新論文|一種新型吸附式無人機檢測系統
基於吸附式無人機與深度學習的
裂縫實時檢測系統
Real-time crack assessment using deep neural networks with wall-climbing unmanned aerial system
Shang Jiang, Jian Zhang
COMPUTER-AIDED CIVIL AND INFRASTRUCTURE ENGINEERING
論文連結:
https://onlinelibrary。wiley。com/doi/full/10。1111/mice。12519
No.1 研究背景
近年來無人機平臺和計算機視覺技術越來越多地被應用到結構病害檢測中,但其應用還受到幾個
共性問題
限制:
(1)
無人機在檢測過程中會在三維空間內頻繁移動,這造成
影象的比例引數
隨之發生變化,拍攝時影象平面與結構表面的不平行也會帶來影象的
傾斜變形
。此外無人機在進行橋樑檢測時必須與結構表面保持一定的安全距離,導致無人機
難以獲取細緻的裂縫影象
,無法達到高精度的裂縫檢測要求;
(2)
傳統無人機的
操作要求較高
,橋樑結構一般具有複雜的幾何外形,在檢測過程中操作人員既要控制無人機獲取合適的影象資訊,又要並避免發生碰撞,同時橋樑底部等
環境GPS訊號差
,進一步增加了操作的難度;
(3)
外業採集+內業處理的離線檢測方式效率低,容易造成
檢測不全、重複檢測
。
No.2 研究內容
那麼問題來了,該如何有效解決傳統的無人機操作不易、頻繁移動、精度不高的難題呢……
針對以上問題,我們課題組開發了一種
新型吸附式無人機檢測系統
。該系統以自主研發的吸附式無人機為檢測平臺,檢測時吸附於結構表面以採集高精度影像,同時透過無線資料傳輸和對移動終端進行人工智慧模型移植,
實現裂縫的現場實時識別與快速量化評估,大幅提高了檢測效率和精度
。
內容一:
吸附式無人機檢測平臺開發
概念設計:
結合無人機和爬壁機器人兩種平臺的優勢,既實現了高精度的裂縫檢測,又降低了檢測過程的操作難度和危險性。操作人員控制無人機起飛後到達橋樑待檢測的位置,無人機緩慢靠近後吸附於橋樑表面開始檢測。檢測過程中無人機相機拍攝的表面病害影片透過無線訊號實時傳輸到地面站的智慧手機上,透過所開發的裂縫檢測應用實時識別影片中的裂縫。
三維設計與受力分析:
吸附式無人機在檢測過程中從起飛到吸附檢測包括三種飛行狀態:正常飛行狀態、針對橋樑底部裂縫檢測的頂部吸附狀態和針對橋塔橋墩等構件的立面吸附狀態。
硬體製作:
三種飛行狀態:
內容二:
基於深度學習裂縫檢測演算法
深度學習網路SSD是一種常用的“一段式”,不需要先產生候選區域(region proposals)再分類,有著較快的檢測速度。為了達到更高的檢測速度和更少的模型引數數量,採用專為移動端設計的分類模型MobileNet v2代替原有SSD模型結構中的VGG-16,應用深度可分離卷積結構代替傳統卷積結構形成SSDLite-MobileNet v2模型,大大減少了計算量和引數數量,提高了檢測速率。
SSDLite-MobileNetV2與SSD網路結構對比
考慮到整套檢測系統應該儘可能簡單,採用常用的智慧手機作為無人機地面站的資料接收和處理端,因此針對智慧手機採用android studio開發了一套裂縫檢測APP。該APP分為兩個介面,介面一為裂縫識別頁,該頁的功能是將無人機拍攝的實時影片顯示到螢幕上,同時由所訓練的輕量化SSDLite-MobileNetV2模型實時處理影片;介面二為裂縫寬度測量頁,對於介面一中識別為有裂縫的圖片,重新匯入到介面上並點選所要測量的裂縫位置即能計算該處寬度。系統的裂縫檢測APP介面如下圖所示。
No.3 現場測試
整套檢測系統被應用於某建築物外牆的裂縫檢測中,檢測過程如下圖所示:
REC
結 論
課題組提出了一種基於吸附式無人機與深度學習的結構表面裂縫實時檢測系統及方法,首先透過設計融合了爬壁機器人和多旋翼無人機的吸附式無人機平臺實現了安全、穩定與高精度的裂縫影象採集。接著對高效、輕量化的深度學習模型展開研究,綜合比較速度和精度選取了最優的網路。最後以一棟實際建築為例驗證整套系統的準確性、高效性和實用性。所設計的吸附式無人機裂縫檢測將在更多的實際工程中應用,並持續最佳化改善,
有望在將來為橋樑、建築等結構的病害檢測提供一個成本低廉、安全高效的智慧檢測工具
。