所述位置参数至所述无人机。
15.根据权利要求14所述的隧洞异常检测***,其特征在于,所述无人机巡检装置还包括:
分别与所述红外摄像机和所述控制终端连接的无线数据传输装置,用于将来自所述红外摄像机的所述红外温度图像数据发送至所述控制终端。
16.根据权利要求15所述的隧洞异常检测***,其特征在于,所述无人机巡检装置还包括:
与所述无人机连接的云台,用于搭载所述红外摄像机和所述无线数据传输装置,并根据来自所述无人机的飞控数据调整所述红外摄像机的工作视角。
17.根据权利要求14所述的隧洞异常检测***,其特征在于,所述隧洞异常检测装置还用于:通过所述中控服务器将所述隧洞裂缝预警数据发送至所述控制终端;
所述控制终端还用于:根据所述隧洞裂缝预警数据调整所述飞控参数。
18.根据权利要求14所述的隧洞异常检测***,其特征在于,
所述隧洞异常检测装置还用于:根据所述隧洞温度荷载确定时空温度梯度;根据所述时空温度梯度与时空温度梯度阈值的比较结果输出隧洞防护数据;通过所述中控服务器将所述隧洞防护数据发送至所述控制终端;
所述控制终端还用于:根据所述隧洞防护数据调整所述飞控参数。
19.根据权利要求16所述的隧洞异常检测***,其特征在于,所述无人机还用于通过所述控制终端上传无人机飞行参数至所述中控服务器;
所述红外摄像机还用于通过所述无线数据传输装置和所述控制终端上传红外摄像机状态数据至所述中控服务器;
所述隧洞异常检测装置还用于:从所述中控服务器获取无人机飞行参数和红外摄像机状态数据,根据所述无人机飞行参数截取所述红外温度图像数据,得到目标红外温度图像数据;根据所述目标红外温度图像数据、无人机与隧洞断面的距离和所述红外摄像机状态数据确定被检测区域图像;对所述被检测区域图像进行边界检测得到隧洞异常区域;分析所述隧洞异常区域,输出隧洞异常修复策略。
20.根据权利要求19所述的隧洞异常检测***,其特征在于,所述云台还与所述无线数据传输装置连接,用于通过所述无线数据传输装置和所述控制终端上传云台状态参数至所述中控服务器;
所述隧洞异常检测装置还用于:从所述中控服务器获取隧洞断面结构和所述云台状态参数,根据所述云台状态参数和所述无人机飞行参数生成无人机坐标数据;根据所述无人机坐标数据和所述隧洞断面结构确定所述无人机与隧洞断面的距离。
21.根据权利要求13所述的隧洞异常检测***,其特征在于,所述隧洞内部温度检测装置包括:
多个设置于隧洞内部且与所述中控服务器通信连接的温度传感器,用于采集所述隧洞内部温度数据,上传所述隧洞内部温度数据至所述中控服务器;
设置于隧洞表面且与所述中控服务器通信连接的气象站,用于采集所述隧洞气体温湿度数据,上传所述隧洞气体温湿度数据至所述中控服务器。
22.根据权利要求21所述的隧洞异常检测***,其特征在于,所述隧洞内部温度检测装置还包括:
一端与所述多个温度传感器连接,另一端与所述中控服务器通信连接的数据采集装置,用于按照预设的频率接收所述隧洞内部温度数据,上传所述隧洞内部温度数据至所述中控服务器。
23.根据权利要求22所述的隧洞异常检测***,其特征在于,所述隧洞内部温度检测装置还包括:
一端与所述数据采集装置和所述气象站连接,另一端与所述中控服务器通信连接的通信串口,所述数据采集装置通过所述通信串口上传所述隧洞内部温度数据至所述中控服务器,所述气象站通过所述通信串口上传所述隧洞气体温湿度数据至所述中控服务器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110986839.7A CN113569428A (zh) | 2021-08-26 | 2021-08-26 | 隧洞异常检测方法、装置及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110986839.7A CN113569428A (zh) | 2021-08-26 | 2021-08-26 | 隧洞异常检测方法、装置及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113569428A true CN113569428A (zh) | 2021-10-29 |
Family
ID=78172771
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110986839.7A Pending CN113569428A (zh) | 2021-08-26 | 2021-08-26 | 隧洞异常检测方法、装置及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113569428A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114384073A (zh) * | 2021-11-30 | 2022-04-22 | 杭州申昊科技股份有限公司 | 一种基于地铁隧道裂纹检测方法及*** |
CN115240428A (zh) * | 2022-07-29 | 2022-10-25 | 浙江数智交院科技股份有限公司 | 隧道运营异常的检测方法、装置、电子设备与存储介质 |
CN117392395A (zh) * | 2023-12-07 | 2024-01-12 | 浙江省机电设计研究院有限公司 | 隧道温度分布预测方法、装置、计算机设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001141660A (ja) * | 1999-11-11 | 2001-05-25 | Keisoku Kensa Kk | トンネルの内部壁面のひび割れ検出方法及びその表示方法 |
KR101865770B1 (ko) * | 2017-10-23 | 2018-06-08 | 주식회사 이바다 | 터널 균열 및 누수 탐지 시스템 |
CN111305873A (zh) * | 2020-02-25 | 2020-06-19 | 中铁十九局集团第三工程有限公司 | 隧道裂缝修复***及其修复方法 |
KR102253614B1 (ko) * | 2020-12-04 | 2021-05-17 | 최문학 | 모니터링 데이터를 기반으로 터널의 보수 작업 계획을 수립하는 방법, 장치 및 컴퓨터-판독 가능 기록 매체 |
