文摘gydF4y2Ba

本文提出的框架内缺陷的自动检测和定位桥甲板。利用探地雷达(GPR)原始扫描,这个框架是由使用分形特征提取算法来检测缺陷区域和反褶积算法使用banded-independent成分分析(ICA)减少反射之间的重叠和估计的雷达电波传播时间和深度的缺陷。结果表明,缺陷的估计水平位置和深度在2下降?厘米精度(76.92%)和1 ?c米(84。62% accuracy) from their actual values.

1。介绍gydF4y2Ba

探地雷达(GPR)是一种非破坏性技术,创建了一个连续的二维横截面图像扫描介质及其内部对象。探地雷达天线传输电磁波的极化脉冲扫描介质部分这些辐射减弱由于自然吸收。在两个电不同材料(即之间的边界。,different dielectric constants or electrical conductivities), some radiations reflect back while the rest refract and continue their penetration. The A-scan and B-scan are the two commonly used formats for raw GPR data presentation. The A-scan, also known as a trace, is obtained by placing the GPR antenna above the target surface and recording reflected signals. The B-scan, also known as a line scan, is obtained by moving the GPR antenna over the target surface and recording the reflected signals at regular intervals. Each column of the B-scan is a single A-scan taken at a specific location.

根据由美国土木工程师协会2006年的一项研究,29%的桥梁在美国被认为是结构缺陷或功能过时由于过期维护gydF4y2Ba1gydF4y2Ba]。可以使用探地雷达探测缺陷混凝土桥甲板(gydF4y2Ba2gydF4y2Ba,gydF4y2Ba3gydF4y2Ba]。大桥中最常见的缺陷是分层和气孔。分层导致钢筋腐蚀由于水分和除冰盐导致裂缝面发展。这导致concrete-air-concrete接口创建的原始地质雷达扫描。图gydF4y2Ba1gydF4y2Ba显示了一个模拟混凝土桥面与嵌入式已知缺陷(分层和空间)。gydF4y2Ba

图gydF4y2Ba2gydF4y2Ba是一个模拟桥面的探地雷达扫描。在这个图中,三个边界所示:air-surface混凝土边界产生的自耦乐队,concrete-rebar边界导致双曲线弧和混凝土底座边界导致不连续的片段从目标反射后钢筋山峰下掩饰了他们强烈的反射。分层white-black-white反射如图gydF4y2Ba2gydF4y2Ba。充气空洞有黑白反射电磁波传播以来由于逆相从高到低介电常数材料(concrete-air接口)。gydF4y2Ba

使用探地雷达的主要挑战桥面条件评估是需要一名有经验的操作人员可以手动解释原始扫描并确定缺陷类型和位置。因为缺陷有不规则形状的不同从他们周围介质折射率,他们成为新的对象或层地质雷达扫描。因此,自动化检测过程需要一种特征提取方法,可以有效地模型不同类型的不规则形状,减少了计算的需要。gydF4y2Ba

在桥面使用探地雷达的报道工作条件评估可以分为三组:人工分析、信号和图像处理、和逆散射方法。人工分析方法是费时,检测过程的准确性取决于技术人员的训练有素的眼睛gydF4y2Ba2gydF4y2Ba,gydF4y2Ba3gydF4y2Ba]。第二组涉及使用信号和图像处理的方法检测和/或描述地下缺陷(gydF4y2Ba4gydF4y2Ba- - - - - -gydF4y2Ba8gydF4y2Ba]。不幸的是,没有提出方法能够提供缺陷坐标。逆散射方法使用时域有限差分法作为地下通过近似物理几何建模工具,材料属性和嵌入式目标(gydF4y2Ba9gydF4y2Ba]。不幸的是,大多数发达大桥模型没有确认实际数据来评估他们的表现在地下的缺陷检测。同时,模型没有本地化和描述地下开发的缺陷。gydF4y2Ba

提出了一个自动算法确定缺陷的坐标大桥仅使用底层的快,不需要培训算法使用其他扫描。因此,该算法可以节省时间和精力参与检查和提供了一个更精确的条件评估方法。gydF4y2Ba

