Page 51 - 2025年第56卷第9期
P. 51

水      利       学      报

                2025 年 9 月                          SHUILI    XUEBAO                        第 56 卷  第 9 期

              文章编号：0559-9350（2025）09-1155-11

                             基于无人机图像和深度学习的水工混凝土结构

                                        三维重建和缺陷定量辨识方法


                            李扬涛     1，2，3 ，赵海涛 ，顾冲时 ，魏 洋 ，包腾飞 ，向镇洋                          4
                                                                                  2
                                                             3
                                                  2
                                                                       1
                      （1.  南京林业大学  土木工程学院，江苏  南京  210037；2.  河海大学  土木与交通学院，江苏  南京  210098；
                      3.  河海大学  水灾害防御全国重点实验室，江苏  南京  210098；4.  四川省农村水利中心，四川  成都  610072）
                摘要：水工混凝土结构服役期内易出现裂缝、钙质物析出等缺陷，传统人工巡检手段存在检测效率低、潜在风险
                大、误判率高等劣势，难以在高耸结构区域实施。据此，本文提出一种基于多视图立体视觉和深度学习的水工混
                凝土结构三维重建和缺陷定量辨识方法。以 U-Net3+模型为基础，引入坐标注意力机制模块，提升对微小缺陷区
                域的聚焦能力和复杂背景干扰场景缺陷分割精度；提出基于无人机图像的混凝土结构三维重建方法，构建视觉三
                维重建逆向反演框架，开展逆向工程计算并还原成像过程，将二维图像中的缺陷与三维实景模型相结合，建立基
                于多视图立体视觉的混凝土结构缺陷定位与量化方法。以混凝土梁和某混凝土高坝为例，验证所提方法的三维重
                建精度、缺陷精细辨识和定位量化效果。结果表明，本文提出方法可实现水工混凝土结构缺陷的精确定量辨识和
                空间定位，有效提高检测效率，为缺陷长期追踪监测提供技术支撑。
                关键词：水工混凝土结构；缺陷识别；无人机航拍；机器视觉；人工智能
                中图分类号：TV331                文献标识码：A                doi：10.13243/j.cnki.slxb.20240627


              1 引言


                  受环境侵蚀和动静载荷作用，水工混凝土结构易出现性能退化和结构损伤现象 。裂缝等缺陷通
                                                                                          ［1］
              常始发于水工混凝土结构表面，但易向结构内部延展并削弱结构承载能力，甚至引发工程安全事故。
              目前人工缺陷检测方法采用船、吊篮或望远镜等识别并记录缺陷位置、尺寸和形态信息。然而，人工
              巡检方法存在潜在风险高、依赖专家经验、效率低且误检率高等不足，尤其难以适用于高坝等高耸结
              构检测场景。近些年来，无人机检测平台搭载高分辨率相机逐渐成为水工建筑物巡检新手段 。但由
                                                                                                   ［2］
              于水工混凝土构筑物结构空间跨度大且形式复杂，无人机巡检过程采集的图像信息量庞大，人工缺陷
              信息提取手段效率低，易出现误检或漏检现象。
                  随着人工智能和计算机信息技术发展，深度学习被提出并用于混凝土结构缺陷图像识别诊断。深
                                                                                                       ［4］
              度学习模型通过大量图像数据与标签信息学习，可实现混凝土结构缺陷的像素级分割 。冯春成 针
                                                                                             ［3］
              对水电站溢流坝细小裂缝难以检测的问题，建立了融合混合注意力机制和深度学习的裂缝精细分割模
                           ［5］
              型。孟庆成等 提出了基于轻量级 M-Unet 的裂缝语义分割模型，实现了混凝土结构裂缝的像素级分

                 收稿日期：2024-09-29；网络首发日期：2025-06-11
                 网络首发地址：https：/link.cnki.net/urlid/11.1882.TV.20250611.1448.001
                                /
                 基金项目：西 藏 自 治 区 科 技 计 划 项 目（XZ202501ZY0009）； 国 家 杰 出 青 年 科 学 基 金 项 目（52325803）； 国 家 自 然 科 学 基 金 项 目
                         （52378244）；江苏省自然科学基金项目（BK20231293）；江苏省重点研发计划项目（BE2020703）；国家基金委区域创新
                         联合基金重点项目（U22A20229）
                 作者简介：李扬涛 （1996—），副教授，硕士生导师，主要从事涉水混凝土结构缺陷智能检测研究。E-mail：liyangtao@njfu.edu.cn
                 通信作者：赵 海 涛 （1978—）， 教 授 ， 博 士 生 导 师 ， 主 要 从 事 涉 水 混 凝 土 结 构 收 缩 裂 缝 防 控 和 病 害 整 治 研 究 。 E-mail：
                         zhaoht@hhu.edu.cn
                                                                                               — 1155  —
   46   47   48   49   50   51   52   53   54   55   56