科创中国

建筑业

地铁隧道结构病害的检测基本都采用人工巡检方法，检测劳动量大，主观性较大，检测效率低，结果精度差，还不能记录和分析病害的时间演化规律，无法适应大规模运营隧道结构安全的需求。这套检测系统能够有效降低隧道地铁养护检查、评估的技术难度，辅助提高养护效率及客观程度，提升地铁隧道管养的智能化水平。 谢海波的机器视觉团队在高耸结构外观检测的基础上，结合地铁隧道特点研发了一套多相机组成的隧道自动检测车，该新型检测车的研发成功，得益于环形空间图像的自动拼接算法，拼接技术算法研究成功实现将车载线阵相机转换为高精度的面阵相机，不仅大幅提高了精度，节省成本，提高效率，而且变为高精度彩色图像数据；为后续病害自动识别提供了更好的环境和条件。隧道检测车，图像拼接算法和病害自动识别算法这三部分的深入研究和开发，组成了这套地铁隧道机器视觉的检测系统。

本项目共产出科研论文1篇，获授权发明专利1项，项目成果获2018年湖南省科技发明一等奖，团队负责人谢海波多次在大型国有企业，多所高校的论坛大会作发言；项目视频在B站发表，2022年5月迎来24万人观看留言收藏，在深度学习栏目排名第一。

长沙理工大学教师，1980年出生，博士，硕士研究生导师，主要研究方向：基于图像技术的结构健康监测和结构变形监测，桥梁隧道施工控制等。带领研究团队历经7年研发了基于图像技术的高耸结构物外观检测方法。团队采用远距离图像数据采集技术，避免高空作业和现场交通封闭，实现了自动化数据采集；采用图像处理技术，将结构物合成一张立面高清图，实现了同步图像拼接，即采集完成图像拼接工作完成，极大提高了效率；采用了图像矫正技术，实现了图像尺寸数据的矢量化，实现病害图像的大小、位置等信息的准确自动标注；开发了桥梁病害人工智能自动识别技术，通过人工智能进行边缘检测-图像分割-小图像建立图像库-机器学习建模，实现了病害自动识别，避免了大量人工标识病害工作；建立基于大数据和互联网，实现了桥梁病害的“云监测”，解决了传统检测碎片化病害图像和无法准确溯源问题；采用“互联网+”技术，历次病害检测数据都可以轻易获取，可随时随地查看、对比和统计，实现大跨度桥梁科学管养，为桥梁健康状况评估和抗力预测提供大数据模型。