KR102269192B1 (ko) * | 2020-03-20 | 2021-06-25 | 주식회사 케이아이 | 지하공동구 고장 예방 방법 및 장치 |
CN113065267A (zh) * | 2021-03-25 | 2021-07-02 | 广东粤海珠三角供水有限公司 | 一种隧洞裂缝检测及安全评价*** |
-
2021
- 2021-08-26 CN CN202110986839.7A patent/CN113569428A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001141660A (ja) * | 1999-11-11 | 2001-05-25 | Keisoku Kensa Kk | トンネルの内部壁面のひび割れ検出方法及びその表示方法 |
KR101865770B1 (ko) * | 2017-10-23 | 2018-06-08 | 주식회사 이바다 | 터널 균열 및 누수 탐지 시스템 |
CN111305873A (zh) * | 2020-02-25 | 2020-06-19 | 中铁十九局集团第三工程有限公司 | 隧道裂缝修复***及其修复方法 |
KR102269192B1 (ko) * | 2020-03-20 | 2021-06-25 | 주식회사 케이아이 | 지하공동구 고장 예방 방법 및 장치 |
KR102253614B1 (ko) * | 2020-12-04 | 2021-05-17 | 최문학 | 모니터링 데이터를 기반으로 터널의 보수 작업 계획을 수립하는 방법, 장치 및 컴퓨터-판독 가능 기록 매체 |
CN113065267A (zh) * | 2021-03-25 | 2021-07-02 | 广东粤海珠三角供水有限公司 | 一种隧洞裂缝检测及安全评价*** |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114384073A (zh) * | 2021-11-30 | 2022-04-22 | 杭州申昊科技股份有限公司 | 一种基于地铁隧道裂纹检测方法及*** |
CN115240428A (zh) * | 2022-07-29 | 2022-10-25 | 浙江数智交院科技股份有限公司 | 隧道运营异常的检测方法、装置、电子设备与存储介质 |
CN115240428B (zh) * | 2022-07-29 | 2024-05-14 | 浙江数智交院科技股份有限公司 | 隧道运营异常的检测方法、装置、电子设备与存储介质 |
CN117392395A (zh) * | 2023-12-07 | 2024-01-12 | 浙江省机电设计研究院有限公司 | 隧道温度分布预测方法、装置、计算机设备及存储介质 |
CN117392395B (zh) * | 2023-12-07 | 2024-02-06 | 浙江省机电设计研究院有限公司 | 隧道温度分布预测方法、装置、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113569428A (zh) | 隧洞异常检测方法、装置及*** | |
CN105756711B (zh) | 基于三维激光扫描的隧道施工初支侵限监测分析预警方法 | |
CN108710732B (zh) | 一种盾构刀具服役期磨损的评估和预测方法 | |
CN109760837B (zh) | 一种电缆沟与隧道巡检无人机*** | |
KR102112046B1 (ko) | 시설물 안전진단 및 유지관리 방법 | |
CN114894154B (zh) | 一种盾构施工段稳定性判断方法及设备 | |
CN106224007A (zh) | 隧道施工安全监测预警管理*** | |
CN104678954A (zh) | 基于全生命周期的大坝安全智能监测与预警***及其方法 | |
CN109685704B (zh) | 基于vr的管网巡检*** | |
CN110821560A (zh) | 隧道巡检*** | |
CN102261982A (zh) | 一种隧道渗水的预警方法 | |
Soleymani et al. | Damage detection and monitoring in heritage masonry structures: Systematic review | |
US11796493B2 (en) | System and method for identifying lithology based on images and XRF mineral inversion | |
CN104181548A (zh) | 基于三维激光扫描技术对水土保持状况的监测方法 | |
CN115456206B (zh) | 基于bim+gis的隧道施工可视化管控方法及*** | |
CN116091477A (zh) | 基于深度学习多模态图像融合的建筑外墙缺陷检测方法 | |
Belloni et al. | Tack project: tunnel and bridge automatic crack monitoring using deep learning and photogrammetry | |
KR20220151263A (ko) | 스마트 휴대기기를 활용한 시설물 안전점검 시스템 및 그 방법 | |
CN114004103A (zh) | 可支撑数字孪生综采工作面基础研究的协同运行试验平台 | |
CN115728776A (zh) | 一种煤矿井下移动测量机器人、安全评价方法及*** | |
CN208903300U (zh) | 一种基于bim技术的施工风险自动监测*** | |
CN117994462A (zh) | 数字化矿山地形模型建立方法 | |
KR20150019401A (ko) | 전력구 검사장치 및 그 제어방법 | |
Li et al. | Non-destructive testing research on the surface damage faced by the Shanhaiguan Great Wall based on machine learning | |
CN116128290A (zh) | 城市建成区盾构法施工环境风险智能评估数字孪生*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |