劉朝濤,杜子學(xué)，武 維，向中富

(1.重慶交通大學(xué) 機(jī)電與汽車工程學(xué)院,重慶 400074;2.重慶交通大學(xué) 土木建筑學(xué)院,重慶 400074)

0 引 言

纜索是斜拉橋的主要承重部分，大型斜拉橋纜索存在安裝后難以進(jìn)行健康檢測和維護(hù)的問題。纜索的檢測和維護(hù)最關(guān)鍵的技術(shù)包括兩部分：①研究拖帶檢測儀器在纜索上運(yùn)動的纜索爬行機(jī)器人;②研究纜索的自動檢測技術(shù)和儀器。

開發(fā)能自動沿纜索爬升并攜帶檢測裝置完成一定作業(yè)任務(wù)的爬纜裝置，首先可以解決纜索的在役檢測問題，而且還可以給纜索的維護(hù)作業(yè)提供一種手段。目前，張家梁,等[1]研制了采用電驅(qū)動式、氣動蠕動式兩種纜索機(jī)器人樣機(jī)。趙淑娟,等[2]研制了采用了多電機(jī)驅(qū)動的爬纜機(jī)器人。

纜索的自動檢測技術(shù)和儀器，目前在國內(nèi)外有不少的研究，如振動法、超聲波探傷、磁漏檢測法、電渦流法[3-6]等都可以用于橋梁的纜索的檢測。但這些檢測方法目前更多地處于理論研究和探索階段，在實(shí)用性方面還存在一定的局限性，難以在橋梁纜索檢測中得到廣泛實(shí)用，尤其是難以做到在役檢測。

纜索常見的病害主要有3種[7]：①拉索護(hù)套病害，包括護(hù)套的開裂、凹坑、開裂等；②當(dāng)護(hù)套病害嚴(yán)重，甚至露絲時，就會發(fā)生拉索鋼絲病害，包括鋼絲鍍鋅氧化、鋼絲銹蝕、鋼絲銹斷等；③斜拉索錨具的銹蝕。拉索護(hù)套病害、斜拉索錨具的銹蝕能從纜索的外觀上判斷，纜索內(nèi)部的拉索鋼絲病害通常與護(hù)套開裂有關(guān)，因此，通過對纜索外觀的觀察，基本上能檢測出大多數(shù)的纜索病害[8]。對纜索進(jìn)行全方位照相，并經(jīng)圖像處理和識別后再由專業(yè)人員人工檢查纜索圖像，相當(dāng)于橋梁專家對纜索外觀的全方位檢查，對橋梁纜索病害的診斷和維護(hù)應(yīng)該是有效實(shí)用的方法。

筆者研制了一種采用單電機(jī)驅(qū)動的纜索檢測機(jī)器人，它能沿纜索自行爬升，并能適應(yīng)不同直徑的纜索。機(jī)器人攜帶了3臺微型相機(jī)，可以對纜索進(jìn)行全方位照相，并通過對纜索圖像進(jìn)行自動識別，初步判斷纜索的病害，再由人工進(jìn)一步確認(rèn)纜索的病害。文章對纜索圖像特征進(jìn)行了分析，找出病害纜索圖像的特征，研究了纜索病害圖像的分析和判斷方法。

1 纜索檢測系統(tǒng)的研制

纜索檢測系統(tǒng)包括一套纜索檢測機(jī)器人(含控制及照相系統(tǒng))、位于地面的上位計(jì)算機(jī)。檢測機(jī)器人和上位計(jì)算機(jī)之間通過無線通訊，實(shí)現(xiàn)對機(jī)器人的控制以及檢測結(jié)果的上傳。

