背景
由重復(fù)載荷和振動(dòng)引起的螺栓自松是削弱土木結(jié)構(gòu)螺栓鋼接頭結(jié)構(gòu)完整性的常見缺陷之一。許多現(xiàn)有的檢測(cè)螺栓松動(dòng)的方法都基于物理傳感器，因此需要廣泛部署傳感器，這限制了它們?cè)诖罅夸摻宇^中經(jīng)濟(jì)有效地檢測(cè)螺栓松動(dòng)的能力。最近，基于計(jì)算機(jī)視覺的結(jié)構(gòu)健康監(jiān)測(cè) (SHM) 技術(shù)由于成本低、易于部署和非接觸式的優(yōu)點(diǎn)，在損壞檢測(cè)方面表現(xiàn)出巨大的潛力。在這項(xiàng)研究中，我們提出了一種使用消費(fèi)級(jí)數(shù)碼相機(jī)的基于視覺的非接觸式螺栓松動(dòng)檢測(cè)方法。在不同的檢查期間首先收集被監(jiān)測(cè)鋼接頭的兩個(gè)圖像，然后通過兩個(gè)圖像配準(zhǔn)過程對(duì)齊。如果螺栓在檢查之間發(fā)生旋轉(zhuǎn)，它將在配準(zhǔn)誤差中引入差異特征，作為螺栓松動(dòng)檢測(cè)的良好指標(biāo)。這種方法的性能和穩(wěn)健性已通過使用三個(gè)實(shí)驗(yàn)室設(shè)置的一系列實(shí)驗(yàn)研究得到驗(yàn)證，包括交叉框架上的角撐板、柱翼緣和梁腹板。提供螺栓松動(dòng)檢測(cè)結(jié)果以便于解釋，以便可以對(duì)檢測(cè)到的松動(dòng)螺栓做出明智的決定。 關(guān)鍵詞：螺栓松動(dòng)檢測(cè)，基于強(qiáng)度的圖像配準(zhǔn)，特征匹配，結(jié)構(gòu)健康監(jiān)測(cè)，結(jié)構(gòu)檢測(cè)，超像素，土木結(jié)構(gòu)，鋼節(jié)點(diǎn)，特征跟蹤 去： 一、簡(jiǎn)介 螺栓鋼接頭是最常見的鋼連接類型之一，已廣泛應(yīng)用于建筑物和橋梁等各種土木結(jié)構(gòu)中。由于螺栓的自松，螺栓連接的鋼接頭在長(zhǎng)期使用期間容易發(fā)生結(jié)構(gòu)損壞，這主要是由重復(fù)載荷和/或振動(dòng)引起的。螺栓松動(dòng)會(huì)導(dǎo)致作用在接頭上的夾緊力損失，進(jìn)一步導(dǎo)致剛度下降和潛在的結(jié)構(gòu)故障 [1]。因此，及時(shí)監(jiān)測(cè)螺栓的健康狀況對(duì)于結(jié)構(gòu)完整性至關(guān)重要，因?yàn)榭梢栽阡摻宇^達(dá)到臨界條件之前進(jìn)行適當(dāng)?shù)母鼡Q或改造。
人工目視檢查已普遍應(yīng)用于檢測(cè)土木結(jié)構(gòu)中的螺栓松動(dòng)。例如，美國(guó)聯(lián)邦公路管理局 (FHWA) [2] 要求對(duì)美國(guó)公路橋梁進(jìn)行兩年一次的例行檢查。受過訓(xùn)練的橋梁檢查員在檢查期間目視檢測(cè)和記錄橋梁的各種結(jié)構(gòu)缺陷，包括螺栓松動(dòng)。然而，人工檢查是勞動(dòng)密集型的且效率較低，因?yàn)槁菟赡茉趦纱螜z查之間松動(dòng)。更重要的是，由于檢查員之間檢查技能和解釋數(shù)據(jù)的能力不一致，檢查結(jié)果可能包含錯(cuò)誤。例如，Graybeal 等人。 [3] 進(jìn)行了一項(xiàng)實(shí)驗(yàn)研究，以評(píng)估橋梁檢查員在美國(guó)賓夕法尼亞州中南部和弗吉尼亞州北部使用橋梁的檢查技能。對(duì)于特定的螺栓松動(dòng)缺陷，42 名檢查員中只有 19 名成功確定了缺陷。 先進(jìn)的螺栓松動(dòng)檢測(cè)技術(shù)已經(jīng)在結(jié)構(gòu)健康監(jiān)測(cè)（SHM）和無損檢測(cè)（NDT）領(lǐng)域得到發(fā)展。
Yang 和 Chang [4] 提出了一種基于衰減的診斷方法，通過超聲波技術(shù)來檢測(cè)太空作業(yè)車輛的螺栓松動(dòng)。趙等人。 [5]采用基于壓電的傳感器網(wǎng)絡(luò)來識(shí)別飛機(jī)機(jī)翼鉚接面板的損壞。 Okugawa [6] 通過智能洗衣機(jī)應(yīng)用了類似的基于壓電的方法。此外，吳等人。 [7] 開發(fā)了一種基于射頻識(shí)別 (RFID) 的傳感方法來檢測(cè)煤礦結(jié)構(gòu)中的螺栓松動(dòng)。然而，這些方法的成功依賴于人工操作和/或傳感器部署的大量工作，這對(duì)于快速檢查土木結(jié)構(gòu)中的螺栓鋼接頭可能成本高昂且靈活性較差。參考文獻(xiàn) [8] 對(duì)螺栓松動(dòng)檢測(cè)的各種技術(shù)進(jìn)行了全面的文獻(xiàn)綜述。 