近日，同济大学工程风险研究团队黄宏伟教授、周鸣亮副教授、汪长松博士研究生等在《Tunnelling and Underground Space Technology》期刊上发表了题为“Compressive strength detection of tunnel lining using hyperspectral imagesand machine learning”的研究论文，报道了使用高光谱图像和机器学习无损检测隧道衬砌的抗压强度的新成果。

  传统的隧道衬砌强度检测技术多为接触式，检测效率相对较低。本研究创新性地提出了一种从机器视觉角度快速检测隧道混凝土衬砌强度的高光谱成像方法。

  高光谱成像（HSI）是一种非侵入性技术，与可见光波段（400-700 nm）的RGB图像不同，高光谱图像提供从可见光到近红外（400-1700 nm）的连续光谱。高光谱图像是一个三维数据立方体（图1），对于给定的像素，高光谱成像可以在捕获二维像素空间的同时生成一维连续反射率光谱。不同波长的反射率曲线称为光谱特征，由材料的物理化学性质决定。因此，可以通过采集混凝土衬砌结构的反射光谱来分析混凝土衬砌的强度特性。

  本研究旨在利用便携式高光谱相机捕捉光学反射光谱来确定混凝土衬砌结构的抗压强度。论文基本思路如下：开发了一种基于混凝土高光谱数据的抗压强度识别框架（图2），采用各种机器学习算法建立光学反射光谱与混凝土抗压强度之间的对应关系。具体而言，在室内使用不同类型的硅酸盐水泥制备具有不同强度梯度的混凝土试件。在此基础上，通过收集每组样品的高光谱图像，系统测试了其抗压强度（图3），并采用分类算法和机器学习算法建立高光谱数据与其抗压强度之间的关系（图4）。最后，在盾构隧道模型现场验证了利用高光谱成像（HSI）技术检测隧道衬砌强度的可行性（图5，图6）。

图1 高光谱成像的工作原理

图2 高光谱图像的数据处理框架

图3 不同混凝土强度试样的反射光谱

图4 采用KNN模型进行抗压强度的高光谱特征分类结果

图5 采用高光谱相机进行盾构模型衬砌强度现场检测

图6 现场采用高光谱成像预测的衬砌抗压强度结果

  本研究利用高光谱相机采集了不同强度混凝土试件的高光谱图像，探索了混凝土强度在高光谱反射特征中的分类特性，提出了一种基于高光谱图像和机器学习算法的盾构隧道混凝土抗压强度机器视觉检测方法，为地下混凝土结构的抗压强度自动化无损检测提出了有前景的方向。

第一作者

黄宏伟 教授

主要从事岩土与地下基础设施的安全风险管控理论方法与多识智慧感知技术的研究

邮箱：huanghw@tongji.edu.cn

第二作者和通讯作者

汪长松 博士研究生

主要从事地下混凝土结构智能感知技术与安全分析的研究

邮箱：cswang@tongji.edu.cn

第三作者

周鸣亮 副教授

主要从事多相场岩土与地下工程安全分析研究

邮箱：zhoum@tongji.edu.cn

第四作者

曲立清 教授级高工

青岛国信集团总工程师，主要从事海底隧道施工风险管理研究

邮箱：qdqlqing@sina.com

文献引用：

Huang, H., Wang, C., Zhou, M., Qu, L. Compressive strength detection of tunnel lining using hyperspectral images and machine learning. Tunnelling and Underground Space Technology, 2024, 153:105979.

原文链接与二维码：

二维码：

原文链接：https://doi.org/10.1016/j.tust.2024.105979

撰稿：汪长松

编辑：陈辉浩

校对：章艺严

审核：申轶尧