基于目标检测的混凝土坝裂缝实时检测方法

基于目标检测的混凝土坝裂缝实时检测方法

凌礼

320826198602083498

摘要：受工程年代所限，水库存在着坝基及坝体渗漏、施工质量、抗震稳定等方面的问题，1986年被列为新疆维吾尔自治区重点病险水库。1986—1987年间，运行管理部门对坝体及泄水建筑物周围进行防渗处理，主要措施为高压旋喷灌浆、劈裂灌浆和灌浆充填等。1998—2000年间，开展水库除险加固工程，涉及到上、下游坝坡加固、裂缝修复和高、低泄水涵洞改建等。2000年除险加固工程完成后，坝顶沥青混凝土路面出现裂缝。混凝土面石坝已经表现出安全性、经济性和适应性的突出特征，工程实践中，混凝土面板或的裂缝问题对大坝枢纽产生强烈的影响，梳理混凝土裂缝的成因并进一步研究防治对策具有重大的现实意义。基于此，本篇文章对基于目标检测的混凝土坝裂缝实时检测方法进行研究，以供参考。

关键词：目标检测；混凝土坝裂缝；实时检测方法

引言

中国是世界上拥有水利工程项目最多的国家,大部分水利工程建设于20世纪50~70年代,随着服役年限的增加,很多混凝土大坝出现了老化和病害问题,混凝土裂缝尤为常见,如此多的大坝如果还是采用人工测量的方法,不仅费时费力,而且容易产生人为主观性的影响,造成检测精度下降。为了避免人为观测对检测结果带来的影响,有必要构建一种大坝裂缝自动化检测系统,实现混凝土坝裂缝的高效检测。当前,数字图像技术蓬勃发展,基于视觉识别的检测算法层出不穷,为大坝裂缝检测带来新的方法和思路,机器视觉技术操作简单,效率高,可消除人工误差对检测结果的影响,提高检测精度和效率,降低检测成本。基于此，本文探究基于目标检测的混凝土坝裂缝实时检测方法。

1研究背景

近些年来，水库工程建设较多，在灌溉、泄洪等方面发挥着重要作用。土石坝作为施工简易、取材方便的施工坝型，一般是由坝址周围的混凝土填筑而成，具有投资较少、施工简易等优势，在水电站水库工程中应用较为广泛。混凝土坝是现在水库建设中发展最快的一种坝型，坝顶高程较高，不容易发生漫顶破坏；坡度较缓的坝坡，受到冲击时不容易发生滑坡破坏。漫顶破坏作为危害大坝稳定的主要因素，主要是由于洪水计算偏低，泄洪设施不足等原因，土坝出现漫顶之后，一般都会伴随着失事，造成的损失较大。使用混凝土坝则会最大限度地避免这一问题，利用较高的坝顶，较缓的坝坡，为大坝提供稳定安全的施工环境。但是就目前来看，混凝土坝在浇筑的过程中，坝内存在缝隙、洞穴、引排水管道等问题，更容易发生渗漏破坏，导致混凝土坝出现安全隐患，造成了较多的“病险”水库大坝。而造成大坝竣工验收隐患的主要问题是大坝渗漏，此项问题导致的溃坝问题极为严重，严重影响了水库大坝的正常运行。防渗墙不仅是覆盖层地基临时防渗措施，还是各类复杂地层中的有效防渗手段。良好的防渗墙施工技术，对于混凝土坝的稳定具有重要作用。但是现阶段混凝土坝防渗墙渗透系数较高，部分防渗墙的抗渗性能不能满足水库土坝实际运行需求。因此，本文在混凝土坝的建设基础上，针对目标检测技术展开研究。将防渗墙放置在混凝土坝的溢流水严重区域，通过墙体的防渗泥浆、防渗槽段，将水流引入其他区域，防治坝体产生的渗漏问题，为水电站水库混凝土坝的稳定使用提供保障。

2混凝土裂缝成因分析

盘县西得泥水库工程运行过程中，发现大坝产生多条混凝土裂缝。现场讨论分析认为，大坝混凝土裂缝是由于混凝土沿坝坡方向较长，施工完成后因长受到沿板长的积累约束拉应力较大，致使混凝土受底层垫层约束的拉应力大于混凝土抗拉强度或拉应变超过了混凝土的极限拉伸值，从而导致裂缝产生。（1）裂缝由受自重和施工期反向水压力等外荷载作用所引起的。（2）裂缝由混凝土实际工作状态与设计假设出现差异引起结构次应力而导致的。（3）裂缝由温度、干燥及不均匀沉降等因素引起混凝土收缩变形所导致的。

