張志遠(yuǎn)?喬倩

摘要：旨在提出一種基于光纖傳感器的建筑立面裂縫數(shù)字圖像檢測方法，以實(shí)現(xiàn)對建筑結(jié)構(gòu)裂縫的精準(zhǔn)監(jiān)測和分析。研究的目的在于應(yīng)對傳統(tǒng)監(jiān)測方法在靈敏性和實(shí)時性上的不足，通過光纖傳感器的高靈敏度和實(shí)時監(jiān)測特性，提高裂縫檢測的準(zhǔn)確性和時效性。研究結(jié)果表明，所提出的方法在不同光照條件和建筑結(jié)構(gòu)下均取得了良好的檢測效果。通過數(shù)據(jù)表格分析，驗(yàn)證了光纖傳感器數(shù)據(jù)與圖像融合的有效性，同時裂縫特征提取算法和深度學(xué)習(xí)模型的綜合應(yīng)用顯著提高了裂縫檢測的準(zhǔn)確性。

關(guān)鍵詞：光纖傳感器；數(shù)字圖像；檢測方法

一、前言

建筑結(jié)構(gòu)的裂縫是結(jié)構(gòu)健康監(jiān)測與維護(hù)中的關(guān)鍵問題，早期準(zhǔn)確檢測對于預(yù)防結(jié)構(gòu)損傷、提高安全性至關(guān)重要。近年來，隨著光纖傳感技術(shù)的飛速發(fā)展，光纖傳感器在結(jié)構(gòu)監(jiān)測領(lǐng)域展現(xiàn)出了獨(dú)特的優(yōu)勢。本研究旨在借助光纖傳感器，結(jié)合數(shù)字圖像處理方法，提出一種高效、準(zhǔn)確的建筑立面裂縫數(shù)字圖像檢測方法，以滿足對結(jié)構(gòu)裂縫實(shí)時監(jiān)測的迫切需求。本研究的主要意義在于整合光纖傳感器和數(shù)字圖像處理技術(shù)，針對建筑立面裂縫的監(jiān)測問題提出一種全新、高效的檢測方法。首先，通過光纖傳感器實(shí)現(xiàn)對結(jié)構(gòu)裂縫的實(shí)時、連續(xù)監(jiān)測，消除了傳統(tǒng)監(jiān)測方法監(jiān)測周期較長的弊端。其次，數(shù)字圖像處理技術(shù)的應(yīng)用使得對裂縫的特征提取更為準(zhǔn)確，可以更全面地了解結(jié)構(gòu)表面的裂縫情況。最后，本文提出的方法有望為建筑工程領(lǐng)域提供一種高效、精準(zhǔn)、實(shí)時的裂縫監(jiān)測手段，為結(jié)構(gòu)健康維護(hù)提供科學(xué)可行的解決方案。

二、光纖傳感器在建筑立面裂縫檢測中的原理

（一）光纖傳感器的基本工作原理

光纖傳感器是一種基于光學(xué)原理的傳感器，其基本工作原理涉及光的傳輸和測量。在建筑立面裂縫檢測中，光纖傳感器常采用光纖布拉格光柵傳感器（FBGSensor）作為核心技術(shù)。FBGSensor的基本工作原理是通過光纖中的光柵結(jié)構(gòu)對入射光的波長進(jìn)行反射和散射，形成特征光譜，從而實(shí)現(xiàn)對外部環(huán)境變化的監(jiān)測。在裂縫檢測中，F(xiàn)BGSensor被精確安裝在建筑立面，裂縫引起的微小變形會導(dǎo)致光柵結(jié)構(gòu)的拉伸或壓縮，進(jìn)而引起反射光的波長發(fā)生微小變化[1]。通過實(shí)時監(jiān)測這些波長的變化，可以精確測量建筑立面的變形情況，從而實(shí)現(xiàn)對裂縫的實(shí)時監(jiān)測。