1.1 基于圖像的纜索健康檢測方案

筆者將微型數(shù)碼相機(jī)裝在機(jī)器人上，對纜索的各個部位進(jìn)行拍照，再對所拍攝的纜索圖像進(jìn)行分析來判斷和識別纜索的病害。

要檢查一根纜索的每個部位的外觀，最少必須有3個鏡頭同時對纜索照相，如圖1。經(jīng)計(jì)算，當(dāng)3個鏡頭成等邊三角形分布、且距纜索中心至少2倍半徑時，能實(shí)現(xiàn)對纜索整個圓柱面的檢查。

圖1 相機(jī)布局Fig.1 Layout of cameras

機(jī)器人每行進(jìn)一段位移，3個照相機(jī)同時對纜索進(jìn)行一次照相，并將圖像存儲。位移的大小取決于照相機(jī)拍照時在纜索所在平面的視域大小，必須保證相鄰兩次拍攝到的圖像有部分重疊。

1.2 纜索檢測機(jī)器人組成

纜索檢測機(jī)器人從整體上包括爬行機(jī)構(gòu)、控制系統(tǒng)、照相系統(tǒng)、電機(jī)等幾個部分，其在纜索上的安裝如圖2。爬行機(jī)構(gòu)由單電機(jī)驅(qū)動，是機(jī)器人的運(yùn)動系統(tǒng)，其任務(wù)是帶動整個機(jī)構(gòu)按設(shè)定的任務(wù)自主地在纜索上上下運(yùn)動。控制系統(tǒng)是整個系統(tǒng)的中樞，它要完成同地面操作人員的通訊、采集檢測裝置的檢測結(jié)果、控制并驅(qū)動爬行機(jī)構(gòu)按照要求運(yùn)動。纜索檢測機(jī)器人可以在傾斜度0～90°，直徑為90～200 mm，直徑變化量在20 mm以內(nèi)的纜索上爬升，爬升速度為1～10 m/s，并可以自主判斷是否到頂，并實(shí)施相應(yīng)的動作。

圖2 檢測機(jī)器人組成示意Fig.2 Composition of the cable inspection robot

機(jī)器人可以拖帶檢測裝置，如電渦流檢測裝置、磁漏檢測裝置、超聲波檢測裝置等，以檢測橋梁纜索外表及內(nèi)部是否有損傷。檢測的結(jié)果由控制和監(jiān)視系統(tǒng)負(fù)責(zé)采集并存儲。機(jī)器人還可以拖帶簡單維護(hù)設(shè)備，對纜索進(jìn)行維護(hù)。

1.3 爬行機(jī)構(gòu)組成和工作原理

爬行機(jī)構(gòu)解決整個機(jī)器人在纜索上克服重力作用向上和向下運(yùn)動。作者設(shè)計(jì)了如圖3所示的機(jī)構(gòu)，采用彈簧將機(jī)構(gòu)壓緊在纜索上，利用摩擦力和電機(jī)的驅(qū)動力來克服重力的作用，使整個機(jī)器人能在控制系統(tǒng)的控制下運(yùn)動。

圖3 輪式爬行機(jī)構(gòu)Fig.3 Composition of the crawling machine

爬行機(jī)構(gòu)由兩輛輪式爬行小車和連接裝置組成，小車包括主動小車和從動小車，主動小車和從動小車通過連接裝置連接，連接裝置為系統(tǒng)提供了連接、導(dǎo)向和車輪提供驅(qū)動所需的正壓力。連接裝置采用雙螺旋彈簧提供預(yù)緊正壓力，并通過輪與橋梁纜索之間的摩擦力轉(zhuǎn)化為系統(tǒng)的驅(qū)動力。主動小車由電機(jī)經(jīng)減速器、傳動機(jī)構(gòu)帶動前后驅(qū)輪驅(qū)動主動小車運(yùn)動，并通過連接裝置、導(dǎo)向裝置牽引從動小車運(yùn)動。主動和從動小車的行走機(jī)構(gòu)均采用平衡懸架行走機(jī)構(gòu)，平衡懸架可實(shí)現(xiàn)輪式爬行機(jī)構(gòu)的驅(qū)動輪和從動輪與不平的橋梁纜索外表面良好的接觸，為系統(tǒng)的爬行運(yùn)動提供足夠的驅(qū)動附著力，并保障機(jī)器人能通過直徑較大變化(20 mm以內(nèi))的纜索。而彈簧預(yù)緊系統(tǒng)還能夠提供系統(tǒng)爬升所需的法向載荷，滿足橋梁纜索檢測機(jī)器人上下行的需要。

