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，美國聯(lián)邦公路管理局 (FHWA) [2] 要求對(duì)美國公路橋梁進(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。