由于低成本、易于部署和非接觸式的優(yōu)點(diǎn)，基于計(jì)算機(jī)視覺的技術(shù)在 SHM 社區(qū)中受到了極大的關(guān)注。已經(jīng)報(bào)道了幾種基于視覺的方法，用于在全球和局部范圍內(nèi)監(jiān)測(cè)土木結(jié)構(gòu)的健康狀況?；谝曈X的 SHM 最近的一些應(yīng)用包括結(jié)構(gòu)系統(tǒng)識(shí)別 [9,10,11]、位移監(jiān)測(cè) [12,13,14]、災(zāi)后結(jié)構(gòu)分類 [15]、損傷檢測(cè) [16] 和疲勞裂紋鑒定 [17,18]。此外，當(dāng)配備自主平臺(tái)時(shí)，例如無人機(jī) (UAV)，基于視覺的 SHM 可以為結(jié)構(gòu)檢查帶來更高的靈活性和成本效益。最近，無人機(jī)已應(yīng)用于結(jié)構(gòu)系統(tǒng)識(shí)別 [19]、建筑物結(jié)構(gòu)檢查 [20]、水處理廠 [21]、橋梁 [22] 等。在 [23] 中可以找到對(duì)土木結(jié)構(gòu)中基于視覺的 SHM 的最新評(píng)論。 盡管最近基于視覺的 SHM 取得了成功，但在基于視覺的螺栓松動(dòng)檢測(cè)的背景下發(fā)現(xiàn)的工作有限。文獻(xiàn)中報(bào)道的早期相關(guān)工作由 Park 等人完成。 [24] 和 Park 等人。 [25]。
在這兩項(xiàng)研究中，采用基于霍夫變換的邊緣檢測(cè)技術(shù)來提取多幅圖像中螺栓螺母的邊界?？梢酝ㄟ^識(shí)別邊界的旋轉(zhuǎn)來檢測(cè)松動(dòng)的螺栓。然而，所描述的方法可能依賴于大量操作來比較螺母旋轉(zhuǎn)前后的螺母邊界（即邊緣），這將限制其自動(dòng)處理大量圖像的靈活性。查等人。 [26,27,28] 將機(jī)器學(xué)習(xí)與基于視覺的螺栓尺寸提取相結(jié)合，引入了一種檢測(cè)松動(dòng)螺栓的穩(wěn)健方法。 [26] 中的研究報(bào)告基于一小組訓(xùn)練圖像的檢測(cè)準(zhǔn)確率為 87.5%，包括四個(gè)松動(dòng)和四個(gè)擰緊的螺栓。然而，需要先了解螺栓的損壞狀態(tài)（即松動(dòng)螺栓和擰緊螺栓的分類）來訓(xùn)練分類器，并且在具有不同尺寸或形狀的新型螺栓的情況下必須重復(fù)訓(xùn)練過程.
本文提出了一種新的基于視覺的螺栓松動(dòng)檢測(cè)方法，該方法使用圖像配準(zhǔn)。不是根據(jù)螺栓頭 [26] 的尺寸找到螺母邊界的旋轉(zhuǎn) [24] 或構(gòu)建分類器，而是將不同檢查周期的圖像直接映射到同一坐標(biāo)系中，并揭示由松動(dòng)螺栓引起的差異特征可以形成一個(gè)更直接的解決方案。與之前基于視覺的螺栓松動(dòng)檢測(cè)方法相比，我們的方法不需要大量的操作來尋找螺母邊界的旋轉(zhuǎn)，也不需要關(guān)于被監(jiān)測(cè)結(jié)構(gòu)（例如螺栓類型）或螺栓損壞狀態(tài)的先驗(yàn)知識(shí)。在這些方面，我們的方法對(duì)于工程應(yīng)用將更加靈活和具有成本效益。還提供了這種方法的檢測(cè)結(jié)果，以便于解釋，以便可以做出直接可行的決定來執(zhí)行基于條件的維護(hù)程序。 本文的其余部分組織如下：第 2 節(jié)展示了所提出的方法及其技術(shù)細(xì)節(jié)；第 3 節(jié)通過三個(gè)實(shí)驗(yàn)測(cè)試驗(yàn)證了該方法；第 4 節(jié)進(jìn)一步研究了所提出方法的穩(wěn)健性；第 5 節(jié)討論了計(jì)算成本和限制；第 6 節(jié)總結(jié)了這項(xiàng)研究。 去： 2. 方法論 圖 1 展示了我們方法的整體方法論，并在本節(jié)的其余部分進(jìn)行了詳細(xì)討論。
舉例來說，假設(shè)螺栓鋼接頭在兩個(gè)檢查周期進(jìn)行評(píng)估，并且螺栓 2 在檢查間隔期間松動(dòng)。兩個(gè)輸入圖像，表示為圖像 1 和 2，在兩個(gè)檢查周期由數(shù)碼相機(jī)收集。由于兩幅圖像的相機(jī)姿態(tài)不一定相同，通過重疊兩幅輸入圖像直接識(shí)別旋轉(zhuǎn)螺栓將具有挑戰(zhàn)性。這通過圖像 1 和 2 之間的強(qiáng)度比較得到證實(shí)，其中完全匹配像素的強(qiáng)度表示為 0（黑色），不匹配像素的強(qiáng)度在 1 到 255（灰色到白色）范圍內(nèi))，加深了他們之間的差異。