1.4 機(jī)器人樣機(jī)實(shí)驗(yàn)

實(shí)驗(yàn)選擇在重慶李家沱長江大橋上進(jìn)行。實(shí)驗(yàn)中的機(jī)器人如圖4。纜索的參數(shù)為：底部直徑Φ120 mm，頂端直徑Φ100 mm，纜索長度140 m。

圖4 重慶李家沱長江大橋上正在實(shí)驗(yàn)的機(jī)器人Fig.4 The robot on the Chongqing Lijiatuo Changjiang Bridge

2 纜索圖像分析及病害識別

通過對采集的圖像進(jìn)行分析和識別，可以減少人工分析圖像的工作量和上下位機(jī)之間的數(shù)據(jù)傳送量。經(jīng)過對纜索圖像的觀察分析，特別是對正常圖像與病害纜索圖像的對比，發(fā)現(xiàn)有病害的纜索圖像病害區(qū)域顏色變化較大，顏色深淺不一，形狀復(fù)雜多變，因此可以通過圖像紋理來識別圖像是否有病害。

筆者首先用MATLAB對圖像進(jìn)行仿真分析[9]，研究出處理的步驟和方法后，然后再轉(zhuǎn)化成VC程序，并集成在圖像采集系統(tǒng)的軟件中。圖像分析的步驟為：圖像去噪、圖像增強(qiáng)、圖像分割、紋理特征提取、圖像識別。

2.1 纜索圖像去噪處理

系統(tǒng)所采集的圖像常伴有大量的閃爍亮點(diǎn)噪聲[9-10]。噪聲主要有兩類：一類是高斯噪聲，在圖像上表現(xiàn)為細(xì)小、微弱的顆粒性亮點(diǎn)；另一類是脈沖噪聲，在圖像上的表現(xiàn)為較大的、明亮的隨機(jī)性亮點(diǎn)。它們主要由光電轉(zhuǎn)換器件、圖像采集器件CCD和橋梁檢測中的高空、水霧、較低照度環(huán)境所造成。針對噪聲特點(diǎn),首先采用中值濾波算法去掉圖像中脈沖噪聲，然后采用小波去噪去除圖像的高斯噪聲。

中值濾波的基本原理是把數(shù)字圖像或數(shù)字序列中一點(diǎn)的值用該點(diǎn)的一個領(lǐng)域中各點(diǎn)值的中值代替，從而消除孤立的噪聲點(diǎn)。方法是采用二維滑動模板，將板內(nèi)像素按照像素值的大小進(jìn)行排序，生成單調(diào)上升(或下降)的二維數(shù)據(jù)序列。二維中值濾波輸出為：

g(x,y)=mid[f(x-i,y-k)](i,k∈w)

(1)

式中：f(x,y)，g(x,y)分別為原始圖像和處理后圖像；w為二維模板，通常為2×2，3×3區(qū)域。

小波去噪方法的原理是，將原始圖像在水平、垂直和對角線方向進(jìn)行小波分解，將圖像分解為1個低頻圖像和3個高頻圖像。這3個高頻圖像分別代表水平方向、垂直方向和對角線方向的邊緣信息。對分解后的低頻圖像進(jìn)行去噪，而3個高頻圖像保持不變，再把幾個圖像疊加，就可以在濾波噪聲的同時保持邊緣信息。

