AI鹰眼 让裂缝无所遁形——日本智能化裂缝检测新技术

一座巨大的桥梁会在几秒钟内崩塌……这种令人难以置信的悲惨事故震惊了世界。事实上，像混凝土这样坚固的结构会突然倒塌的原因只有一个：磨损。一般来说，混凝土材料一般在大约40～50年后开始变质。因此，忽视磨损迹象可能会导致更严重的事故，这就是为什么混凝土结构的检查和维修对于保护我们的生活方式至关重要。

裂缝是用于诊断混凝土结构劣化的重要标准之一。通常，具有专业知识的土木工程师会通过目视检查裂缝、勾画检查结果，然后根据他们的发现准备检查数据，并以此来检查相应的结构。像这样的检查方法不仅非常耗时且成本高昂，因为它需要手动记录多达数十万条裂缝，而且也不能准确地表示裂缝的长度和形状。为了解决这个问题，近年来，土木工程行业越来越倾向于使用相机进行基于图像的裂缝检查。虽然图像分辨率的进步可以识别出更细微的裂缝，但也同样导致检测工程师需要花费更多的时间在办公桌上检查图像。

图1 目视检查裂缝的常规方法

正是在这样的背景下，日本高速公路研究所有限公司（NEXCO RI）希望能够开发更先进、更高效的检测技术，而基于图像的基础设施检测服务（Inspection EYE for Infrastructure），提供了非常高水平的检测精度。举例来说，在裂缝的连续性方面，虽然一些AI系统以零碎的方式检测单个裂纹，但相机制造商的AI系统提供的精度水平接近于检测工程师的目视检查，例如将连续裂纹检测为单个裂纹。不仅如此，佳能的人工智能系统还能够检测剥落、风化、钢筋暴露和其他缺陷。

缺陷检测AI系统是日本在基于图像的基础设施检测领域的先进成果，是Tosetsu土木工程咨询公司与佳能共同研究开发的。工程师追踪的缺陷图像作为训练图像数据，经深度学习，AI系统可以与高技能检测工程师相当的水平进行裂缝检测。借助该系统的高精度水平，目前正在日本及不同地区进行试运行，未来将全面应用。

成像领域的制造商们正在应用与图像相关的人工智能技术，开发能够检测混凝土结构裂缝的技术。这种基于图像的检测系统包括三个过程：图像捕获、图像处理和缺陷检测。每个过程都有助于提高检测的精度和工作效率。

作为第一个过程的图像捕获，主要是利用全画幅数码单反相机和无人机来捕捉结构物的高分辨率图像。使用捕获的图像可以识别小至0.2毫米宽的裂缝。

图2 使用数码单反相机和无人机拍摄图像

在图像处理阶段，使用倾斜校正功能校正已捕获的图像的角度，并获得结构的正面视图。然后将相机图像精确地叠加在结构图上，以准确评估裂缝。通过合并从不同角度捕获的多个图像，可以从最终图像中移除阻碍墙壁的柱子和其他物体。

图3a 倾斜校正

图3b  清除障碍物

之后，利用人工智能来检测裂缝并测量其宽度。相机系统经过训练，可以使用深度学习识别墙面裂缝，使其能够准确识别裂缝，而不会错误地检测到污垢或接缝。此外，为了满足土木工程师可以正确记录每条裂缝面积的需求，系统还可以自动处理和“连接”分段检测到的裂缝。

通过这些图像处理技术得到的结果，可以与土木工程师从图像中手动识别裂缝所获得的结果相媲美。

土木工程师只需检查新缺陷检测AI系统输出的检测结果，即可生成高度准确的检测数据。这将显著减少工时。在一个实际案例中，一般情况下，土木工程师需要花720分钟才能从图像中识别出大约500条裂缝，并为其准备相应的检测数据，而缺陷检测AI系统，只需90分钟即可完成整个过程，耗时仅为之前的八分之一。人工智能系统的另一个显著优势是可以确保结果质量的一致性，这在手动检测的情况下往往很难做到。

日本四面环海，山川众多，高速公路上的桥梁和隧道比其他国家多。高速公路网络总长约9600公里，包含约16700座混凝土桥梁和1680条隧道。其中大部分是在1960年左右建造的，其中约50%已服役超过30多年。

未来，50年以上的基础设施比例还将迅速增加。目前，日本50年及以上的桥梁（长度至少为2m）约占总数的25%。到2023年，这一数字将增长到约39%，而2033年则会增至约63%。为了维护预计将集体恶化的基础设施的安全，人们对基于图像的基础设施检查系统可以提高工作效率寄予厚望。此外，以数字格式管理图像和检查结果还具有许多其他优点，包括较低的数据管理成本和更早发现问题的能力。

随着日本高速公路上的新建设项目和道路拓宽工程，需要检查的结构将继续增加。目前，有足够数量的检测工程师来维护高速公路的安全。然而，日本的少子老龄化意味着未来可能面临年轻工程师短缺的问题。不仅如此，个别工程师的检查技能和决策也存在差异，需要额外注意。为了能够快速准确的分析出结构的健康状况，越来越需要利用数字技术来量化缺陷程度，实现更先进和更有效的诊断。