钢桥密集螺栓异常状态视觉识别方法_H.docxVIP

第44卷，第5期202

第44卷，第5期2023年9月

Vol.44No.5September，2023

CHINARAILWAYSCIENCE

文章编号2023引用格式：王保宪，欧丙泽，赵维刚，等.钢桥密集螺栓异常状态视觉识别方法［J］.中国铁道科学，2023，44（5）：8193.

Citation：WANGBaoxian，OUBingze，ZHAOWeigang，etal.VisualRecognitionMethodforAbnormalStatesofDenseBoltsforSteelBridges［J］.ChinaRailwayScience，2023，44（5）：8193.

钢桥密集螺栓异常状态视觉识别方法

王保宪1,2，欧丙泽3，赵维刚1,2，谭兆4，秦守鹏4

（1.石家庄铁道大学河北省大型结构健康诊断与控制重点实验室，河北石家庄050043；

2.石家庄铁道大学省部共建交通工程结构力学行为与系统安全国家重点实验室，河北石家庄050043；

3.石家庄铁道大学电气与电子工程学院，河北石家庄050043；

4.城市轨道交通数字化建设与测评技术国家工程研究中心，天津300308）

摘要：针对传统机器视觉方法无法从不同拍摄视角和拍摄距离的图像中较好地识别出异常螺栓的问题，依据钢桥密集螺栓区域自身视觉特点，提出基于区域异常点分析的密集螺栓异常状态视觉识别方法。该方法首先提取和比对图像蓝色和红色通道灰度，完成梁体颜色分割，并运用选定的Canny算子提取梁体区域内边缘，采用Hough线识别方法剔除杂波；其次依据密集螺栓呈现簇状分布特点，运用密度聚类分析定位螺栓簇区域，并依据密集螺栓位置呈现平行网格分布的特点，运用投影分析定位单个螺栓区域；然后依据各螺栓的阴影特征，利用切比雪夫不等式快速判定螺栓状态，完成螺栓异常识别；最后，制作钢桥节点板模型，采集不同螺栓松动或脱落图像，对该方法进行测试。结果表明：该方法对图像拍摄视角和距离的适用度高，对螺栓脱落的识别能力优于对螺栓松动的识别；不同场景下单个螺栓定位的平均交并比大于0.75，且螺栓脱落和松动识别的准确率和召回率分别在0.89和0.85以上。

关键词：钢桥；螺栓；脱落；松动；视觉识别；密度聚类分析；投影分析

中图分类号：TP391.41；U446文献标识码：Adoi：10.3969/j.issn.2023.05.09

由于钢桥具有自重轻、跨越能力大、施工快捷等优点，已被广泛应用于大跨桥梁中［1］。随着交通运输量骤增，钢桥服役状态日趋严峻。大跨钢桥结构多由螺栓完成构件间的固定与连接，螺栓松动或脱落将影响钢桥结构安全性。因此钢桥螺栓异常状态识别已成为钢桥巡检工作的一项重点内容。由于钢桥节点板区域分布大量螺栓，且螺栓松动或脱落一般随机地发生在密集螺栓区中的任意一两处，这导致螺栓松动或脱落识别很困难。目前针对螺栓异常状态识别问题，国内外学者提出了多种方法，基本可分为传感器识别和机器视觉识别2类。

传感器识别需在螺栓附近布设传感器进行异常状态识别。邵俊华等运用压电阻抗频率变化分析技

术，通过压电传感器测量螺栓区域螺栓松动前后的阻抗变化，可实现螺栓松动识别［2］。王刚等借助压电传感器采集Lamb波信号，提取螺栓松动特征参数并建立高斯混合模型，判定监测区域内的螺栓松紧状态［3］。由于钢桥螺栓数量众多，上述2种方法需要铺设大量传感器耗时耗力且成本高。Zhang等利用锤子敲击螺栓区域并通过回声信号分析判定螺栓是否松动，但是该方法无法给出异常螺栓的位置［4］。相比于接触式传感器识别方法，机器视觉识别主要通过相机拍摄螺栓区域后，利用视觉分析方法判定所拍摄区域内螺栓是否发生松动或脱落。Cha等利用内六角螺栓外观特征，采用霍夫圆识别方法定位螺栓并通过二分类技术识别螺栓帽高度变

收稿日期修订日期基金项目：国家重点研发计划课题（2022YFB2603303）；国家自然科学基金资助项目；中国国家铁路集团有限公司实验室基础研究项目（L2021G013）；河北省