小波去噪常用的圖像消噪方法是小波閾值消噪方法，對小波分解后的各層系數(shù)模大于和小于某閾值的系數(shù)分別進(jìn)行處理，然后利用處理后的小波系數(shù)重構(gòu)出消噪后的圖像。小波閾值消噪方法中閾值的選取是一個非常關(guān)鍵的因素。閾值去噪方法主要有3種，經(jīng)過試驗(yàn)，給定軟閾值方法最好，這種方法采用wdcbm2函數(shù)獲得降噪閾值，然后再用wdencmp函數(shù)來實(shí)現(xiàn)圖像的降噪。圖像處理結(jié)果見圖5。

圖5 纜索圖像濾波Fig.5 Image filtering of the cable

2.2 纜索圖像增強(qiáng)

圖像增強(qiáng)的主要目的是提高圖像的視覺質(zhì)量或者凸顯某些特征信息。小波圖像增強(qiáng)的步驟為：先將圖像進(jìn)行小波變換，再在頻域做增強(qiáng)運(yùn)算，最后經(jīng)小波逆變換后得到增強(qiáng)后的圖像。小波變換將一幅圖像分解為大小、位置和方向均不相同的分量，在作逆變換之前，可根據(jù)需要改變不同位置、不同方向上的某些分量系數(shù)的大小，從而使得某些感興趣的分量放大而使某些不需要的分量減小。由于二維小波分解后，圖像的輪廓主要體現(xiàn)在低頻部分，而細(xì)節(jié)部分則體現(xiàn)在高頻部分，因此，可以通過對低頻分解系數(shù)進(jìn)行增強(qiáng)處理，對高頻分解系數(shù)進(jìn)行衰減處理，即可以達(dá)到圖像增強(qiáng)的目的。經(jīng)過小波圖像增強(qiáng)后圖像更加清晰，紋理更加明顯，圖像的對比度得到拉伸，使圖像的識別更加容易，見圖6。

圖6 圖像增強(qiáng)和分割Fig.6 Image enhancement and image segmentation of the cable

2.3 纜索圖像分割

在對纜索圖像的研究和應(yīng)用中，往往僅對圖像中的纜索部分感興趣。這些部分常稱為目標(biāo)或前景，它們一般對應(yīng)圖像中特定的、具有獨(dú)特性質(zhì)的區(qū)域。為了辨識和分析纜索部分，需要將它們分離提取出來，在此基礎(chǔ)上才有可能對纜索進(jìn)行下一步的識別。圖像分割就是指把圖像分成各具特性的區(qū)域并提取出感興趣目標(biāo)的技術(shù)和過程，見圖6。

纜索圖像分割的方法是：分別采用閾值分割檢測圖像的左邊緣和右邊緣。最后把灰度圖像中左邊緣以左、右邊緣以右的像素值賦為255(即為白色)，兩邊緣之間的像素值不變。

閾值分割就是確定一個處于圖像灰度取值范圍之中的灰度閾值，然后將圖像中各個像素的灰度值都與這個閾值相比較，并根據(jù)比較結(jié)果將對應(yīng)的像素劃分為兩類：像素的灰度值大于閾值的為一類，像素的灰度值小于閾值的為另一類(灰度值等于閾值的像素可歸入這兩類之一)。

2.4 纜索圖像的特征和病害識別

病害纜索的圖像是指有污跡、破損等現(xiàn)象的圖像，它反映了纜索可能受到損害，圖7是一幅實(shí)拍的纜索病害圖像。通過對比正常纜索圖像和病害纜索圖像，發(fā)現(xiàn)正常纜索圖像顏色分布較均勻，且纜索前后位置的圖像顏色分布變化不大；而病害圖像顏色深淺不一，圖像本身在病害部位附近顏色變化較大，而且與前后位置的圖像在顏色分布上存在較大差異。因此，針對纜索病害的這些特征，可以采用對顏色統(tǒng)計(jì)的方法來識別纜索病害。這種識別方法簡單，計(jì)算量也較小，尤其適合在嵌入式機(jī)器人中應(yīng)用。