3基于目标检测的混凝土坝裂缝实时检测方法

3.1实验结果

在训练的前几个轮次,总体损失迅速下降;随后总体损失缓慢下降并趋于平稳;训练至150轮次时关闭Mosaic和Mixup数据增强功能,总体损失进一步下降,并随着训练轮次增加而逐渐趋于稳定,表明网络训练已收敛

3.2多种目标检测网络性能对比

为验证YOLOX-DCD的有效性和优越性,本研究对比了其与FasterR-CNN、SSD、YOLOv3、YOLOv4和基准网络YOLOX-m的性能。将以上目标检测神经网络都训练至损失函数收敛、网络性能最佳,并基于测试集对网络性能进行测试。其他目标检测神经网络和YOLOX-DCD的测试结果如表1所示,YOLOX-DCD的网络模型大小仅为25.67MB,检测精度高;AP0.5达90.84%,且FPS=65,检测速度快,可实现实时检测。YOLOX-DCD相较于基准网络YOLOX-m,由于加入注意力机制使YOLOX-DCD网络检测速度略有降低,但网络的AP0.5、F1、P和R值分别提高了1.86%、2.57%、2.29%和2.82%,表明所提改进策略有效提升了网络的裂缝检测能力。与SSD相比,YOLOX-DCD的模型略大,但其他指标均优于SSD,表明YOLOX-DCD检测性能更强、速度更快。在检测精度、检测速度和模型大小方面,YOLOX-DCD均优于FasterR-CNN、YOLOv3和YOLOv4网络。因此,本文所提裂缝检测方法性能更优,速度更快,参数更少。在测试集上使用训练好的多种目标检测神经网络检测图像,部分检测结果如图3所示，YOLOX-DCD的检测框设置为蓝色,其他网络的检测框设置为红色。YOLOX-DCD检测出了所有裂缝,并且检测框将裂缝区域完全覆盖,而其他5种网络出现了检测结果不准确的情况。对于其他5种网络检测结果不准确的情况,YOLOX-m、YOLOv4、YOLOv3和SSD均出现漏检情况,检测效果不佳;测试图1和图2中,除FasterR-CNN外其余网络的检测框都没有实现对裂缝区域的完全覆盖,FasterR-CNN虽然检测出所有裂缝,但是检测框重叠较多,结果不准确。因此,YOLOX-DCD的综合性能优于其他经典目标检测神经网络,对混凝土坝表观裂缝图像的检测能力更强。

表1其他目标检测神经网络和YOLOX-DCD的测试结果

图1CBAM注意力结构

图2混凝土坝裂缝图像采集示例

图3多种目标检测神经网络在测试集上的检测结果

4坝体裂缝及缺陷处理

对于浅层裂缝，要填满裂缝，避免裂缝贯通后继续发展；对于发展深度较深、且开展宽度较宽的裂缝，应该采用灌浆或裂缝表部开挖回填、裂缝底部灌浆的综合处理方法进行处理。由于气温变化，尤其在冬季，要采取对混凝土表面进行保温和保湿保护。同时，加强巡视检查频次，善于发现混凝土表面的磨损、冲刷等现象，注意其变化是否产生渗水现象、伸缩缝、沉陷缝止水设施等蜂窝、麻面甚至穿孔部位，发现有破损时，应及时处理。

结束语

总而言之，为了提高混凝土坝的抗渗性能，本文针对水库混凝土坝裂缝实时检测展开研究。分析混凝土坝裂缝实时检测方法，能够提高保障混凝土坝防渗墙的抗渗性能，抗渗效果较好，为水库大坝的安全运行提供了一定的技术支持

参考文献

[1]王丽.混凝土坝裂缝识别的数字图像处理算法研究[D].大连理工大学,2019.000207.

[2]郭慧.基于机器视觉的混凝土坝裂缝监测系统研究[D].大连理工大学,2018.

[3]李婷婷.混凝土坝健康诊断及其预警系统[D].河海大学,2018.

[4]包腾飞.混凝土坝裂缝的混沌特性及分析理论和方法[D].河海大学,2018.

[5]苏怀智.大坝安全监控感智融合理论和方法及应用研究[D].河海大学,2018.