英语原文共 31 页，剩余内容已隐藏，支付完成后下载完整资料

混凝土剥落自动测量强化检测

摘要

在紧急情况下，必须立即进行侦察工作。这些努力通常需要完整的几个月。在进行中，建筑物居住者不能返回他们的家/企业，并且因此会增加对灾区社会的影响。为了减轻影响，研究人员专注于创造更有效的手段来评估灾后状态下建筑物的状况。在本文中，以机器视觉为基础提出了实时地震后安全评估的方法。一种检索剥落性能的新方法钢筋混凝土（RC）柱在RC框架建筑使用图像数据。在该方法中，剥落区域是使用基于局部熵的方法检测。接下来，使用上下文信息来检索深度属性涉及暴露的钢筋的数量和类型。该方法使用损坏的RC的数据集来验列图像。

1引言

自2013年开始，全球已发生超过1,700次地震5.0级或以上的地震（USGS，2012）。此外，地震已被公认为美国面临的最昂贵的自然灾害之一，构成了对39个州至少7500万美国人的主要威胁（USGS，2006）。为了减轻这种自然的影响灾害，需要一个更加敏感的政府。美国建立了以下四个目标地质学会（USGS），以满足美国的这种需要（USFA，1994）：（1）增强观测; （2）基本了解危害和影响; （3）改进评估产品和服务;和（4）有效的态势意识。
美国地质调查局已经开始了一些研究工作，旨在加强观测（1）改进基本观测了解危害和影响；（2）以及增强态势感知；（3）等方案地震预警（EEW）系统，地面运动研究，灾害测绘项目等（McEntire和Cope，2004年）。关于改进评估产品和服务的第三个目标仍然没有受到USGS的影响，因此，职位地震反应程序仍然缺乏稳健性和效率。地震后结构评价指南事件先前已由诸如应用技术委员会（ATC）等政府机构建立联邦紧急管理署（FEMA）。这些评估由一组专家进行，包括认证结构专家，根据经验，知识对建筑物的安全以及目视观察施加在结构的承重构件上的损伤进行评估。大库存损坏在诸如地震的显着自然灾害之后的建筑特征远远超过这些地震搜索和救援队的能力。本文着重于加强地震后的安全评定程序USFS的既定目标。

为了克服当前在震后安全和结构评价中的实践的固有限制，已经进行了各种努力来自动化这些程序。这些努力包括主要结构健康监测（SHM），遥感和计算机视觉的研究领域。他们专注于使用从建筑工地或卫星检索的视觉日期，并在有或没有其他文件（如建筑）的帮助下评估数据图纸和测量。这些各种努力的结果在于提供的细节的量，从城市或建筑级别（卫星图像）对这些特定元素（SHM和机器视觉）的具体损害。这些方法已经在广泛的结构例如混凝土桥梁，管道，隧道和建筑物中测试，并且结果这些测试确实验证了其应用在基于评估的实践中检测损伤的能力。然而，为了提供指示现有结构的结构元件的快速和可靠（定量）评价成员的完整性，在上述研究努力中存在几个缺陷，这将由此来解决工作。首先，虽然一些损伤类型已被探索到相当深度，关键类型的损害是指示成员的剩余结构完整性的问题尚未得到解决。此外，检测到的损坏没有与其所存在的表面（结构构件）相关。这防止了a中的损伤的量化这对于成员和整个建筑物的结构评估是有意义的。这个的主要目的研究是调查填补这些空白的手段。

本文提出了一种新的方法来检索钢筋混凝土（RC）结构上的剥落区域的关键性能元件表面。在这项工作中，剥落的程度分为五个类别之一：（1）没有剥落;（2）混凝土盖板剥落-无钢筋暴露;（3）暴露横向钢筋的剥落;（4）剥落，暴露纵向加强;（5）暴露横向和纵向的混凝土剥落加强。作者以前公布了努力压缩分类的工作结果剥落的深度分为以下两类：（1）剥落的覆盖物，没有暴露的钢筋或只是横向钢筋暴露（以上结合2和3），和（2）与暴露的纵向钢筋剥落超出（结合上述4和5）。因此，更详细地，本文提出一种检测横向的新方法加强并将其与纵向加强区分开。此外，剥离检测的算法和在此提出的性质检索被设计成使得在混凝土表面上没有剥落区域可以充分检测。