2。背景gydF4y2Ba

2.1。分形分析gydF4y2Ba

这个词gydF4y2Ba分形gydF4y2Ba详细描述了对象在不同的尺度。大多数自然让大桥形状缺陷等是复杂的,有不规则的边缘。因此,需要一个数学工具描述异质性古典欧几里德几何学失败时的对象模型。gydF4y2Ba

分形集可分为自相似集和自仿集。自相似集描述数据重复自己(或数据)时不同的轴是放大了相同的因素自仿集描述数据,保留其形状(或数据)只有当不同的轴比例不同。数学上,如果一个信号gydF4y2Ba结构的分形特性,那么它应该满足规模下的标度律转换(gydF4y2Ba)gydF4y2Ba 在哪里gydF4y2BaHgydF4y2Ba赫斯特指数。如果gydF4y2BaHgydF4y2Ba等于1呢gydF4y2Ba是一个自相似函数,否则这将是一个自仿函数。一个信号,gydF4y2BaHgydF4y2Ba会在吗gydF4y2Ba将显示在(gydF4y2Ba9gydF4y2Ba)。gydF4y2Ba

所需要的独立变量数描述一组点集的拓扑维数。Hausdorff-Besicovitch维度(HBD)的分形集是一个分数大于其拓扑维数,可以用来测量不规则的集合。在实践中,很难衡量一个分形集的HBD在其严格的定义gydF4y2Ba10gydF4y2Ba]。因此,在文献中提出了几种方法来近似,如分形布朗运动(fBm),盒计数法(BCM)和赫斯特法(HM) [gydF4y2Ba10gydF4y2Ba]。将这些方法应用于同一组并不一定导致相同的估计分形维数(FD)的价值。这些差异是由于所使用的估计算法的特定方法是依赖于应用程序的。预处理阶段,我们表演之间的fBm相比,BCM,嗯,发现fBm是最适合GPR数据(gydF4y2Ba11gydF4y2Ba]。gydF4y2Ba

对于一个信号来说,估计分形维数将在1和2之间的范围。如果估计FD接近1,将出现“高相关性(光滑的信号)。如果估计FD接近2,要有一个较高的负相关(非光滑信号)。图gydF4y2Ba3gydF4y2Ba显示了两个痕迹提取图快gydF4y2Ba2gydF4y2Ba。第一个是提取缺陷区域的中心,而第二个是提取其边缘。痕迹都拓扑维数为1,这意味着传统欧几里德几何无法区分它们。另一方面,这两个痕迹有不同的分形维值较高的第一个。换句话说,估计分形维数描述信号方差和时间尺度之间的关系。gydF4y2Ba

粗糙度和拓扑的接口在扫描记录介质是印在探地雷达的痕迹,这些痕迹是自仿函数的时间(gydF4y2Ba12gydF4y2Ba]。许多fractal-based算法提出了在文献中识别目标从原始地质雷达扫描等复杂的跟踪分析(gydF4y2Ba13gydF4y2Ba和分形布朗运动gydF4y2Ba14gydF4y2Ba]。gydF4y2Ba

2.2。反褶积gydF4y2Ba

原始地质雷达跟踪gydF4y2Ba由一系列的反射脉冲,每个脉冲的延迟和衰减版本初始发射脉冲gydF4y2Ba。这可以建模为一个卷积混和发射脉冲的脉冲响应(入射脉冲)和扫描的混凝土板gydF4y2Ba所示(gydF4y2Ba2gydF4y2Ba),导致一个方程两个未知数每反映了地质雷达跟踪:gydF4y2Ba

这样的问题可以解决使用反褶积过程减少反射从密集目标之间的重叠和恢复扫描板的脉冲响应。在文献中提出了许多反褶积算法如奇异值分解(计算)gydF4y2Ba15gydF4y2Ba),子集选择反褶积算法(SSDA)和banded-ICAgydF4y2Ba16gydF4y2Ba,gydF4y2Ba17gydF4y2Ba),最大熵的盲反褶积(gydF4y2Ba18gydF4y2Ba),拟牛顿盲反褶积(gydF4y2Ba19gydF4y2Ba),等等。gydF4y2Ba