（二）光纖傳感器在建筑結(jié)構(gòu)監(jiān)測中的適用性

1.高靈敏度與精準(zhǔn)度

光纖傳感器以其高度靈敏和出色的精準(zhǔn)度而著稱，這一特性在建筑結(jié)構(gòu)監(jiān)測中尤為重要。由于建筑結(jié)構(gòu)的微小變形可能預(yù)示著潛在的結(jié)構(gòu)問題，光纖傳感器能夠探測并記錄微小的變形和形變，使得對裂縫、應(yīng)力集中等問題的早期發(fā)現(xiàn)成為可能。高靈敏度使光纖傳感器能夠捕捉到常規(guī)監(jiān)測方法無法察覺的微小結(jié)構(gòu)變化，從而提供了更全面的結(jié)構(gòu)健康狀況信息。

2.實(shí)時監(jiān)測和長期穩(wěn)定性

光纖傳感器的實(shí)時監(jiān)測能力使其成為及時響應(yīng)結(jié)構(gòu)變化的理想選擇。通過連續(xù)、實(shí)時地監(jiān)測建筑結(jié)構(gòu)的變形情況，光纖傳感器能夠在裂縫或形變發(fā)生時及時提供準(zhǔn)確的數(shù)據(jù)，為工程師和決策者提供迅速的決策依據(jù)。此外，光纖傳感器具有較強(qiáng)的長期穩(wěn)定性，能夠在不同環(huán)境下長期工作，保障監(jiān)測的持續(xù)性和可靠性，從而滿足建筑結(jié)構(gòu)監(jiān)測對穩(wěn)定性和可靠性的要求。

（三）監(jiān)測參數(shù)與建筑立面裂縫關(guān)聯(lián)性分析

1.裂縫寬度與監(jiān)測參數(shù)的關(guān)系

裂縫寬度是建筑立面裂縫的重要指標(biāo)之一，與結(jié)構(gòu)穩(wěn)定性密切相關(guān)。光纖傳感器能夠精確測量微小的裂縫寬度變化，其值直接反映了結(jié)構(gòu)的變形程度。通過監(jiān)測參數(shù)值的時序變化，能夠獲得裂縫寬度的動態(tài)變化趨勢。例如，當(dāng)監(jiān)測到裂縫寬度超過預(yù)設(shè)閾值時，可能預(yù)示著結(jié)構(gòu)受力超過設(shè)計(jì)承載能力，需要進(jìn)行進(jìn)一步的結(jié)構(gòu)評估和修復(fù)。

2.裂縫深度與監(jiān)測參數(shù)的關(guān)系

裂縫深度是另一個關(guān)鍵參數(shù)，直接影響著建筑結(jié)構(gòu)的安全性。通過光纖傳感器測量建筑表面微小的凹陷和凸起，可以推斷裂縫的深度變化。監(jiān)測參數(shù)的變化趨勢與裂縫深度的關(guān)聯(lián)性有助于預(yù)測裂縫的發(fā)展趨勢。例如，裂縫深度逐漸增加可能表明結(jié)構(gòu)承受的應(yīng)力正在增大，需要進(jìn)行結(jié)構(gòu)強(qiáng)化或加固。

3.變形速率與監(jiān)測參數(shù)的關(guān)系

變形速率是描述裂縫發(fā)展速度的關(guān)鍵指標(biāo)。通過監(jiān)測光纖傳感器的數(shù)據(jù)，能夠獲取裂縫引起的微小變形的速率。參數(shù)值的變化趨勢與變形速率的關(guān)聯(lián)性分析可為預(yù)測結(jié)構(gòu)的未來發(fā)展趨勢提供重要信息[2]。例如，變形速率的急劇增加可能意味著裂縫正在迅速擴(kuò)展，需要緊急維修和干預(yù)。

三、建筑立面數(shù)字光纖傳感圖像采集與預(yù)處理

（一）圖像采集

高分辨率的建筑立面圖像是保障監(jiān)測準(zhǔn)確性的關(guān)鍵。光纖傳感器采集到的數(shù)據(jù)通常以光譜波長的形式呈現(xiàn)，這些數(shù)據(jù)需要映射到圖像像素上。傳感器布置的角度和密度也直接影響到圖像的空間分辨率，因此，在圖像采集階段要考慮傳感器的布置優(yōu)化。建筑立面裂縫數(shù)字圖像檢測模型如圖1所示。

圖像預(yù)處理：圖像預(yù)處理旨在增強(qiáng)圖像質(zhì)量和清晰度，去除光照不均勻、消除鏡頭畸變。降噪處理是預(yù)處理過程的重要步驟，可以使用均值濾波、高斯濾波等方法進(jìn)行降噪處理，采用直方圖均衡化來調(diào)整圖像的亮度和對比度，從而使圖像更適合后續(xù)的分析工作。