圖7 纜索病害圖像Fig.7 An image of defect cable

圖像特征是指圖像的原始特性或?qū)傩?。其中有些是視覺直接感受到的自然特征，如區(qū)域的亮度、邊緣的輪廓、紋理或色彩等。有些是需要通過變換或測量才能得到的人為特征，如變換頻譜、直方圖、矩等。紋理特征提取指的是通過一定的圖像處理技術(shù)抽取出紋理特征，從而獲得紋理的定量或定性描述的處理過程。紋理特征提取包括兩方面的內(nèi)容：檢測出紋理基元和獲得有關(guān)紋理基元排列方式的信息。

在對纜索圖像病害的識別中，只需要識別出哪張圖片所對應(yīng)的纜索位置上有病害(反映在纜索上的位置精度為cm量級)，以便維護(hù)和保養(yǎng)，并不需要特別高的位置精度，也不需要識別病害的形狀。由于識別的目的是檢測出可能是病害的圖片，以便人工進(jìn)行處理，因此識別應(yīng)該將所有疑似病害的圖片識別出來，即使將正常圖像誤為病害圖像也沒有關(guān)系，還可以進(jìn)一步由人工處理，但必須保證能完全識別出所有病害的圖像。也就是說，纜索識別的要求是可以有誤判，但不能漏判。

根據(jù)纜索圖像病害識別的特點(diǎn)，采用統(tǒng)計(jì)紋理特征的方法分析，通過提取圖像直方圖統(tǒng)計(jì)紋理特征參數(shù)(如均值、方差、偏度、峰度、能量、熵等),就能識別出一張纜索圖片是否病害圖片。這樣可以用簡便而有效的方法實(shí)現(xiàn)識別任務(wù)，而且計(jì)算量較小。

直方圖統(tǒng)計(jì)紋理特征參數(shù)信息提取算法如式(2)：

(2)

灰度直方圖的均值表示圖像的平均灰度，方差表示圖像灰度的分散程度，對于等灰度分布直方圖，即均衡化直方圖，能量最小，熵最大。

由于纜索圖像的病害識別的要求是可以有誤判，但不能漏判。因此對紋理特征的閾值選取必須保守，必須保證病害圖像的識別率為100%。根據(jù)上述要求，選擇了大量圖片分別進(jìn)行這些特征參數(shù)的統(tǒng)計(jì)分析，找出病害圖像的特征。通過試驗(yàn)，如果兩相鄰圖像的均值差值在0.200以上、方差在5以上、能量差值在0.02就可能存在病害。

以前述識別條件，對所采集的圖像進(jìn)行自動識別，一共識別了49個位置共147張圖片，經(jīng)過人工判定其中17張有一定程度的病害，另外130張圖片為正常的圖片，實(shí)驗(yàn)結(jié)果如表1。正常圖像識別率有89.23%，其中有14張圖片被識別為有病害，誤判率10.77%，經(jīng)過人工分析，發(fā)現(xiàn)這些誤判圖片本身存在一定的色差，或橋梁的某些部分的干擾；而有病害的17張圖像則無一遺漏被全部識別出來，病害識別率達(dá)到100%，這也正是所需要的。可見，筆者所使用的纜索病害圖像識別方法簡單而有效。

表1 實(shí)驗(yàn)結(jié)果

3 結(jié) 語

為保證斜拉橋的安全使用,對其纜索進(jìn)行定期或不定期無損檢測是非常重要的。筆者研制了一種斜拉橋的纜索檢測機(jī)器人，它能沿不同直徑的纜索自行爬升，并完成纜索表面和內(nèi)在質(zhì)量檢測，能廣泛應(yīng)用于斜拉橋及類似建筑中的纜索檢測與維護(hù)。從樣機(jī)實(shí)驗(yàn)的情況來看，該機(jī)器人能在不平的纜索上平穩(wěn)自如地爬升，檢測效率高，效果令人滿意。