六种不同的反褶积方法包括Wiener-based方法检查(gydF4y2Ba7gydF4y2Ba]。认为是同态反褶积超过所有其他的技术。另一个比较不同的反褶积方法如维纳、同态,圣言,SSDA,离散小波变换提供了我们的探地雷达数据(gydF4y2Ba20.gydF4y2Ba]。总结道,圣言会优于其他算法,获得的测量(嵌入式目标及其深度)的振幅恢复脉冲响应的扫描介质中使用计算更接近实际测量与其他算法的结果进行比较。gydF4y2Ba

卷积的过程(gydF4y2Ba2gydF4y2Ba)可以使用矩阵建模操作gydF4y2Ba在卷积矩阵gydF4y2BaFgydF4y2Ba被定义为gydF4y2Ba 在哪里gydF4y2Ba西北gydF4y2Ba是入射脉冲矢量的样品数量gydF4y2Ba,gydF4y2BangydF4y2Ba地质雷达跟踪的样品数量吗gydF4y2BaggydF4y2Ba,gydF4y2Ba代表时间指数gydF4y2Ba。gydF4y2Ba

2.3。ICAgydF4y2Ba

独立分量分析是一种统计技术,可用于分解信号来源gydF4y2Ba在观察到的信号gydF4y2Ba。配备(gydF4y2Ba2gydF4y2Ba),通过假设源信号的非高斯分布和统计独立同分布(先验知识)在不同的时间,线性ICA算法(gydF4y2Ba)可用于模型(gydF4y2Ba2gydF4y2Ba)的探地雷达跟踪被定义为gydF4y2Ba,其脉冲响应gydF4y2Ba,混合矩阵gydF4y2Ba一个gydF4y2Ba等于卷积矩阵gydF4y2BaFgydF4y2Ba(gydF4y2Ba)。统计独立同分布在不同的时间信号描述是指假设每个信号都有相同的分布和其他信号,信号是相互独立的。自扫描混凝土板的一个脉冲响应信号是稀疏信号表示的分层结构板,它有一个高斯分布,从而满足同时要求条件。gydF4y2Ba

利用先验信息的本质卷积矩阵(即。,banded matrix), the blind deconvolution problem can be converted into a blind source separation problem. However, this represents a single-input single-output ICA model which is inadequate for the underlying problem since statistics of the independent components cannot be characterized. In order to form a multidimensional ICA model (),时滞的版本gydF4y2Ba和gydF4y2Ba可用于构建多维矩阵根据gydF4y2Ba

不幸的是,这两个方程对ICA模型不足的前几行/列gydF4y2Ba年代gydF4y2Ba和gydF4y2BaXgydF4y2Ba有几个非零元素意味着统计独立的组件不能限制由于缺乏信息。为了克服这一挑战,一个近似的卷积模型提出了解决信息的缺乏问题,丢弃前几排的gydF4y2BaXgydF4y2Ba和gydF4y2Ba年代gydF4y2Ba因此减少新鲜感元素在前几行gydF4y2Ba16gydF4y2Ba,gydF4y2Ba17gydF4y2Ba,gydF4y2Ba21gydF4y2Ba]。因此,(gydF4y2Ba4gydF4y2Ba)可以写成gydF4y2Ba 大小近似的卷积模型(gydF4y2Ba米gydF4y2Ba)小于地质雷达跟踪的大小(gydF4y2BangydF4y2Ba)。许多ICA估计方法在文献中已经报道如灵活ICA (gydF4y2Ba22gydF4y2Ba),复杂的ICA (gydF4y2Ba23gydF4y2Ba),和高效的FastICA (EFICA)这是一个统计上有效版本的FastICA算法增加了计算的复杂性gydF4y2Ba24gydF4y2Ba]。然而,它具有优异的分离性能,在文献[gydF4y2Ba24gydF4y2Ba,gydF4y2Ba25gydF4y2Ba]。gydF4y2Ba