光纖傳感器采集的圖像數(shù)據(jù)中蘊(yùn)含著豐富的信息，通過特征提取和識別分類可以深入挖掘這些數(shù)據(jù)并定量描述建筑立面裂縫的情況。

RGB特征量提?。汗饫w傳感器采集的圖像是多光譜的，包括紅、綠、藍(lán)（RGB）通道的信息。對于每個像素點(diǎn)，其RGB值可以被看作是一個三維向量，即（R，G，B）。這個三維向量即為RGB特征量，代表了該像素點(diǎn)在顏色空間中的位置。RGB-Vector=（R，G，B）

建筑立面裂縫像素點(diǎn)的提?。涸趫D像中，建筑立面裂縫往往表現(xiàn)為局部顏色或亮度的變化。通過設(shè)置適當(dāng)?shù)拈撝岛蜑V波器，可以提取與裂縫相關(guān)的像素點(diǎn)。這些像素點(diǎn)的RGB特征量將被用于后續(xù)的分類和識別。

Crack-Pixels={（x，y）|滿足裂縫特征的像素坐標(biāo)}

通過這一系列的圖像采集與預(yù)處理步驟，可以得到一組高質(zhì)量的建筑立面裂縫圖像，并從中提取與裂縫相關(guān)的像素點(diǎn)和其對應(yīng)的RGB特征量，為后續(xù)的深度學(xué)習(xí)或機(jī)器學(xué)習(xí)分類模型提供了有力的數(shù)據(jù)基礎(chǔ)，以實(shí)現(xiàn)對建筑立面裂縫的準(zhǔn)確識別和分類[3]。

（二）圖像特征分割

1.構(gòu)建裂縫圖像訓(xùn)練集

建立裂縫圖像訓(xùn)練集是深度學(xué)習(xí)模型的關(guān)鍵步驟。在這個過程中，需要收集包含裂縫特征的圖像，并為每個圖像提供對應(yīng)的標(biāo)簽，以指示圖像中裂縫的位置。這個訓(xùn)練集將用于模型的學(xué)習(xí)和訓(xùn)練。為了構(gòu)建訓(xùn)練集，可以選擇典型的建筑立面圖像，涵蓋不同時間、光照和季節(jié)的變化。對這些圖像進(jìn)行標(biāo)注，即在裂縫部分進(jìn)行像素級別的標(biāo)簽。這樣的標(biāo)注工作可以通過專業(yè)工程師手動完成，也可以借助半監(jiān)督學(xué)習(xí)和圖像分割算法進(jìn)行輔助標(biāo)注。為了更好地理解裂縫圖像訓(xùn)練集的特征，可以創(chuàng)建一個數(shù)據(jù)表格，包括以下信息（見表1）。

通過表1，可以對裂縫圖像訓(xùn)練集的基本特征有一個直觀的了解。光照條件和季節(jié)的變化可能導(dǎo)致裂縫的不同表現(xiàn)，而裂縫面積和像素?cái)?shù)量則反映了裂縫的大小和密度。

2.對圖像裂縫特征進(jìn)行檢測

為了有效地檢測圖像中的裂縫特征，采用了基于AMS-RGEC（AdaptiveMulti-scaleRegion-growingandEdge-checking）波段分析的方法。這一方法結(jié)合了區(qū)域生長和邊緣檢測的優(yōu)勢，適用于裂縫等較為復(fù)雜的紋理檢測。算法步驟如下：

（1）多尺度區(qū)域生長

利用多尺度區(qū)域生長算法，從裂縫像素的種子點(diǎn)開始，逐漸生長形成裂縫區(qū)域。

（2）邊緣檢測

在生長的過程中，結(jié)合邊緣檢測算法，對裂縫邊界進(jìn)行精細(xì)劃分，以提高邊界的準(zhǔn)確性。

（3）AMS-RGEC融合

將多尺度區(qū)域生長和邊緣檢測結(jié)果進(jìn)行融合，得到最終的裂縫檢測結(jié)果。為了評估算法的性能，可以對一部分裂縫圖像進(jìn)行算法檢測，并記錄檢測的準(zhǔn)確性、召回率和F1分?jǐn)?shù)等評價指標(biāo)，形成另一個數(shù)據(jù)（見表2）。