筆者還研究了纜索圖像中病害圖像的識別方法和技術(shù)，該方法通過對圖像的濾波和增強(qiáng)，然后將纜索部分圖像分割出來。而識別算法則利用分割后的纜索圖像的直方圖，通過對直方圖的紋理特征識別實(shí)現(xiàn)對纜索病害的識別。實(shí)驗(yàn)結(jié)果表明，雖然有一定的誤判，但這種方法能完全準(zhǔn)確地識別出所有病害圖像，說明這種方法簡單而有效。

[1] 張家梁,呂恬生,羅均.大傾斜度纜索機(jī)器人的研制[J].高技術(shù)通訊,2001,11(1):88-90.

Zhang Jialiang,Lv Tiansheng,Luo Jun.Development of arbitrary gradient cable robot [J].High Technology Letters,2001,11(1):88-90.

[2] 趙淑娟,周憶,王亞斌.斜拉橋纜索檢測機(jī)器人結(jié)構(gòu)設(shè)計(jì)與運(yùn)動仿真[J].現(xiàn)代制造工程,2011(10):75-78.

Zhao Shujuan,Zhou Yi,Wang Yabin.The design and kinematic simulation of the cable-staged bridge inspection robot [J].Modern Manufacturing Engineering,2011(10):75-78.

[3] 楊叔子,康宜華.鋼絲繩斷絲定量檢測原理與技術(shù)[M].北京:國防工業(yè)出版社,1995.

Yang Shuzi,Kang Yihua.Principle and Technology of Quantitative Detection for Broken Wire in Steel Rope [M].Beijing:National Defense Industry Press,1995.

[4] 劉春.電磁聲裂紋檢測虛擬儀器系統(tǒng)的研究[J].傳感技術(shù)學(xué)報(bào),2007,20(2):477-480.

Liu Chun.Study on the system based on EMAT and virtual instrument for detecting cracks [J].Journal of Transduction Technology,2007,20(2):477-480.

[5] 曹印妮,張東來,徐殿國.鋼絲繩定量無損檢測現(xiàn)狀[J].無損檢測, 2005,27(2):91-95.

Cao Yinni,Zhang Donglai,Xu Dianguo.The state-of-art of quantitative nondestructive testing of wire ropes [J].Nondestructive Testing,2005,27(2):91-95,

[6] 林陽子,張宇峰,賴廣勝.橋梁纜索損傷檢測技術(shù)分析[J].山西建筑,2010,36(12):291-293.

Lin Yangzi,Zhang Yufeng,Lai Guangshen.The analysis of the inspection technology of the damage of bridge cables [J].Shanxi Architecture,2010,36(12):291-293.

[7] 唐三元,黃德耕,趙俊偉.混凝土斜拉橋常見病害及產(chǎn)生原因[J].西部交通科技,2008(4):60-61.

Tang Sanyuan,Huang Degeng,Zhao Junwei.Common defects and causes of concrete cable-stayed bridges [J].Western China Communications Science & Technology,2008(4):60-61.

[8] 馮俊杰,汪浩.斜拉橋拉索病害檢測及退化程度評估[J].中外建筑,2007(2):89-91.

Feng Junjie,Wang Hao.Defects inspection and degradation evaluation for stayed cables of cable-stayed bridge [J].Chinese and Overseas Architecture,2007(2):89-91.

[9] 余成波,楊菁,王培容,等.數(shù)字圖像處理及MATLAB實(shí)現(xiàn)[M].重慶:重慶大學(xué)出版社,2003.

Yu Chenbo,Yang Jing,Wang Peirong,et al.Digital Image Processing in MATLAB [M].Chongqing:Chongqing University Press,2003.

[10] 夏良正,李久賢.數(shù)字圖像處理[M].南京:東南大學(xué)出版社,2005.

Xia Liangzheng,Li Jiuxian.Digital Image Processing [M].Nanjing:Southeast University Press,2005.