许多banded-ICA反褶积算法提出了deconvolve GPR痕迹(gydF4y2Ba17gydF4y2Ba,gydF4y2Ba26gydF4y2Ba,gydF4y2Ba27gydF4y2Ba]。报道,估计独立组件是一个延迟版本的原始信号阻止准确的深度估计。另外,最好的价值gydF4y2Ba米gydF4y2Ba确定手动为每个案件或假定的长度等于相应的地质雷达跟踪(gydF4y2BangydF4y2Ba)。banded-ICA算法优于圣言会和SSDA算法deconvolving GPR扫描模拟混凝土桥甲板(gydF4y2Ba16gydF4y2Ba),然而,最好的价值gydF4y2Ba米gydF4y2Ba确定手动为每个跟踪限制缺陷检测过程的完全自动化。gydF4y2Ba

2.4。深度估计gydF4y2Ba

有不同的方法来估计目标深度从地面实况等地质雷达扫描(速度分析)、绝缘表和双曲线形状分析(gydF4y2Ba28gydF4y2Ba]。由于混凝土的介电常数的范围gydF4y2Ba电介质表的方法假设了介电常数的值为6.25,接近速度的雷达电波通过媒介使用(这个方程是获得(gydF4y2Ba8gydF4y2Ba))gydF4y2Ba 在哪里gydF4y2BacgydF4y2Ba光速在真空(2.998×10gydF4y2Ba^8gydF4y2Ba? m / s)和gydF4y2BaegydF4y2Ba是介电常数。一个缺陷的深度决定gydF4y2Ba 在哪里gydF4y2Ba代表目标介质的折射率,gydF4y2BaegydF4y2Ba代表扫描介质的介电常数,gydF4y2Ba是它的相对渗透率,然后呢gydF4y2Ba之间的往返旅行时间源和缺陷。大桥,gydF4y2Ba因此约等于一个gydF4y2Ba。这里值得国家,介电表的方法是最简单但最精确的方法(gydF4y2Ba28gydF4y2Ba]。gydF4y2Ba

双曲线形状分析方法,对雷达波的速度估计基于双曲反射的形状在RADAN使用迁移功能,一个软件包开发专门为探地雷达数据GSSI Inc . (gydF4y2Ba29日gydF4y2Ba]。如果扫描介质材料介电常数较低,高的雷达电波传播速度导致广泛的双曲线。这种方法不需要先验知识目标的深度(如钢筋)来估计速度,但需要一个熟练的操作员使用RADAN手动分析探地雷达扫描。由于钢筋的深度在大桥,速度分析方法将用于这个工作估计缺陷的深度。gydF4y2Ba

3所示。缺陷检测和建模框架gydF4y2Ba

拟议的框架由三个阶段来识别和定位缺陷具体如图gydF4y2Ba4gydF4y2Ba:一个分形特征提取分析阶段,banded-ICA阶段反褶积的缺陷区域痕迹,和速度分析阶段估计缺陷的深度。作为预处理步骤,执行零校正原始B-scans上的第一部分涉及删除快到第一个积极的峰值地面反射。这一步的目的是使深度估计对地面线。gydF4y2Ba