四、數(shù)字圖像處理算法

（一）光纖傳感器數(shù)據(jù)與圖像融合方法

光纖傳感器輸出的光譜波長數(shù)據(jù)在裂縫檢測中需轉(zhuǎn)化為圖像形式，以實(shí)現(xiàn)直觀有效的分析。數(shù)據(jù)融合技術(shù)的運(yùn)用是關(guān)鍵，它將光纖傳感器提供的光譜數(shù)據(jù)，通過插值算法映射到圖像像素上，并利用反演模型將光譜數(shù)據(jù)轉(zhuǎn)化為裂縫的形狀和大小信息，從而實(shí)現(xiàn)了光譜數(shù)據(jù)與圖像信息的有機(jī)融合。此外，當(dāng)系統(tǒng)涉及多種傳感器時，多傳感器融合技術(shù)可以進(jìn)一步整合各類信息，提升檢測的準(zhǔn)確性。這種數(shù)據(jù)融合方法不僅降低了光纖傳感器噪聲的干擾，還提高了裂縫的空間分辨率，為后續(xù)的裂縫檢測工作提供了更為可靠的數(shù)據(jù)支持，進(jìn)而提升了整個檢測過程的效率和精確度[4]。

（二）裂縫特征提取算法

裂縫特征提取是建筑立面裂縫檢測中的核心環(huán)節(jié)，有效的算法至關(guān)重要。特征提取需聚焦于圖像的邊緣、紋理和形狀信息。邊緣檢測算法，如Canny和Sobel能精準(zhǔn)捕捉裂縫邊界，通過連接邊緣形成完整輪廓；紋理分析算法，如Gabor濾波器則利用紋理差異區(qū)分裂縫與建筑表面；形狀分析算法，如Hough變換則針對裂縫的線性或曲線特征進(jìn)行提取。這些算法的共同作用能夠準(zhǔn)確提取裂縫在圖像中的幾何和紋理信息，為建筑結(jié)構(gòu)的評估和監(jiān)測提供有力支持，同時也為裂縫的分類和深入分析奠定堅(jiān)實(shí)基礎(chǔ)[5]。

五、結(jié)語

本研究通過結(jié)合光纖傳感器和數(shù)字圖像處理技術(shù)，提出了一種創(chuàng)新的建筑立面裂縫數(shù)字圖像檢測方法，旨在解決傳統(tǒng)檢測方法中存在的周期長、精度低等問題。通過對光纖傳感器數(shù)據(jù)與圖像的有效融合，以及裂縫特征提取算法和深度學(xué)習(xí)技術(shù)的綜合應(yīng)用，取得了一系列令人鼓舞的研究成果。這一研究為智能建筑領(lǐng)域的安全監(jiān)測提供了創(chuàng)新的思路和可行的解決方案，為工程實(shí)踐和學(xué)術(shù)研究提供了有益的借鑒。

參考文獻(xiàn)

[1]郭華洛.基于參數(shù)化技術(shù)的建筑表皮生成研究[D].廣州：廣州大學(xué)，2019.

[2]劉一何.基于數(shù)字技術(shù)的中國傳統(tǒng)建筑“陌生化”表達(dá)方式研究[J].中外建筑，2023（03）：104-107.

[3]王春林.基于大功率激光投影的建筑立面提取研究[J].激光雜志，2021，42（08）：187-191.

[4]梁欣榮.建筑立面精細(xì)三維窗戶結(jié)構(gòu)半監(jiān)督精準(zhǔn)識別與逆向過程化重建[D].成都：西南交通大學(xué)，2022.

[5]師羽涵.數(shù)字技術(shù)在建筑設(shè)計(jì)中的應(yīng)用[J].江西建材，2022（12）：167-168+171.

基金項(xiàng)目：1.2022度山西省高等學(xué)?？萍紕?chuàng)新計(jì)劃（項(xiàng)目編號2022L710）；2.山西省職業(yè)教育校企合作典型生產(chǎn)實(shí)踐項(xiàng)目

責(zé)任編輯：張津平、尚丹