该方法在Microsoft Visual .NET环境中实现。RC柱表面图像的数据库从2010年在海地发生的地震中损坏的建筑物中采集的数据用于测试该方法的有效性。 结果从方法与来自手动调查的方法进行比较，以确定五个方法中的每一个的测量误差剥落程度的分类。根据测试结果，发现剥落区域的性质可以使用所提出的方法正确地确定结构元素。

2背景

目前，地震后评估实践的程序由认证团队手动执行检查员。这些在地震后评估中的现有程序是耗时的，并且具有迫在眉睫的性质完成这些评估，以减少与经济和社会影响相关的停机时间地震，这是一个至关重要的问题。 除了耗时之外，评估建筑安全的主观性结构完整性可能导致错误的判断。因此，需要改进现有的评估程序，使其快速（实时）和更可靠。

灾害事件发生后，如地震，社区反应团队（通常由当地火灾训练）部门）首先派遣进行通车评估，以确定重大损害和高潜力的位置（USFA，1994; McEntire和Cope，2004年）。评估是常见的被火灾和其他危害中断，对生命造成直接威胁。经过初步评估，由于其中的剧烈影响这些灾害的后果，当地应急反应小组经常要求美国和R的任务部队（或等同于政府在其他国家建立的应急工作队）。这些工作队遵循标准操作程序与社区应急响应小组联合，可能因地区和情况而异。当诸如地震的灾害影响多个结构时，在任何搜索之前优先考虑损坏的建筑物并需要开始救援行动。有人进入这些被损坏的建筑物有广泛的风险地震以及任何进一步的结构性崩塌（可能由于余震）可以迅速改变这些工作队成员从应急响应者转变为更多的受害者。因此，必须评估与安全相关的水平在紧急搜索和救援队进入之前的灾后情景中的损坏建筑物。

2.1地震后评估的实践状态

在目前的实践中，在地震后情景中对受损建筑物的安全和结构评估分两个阶段进行：

表格1.ATC-20阶段建筑评估（ATC，1995）

（1）在搜救队进入之前进行安全评价;

（2）重新进入之前的结构评价由建筑物的居民和业主。

这些程序被指定由各种专家的团队（例如，技术搜索专家，结构专家，医学专家，Haz-Mat专家，救援专家等）（FEMA，2006）。由于这些团队的集合性质，协作相关的问题，包括缺乏协调，信息共享，信任和沟通，参与救灾工作的各位专家之间Kostoulas等人，2006）。操作被组织成几个阶段，取决于的数量和类型应当检索的信息和在先前阶段已经检索的信息。在每次评估中阶段，信息由分类团队中的指定结构专家手动检索。作为这些阶段进展，检索的信息的数量和类型变得越来越复杂，因此，时间密集型（表1）。在评估过程中，结构专家应该是处理所有问题的最准备的人员城市建筑环境的方面（Aldunate等人，2006）。涉及的结构专家负责识别潜在的结构危险并监测在救援和恢复期间的状况变化的结构操作（FEMA，2008）。建议两个或更多的专家一起工作，但这在紧急情况下是不切实际的应对大灾害（ATC，1995; FEMA，2009）。通常没有足够的合格结构专家分配给个别社区应急响应小组。此外，可以参与的人必须获得许可专业工程师至少有五年的经验（FEMA，2008）。

2.2最近在地震后评估中的研究工作

受到震后检查的关键作用，紧急响应和占用以及需要的影响其在地震受损区域的快速性能，一些努力促进更快的状况评估已经提出。这些努力包括建立以SHM，遥感和计算机视觉为基础的评价方法。这些方法试图通过提供非主观和定量评估来补充当前的手工做法关键基础设施和/或建筑物的现有结构完整性。总的来说，传感器网络（SHM）安装在非常小的百分比的现有结构在地震易发区域和很少在最易感的基础设施如老RC框架大厦。因此，显然的是，尽管结构传感器数据可以精确地反映的状态建筑物的缓慢采用和高的相关成本显着阻了它们在建筑条件的实际应用评价。与其他方法相比，遥感方法是有利的，因为它们是低风的并且提供快速概述在大地理区域的损害（亚当斯，2004年）。然而，该技术是昂贵的，并且仅在获得对损坏的概述方面仍然发展。由于遥感方法涉及空中信息检索，关于单个建筑物的现有结构状态的细节还不可能通过遥感技术。计算机视觉对建筑条件评估的应用采用图像处理技术来自动检测结构元件并进一步自动检测损伤的视觉指示器结构元件表面并检索与检测到的损伤有关的属性。计算机视觉方法使用低成本相机和图像处理方法是近实时的，因此是研究的最佳应用努力在地震后评估程序。

