近日,我院魏洋教授团队李扬涛老师联合河海大学赵海涛、包腾飞教授团队及上海遨拓深水装备技术开发有限公司,在人工智能与计算机视觉技术应用于水下混凝土构筑物缺陷检测领域取得进展。相关研究成果已在国际权威期刊《Structural Health Monitoring》、《应用基础与工程科学学报》等发表,相关研究获得国家自然科学基金、江苏省自然科学基金、西藏自治区科技计划等项目资助。
研究团队聚焦涉水混凝土结构水下缺陷智能检测关键问题,围绕数据库构建、识别算法创新与水下机器人平台集成,取得以下四方面重要进展:
涉水混凝土结构缺陷数据库构建
针对大坝、桥梁、水工隧洞等涉水混凝土结构在长期服役过程中存在的隐蔽性病害难以被传统人工检测和工程物探手段准确识别的问题,研究团队从病害成因与类型出发,融合实地采集、开源信息整理及物理模型实验等多种手段,系统构建了涵盖裂缝、凹陷、骨料外露、坑洞等多类典型缺陷的图像数据库SD-ImageNet。该数据库为后续智能识别模型的训练与泛化提供了高质量、丰富多样的数据支撑,为推动水下结构智能检测奠定了坚实基础。
涉水混凝土结构多类别缺陷数据库
混凝土结构缺陷弱监督辨识模型
针对传统深度学习模型数据依赖大、泛化能力弱的问题,提出融合域内与域间迁移学习的两阶段策略,结合深度残差网络ResNet50 与弱监督可视化机制,实现了水下混凝土结构多类别缺陷的高精度辨识与损伤区域的弱监督定位。
水下混凝土结构缺陷的弱监督辨识结果
缺陷实时目标检测模型开发
针对实际应用中的实时性需求,构建了以轻量级YOLOv5网络为基础的水下混凝土结构缺陷检测框架。通过引入模型稀疏化、剪枝策略及知识蒸馏技术,在保障识别精度的同时,实现模型推理速度的显著提升,适用于水下复杂环境下的在线缺陷实时检测。
复杂水下场景混凝土结构缺陷目标检测结果
混凝土结构缺陷尺寸量化评估
针对结构缺陷尺寸量化的关键需求,结合深度学习目标检测与红外激光测距方法,构建了涉水混凝土结构缺陷的几何参数识别与定量评估模型。研究表明,该方法在遮挡、低照度、浑浊水体等复杂环境中能够稳定提取缺陷尺寸信息,误差控制可满足工程需求。
水下混凝土结构缺陷尺寸量化分析
该研究方法已通过与上海遨拓深水装备技术开发有限公司的合作,成功集成于搭载多类声光学传感器的水下机器人(ROV)平台,并在混凝土重力坝、市政管网及长距离引水隧洞等多类实际工程中完成验证。在不同水深、复杂水环境及低可见度等工况下,系统可实现结构缺陷的非接触式高分辨率检测,精准识别多类别缺陷。通过定性分析与定量评估相结合的系统实验,验证了构建方法在实际工程中的适应性与有效性。
水下机器人搭载声光学传感器开展水下缺陷信息采集
团队将进一步拓展人工智能与计算机视觉技术在风电、海洋、核电等复杂水下场景中的应用,推动多源传感数据融合感知与智能决策,探索涉水混凝土结构智能检测与健康监测的可持续发展路径。
供稿、供图:李扬涛;初审:李强;终审:柳任飞;编辑:许历隆