为了有效地提供建筑条件评估和使用计算机量化对结构元件的损坏视觉，有两个必要的步骤。首先，元素的损坏必须位于图像中（检测）。然后，超越检测图像中损坏像素的存在和位置，损伤的程度应在中识别定量方式（属性检索）。 已经对检测和性质检索进行了若干努力各种类型的损坏。与本文提出的工作相关的努力分为三种类型-裂纹，腐蚀和剥落-每一个将在后面的章节中讨论。

2.2.1破解检测和属性检索

已经创建了许多基于机器视觉的方法以使用诸如支持向量机（Liu等人，2002）和主成分分析（Abdel-Qader等人，2006）的技术来自动地检测混凝土和沥青表面上裂纹的存在。此外，已经创建了基于机器视觉的方法，还可以定义图像内裂纹点的位置，例如Cheng等人（2003）使用插值阈值和由Yamaguchi和Hashimoto提出的基于区域生长的操作提出的（2010）。虽然裂纹检测已经被彻底研究，但是对于裂纹属性检索而言并非如此，这对于从观察到的损伤推断出意义是完全必要的。在机器视觉领域已经尝试检索裂纹长度，厚度和取向信息。Chae（2003）采用人工神经网络，使用一个发达的数字扫描仪检索下水道管道图像中的裂纹属性。然而，网络的有效性以及用于制定输入的方法尚不清楚（German，2012）。Yu等人提出了另一种检测下水道墙壁表面裂缝的方法。（2007）。这种方法使用移动机器人系统和图形搜索技术来计算裂缝的长度，宽度和方向。该方法的缺点是每个裂缝段的起点和终点必须手动识别，并且机器人需要始终保持与墙壁相同的距离。Zhu（2011）提出了一种从RC结构单元的表面自动检索相对裂纹性质的方法。该方法首先基于Yamaguchi和Hashimoto（2010）开发的裂纹检测程序，其使用边缘检测算法来加速搜索过程。然后，使用二值图像细化算法和距离变换来描绘单个裂纹片的拓扑骨架。检索每个裂纹段的距离场并且与结构元件的取向和性质相关，以便确定每个段的相对长度，宽度和取向。在该方法中，裂纹段的相对性质（长度，宽度和取向）可以相对于具有小于2.5％误差的柱的长度和宽度自动检索。

图1剥离检测和属性检索中的方法概述

2.2.2剥离检测和属性检索

虽然机器视觉检测和属性检索的领域已经在很大程度上进行了研究裂纹和腐蚀，剥落检测和性能检索没有进行相同程度的研究。在地震后评价，开裂和剥落被认为是RC栏目现有健康和安全的重要指标框架建筑物。因此，应当创建在混凝土剥落的自动检测和性质检索中的方法，使得元件和结构的现有状态可以被自动量化。作者最近出版了一台机器基于视觉的方法在RC柱表面剥落的自动检测和性质检索中（图1德国等人，2012））。在该方法中，首先采用基于局部熵的阈值算法，然后是形态学操作（打开/关闭/填孔）以确定散裂图。分离的地图被指定为感兴趣的区域（ROI）用于在图像内执行的进一步操作，并且在该方法中，ROI不仅包括任何大的散裂区域其中增强物可以暴露，而且暴露的增强物和RC表面上的任何可见裂纹元件。在这一点上，在CMYK中的每个通道的整个ROI上应用全局自适应阈值算法转换图像。最后，使用模板匹配程序和一组形态操作来确定暴露的纵向加强的程度。此外，剥落区域沿着柱的相对长度为决心。虽然该方法在确定这两个值方面是成功的，以便正确地量化程度损坏，剥离区域的其它性质应当被检索。本文的其余部分概述了整个过程由检测散裂区域的作者和剥落区域的关键相对属性创建。

3问题陈述

为了使建筑物的视觉检查自动化，已经提出了几种方法。 如前所述，剥落是对RC柱的损坏的当前状态的重要指示，并且因此识别剥落的混凝土区域和量化这些剥落区域的性质是必不可少的RC柱的地震后评估。目前，存在一种能够根据两大类来量化剥落区域的方法，然而，没有方法用于综合检索混凝土表面剥落区域的性质。 这个的目的论文提出一种基于机器视觉的新方法，用于全面检测和性能检索RC柱表面上的区域。

图2自动剥离检测和属性检索中的方法概述（其中具有虚线轮廓的形状是
那些在作者的以前的

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[138964]，资料为PDF文档或Word文档，PDF文档可免费转换为Word