3.1。Fractal-Based特征提取gydF4y2Ba

在这项工作中,fractal-based特征提取(FBFE)算法并应用于每一个快的a扫描提取。FBFE正常化后可以归纳为如下步骤的所有痕迹为零的意思。gydF4y2Ba(1)gydF4y2Ba根据扫描特征向量构造方法(见图gydF4y2Ba1(一)gydF4y2Ba)。在测线垂直于钢筋,占主导地位的反思是钢筋和目标上面最强的反射来自缺陷如图gydF4y2Ba2gydF4y2Ba。测线平行于钢筋时,大部分的反思与钢筋从更深层次的对象反射最小化,将显示在图gydF4y2Ba13gydF4y2Ba。这些差异导致我们寻求不同的特征向量描述痕迹。gydF4y2Ba(一)gydF4y2Ba垂直于钢筋进行扫描时,第一特征向量,gydF4y2Ba,包括时域统计特征,如分形维数(FD)、均方根(RMS),能源,和数量的局部极大点(峰值)。RMS和能源是决定从探地雷达跟踪和DFT值实部。第二个特征向量,gydF4y2Ba、包含的价值总和峰在每个局部极大点的值。gydF4y2Ba(b)gydF4y2Ba扫描时钢筋平行,第一特征向量,gydF4y2Ba,构造相同的方式在上面(a)中,但没有能量特性,因为它被证明是无效的缺陷和正常痕迹而第二个矢量特性,gydF4y2Ba鼻中隔黏膜下切除术后广场,包含的意思是根()的每个探地雷达跟踪视为一个合理的妥协之间的几何和算术方法gydF4y2Ba30.gydF4y2Ba]。gydF4y2Ba(2)gydF4y2Ba分形布朗运动的方法用于估计分形维数的GPR痕迹gydF4y2Ba(gydF4y2Ba17gydF4y2Ba]。的双对数图gydF4y2Ba和步长,gydF4y2Ba,获得不同的步长值gydF4y2BaFD,和分形维数估计gydF4y2Ba 在哪里gydF4y2Ba是赫斯特指数获得的线性部分的斜率使用最小二乘方法拟合数据点之间的界线。通常情况下,gydF4y2BaHgydF4y2Ba将小更多的不规则信号导致更高的FD值。自gydF4y2BaHgydF4y2Ba从线性段,估计误差gydF4y2BaHgydF4y2Ba估计会有微小的影响估计FD价值。gydF4y2Ba(3)gydF4y2Ba每个特征向量是一个列特性矩阵gydF4y2Ba和gydF4y2Ba。gydF4y2Ba(4)gydF4y2Ba平均值和标准偏差向量(gydF4y2Ba,gydF4y2Ba,gydF4y2Ba,gydF4y2Ba)计算特征矩阵的所有行gydF4y2Ba和gydF4y2Ba。gydF4y2Ba(5)gydF4y2Ba段长度的指数大于一个阈值gydF4y2BaTgydF4y2Ba相应的特征向量gydF4y2Ba是大于gydF4y2Ba和相应的特征向量gydF4y2Ba矩阵小于gydF4y2Ba在哪里gydF4y2Ba被认为是有缺陷的区域。gydF4y2Ba(6)gydF4y2Ba中心跟踪每个缺陷段内贴上缺陷的列号。把它列的总数快和乘以快的长度,确定缺陷的水平位置gydF4y2Ba 在哪里gydF4y2Ba代表缺陷的列号gydF4y2Ba代表总列数快根据扫描(300 - 375)gydF4y2Ba代表了快在厘米的长度。gydF4y2Ba

使用大量的评估措施本文评估了FBFE算法的分类性能。我们定义假阴性FN的情况下未能发现缺陷和假阳性FP的情况下宣布nonexisting缺陷。精确的定义是根据(gydF4y2Ba11gydF4y2Ba),而回忆是根据定义(gydF4y2Ba12gydF4y2Ba)如下:gydF4y2Ba 在哪里gydF4y2BaTPgydF4y2Ba代表数量的正确分类的缺陷。gydF4y2Ba

3.2。使用Banded-ICA反褶积gydF4y2Ba

我们banded-ICA算法的修改版本之前开发的算法(gydF4y2Ba16gydF4y2Ba]。在当前版本中,我们为了增加稀疏估计独立的组件,这样他们的模型的分层结构扫描介质。同时,最高的独立分量稀疏被选为最佳人选在当前版本更有效的标准是用于选择最佳人选,将步骤(5)所示。最后,卷积模型的大小gydF4y2Ba米gydF4y2Ba自动确定每个跟踪参数的解释分析,在“卷积模型的大小。“这可以归纳为如下步骤。gydF4y2Ba(1)gydF4y2Ba让gydF4y2BaxgydF4y2Ba代表一个缺陷跟踪的FBFE算法。gydF4y2Ba(2)gydF4y2Ba混合矩阵gydF4y2BaXgydF4y2Ba根据构造(gydF4y2Ba5gydF4y2Ba)。gydF4y2Ba(3)gydF4y2Ba自源信号(脉冲响应)估计是稀疏的,由一系列尖锐的峰值与它们之间相对平坦区域(代表的分层结构扫描混凝土甲板),分离矩阵gydF4y2Ba被初始化为单位矩阵。gydF4y2Ba(4)gydF4y2Ba而变换用于美白混合矩阵gydF4y2BaXgydF4y2Ba如下:gydF4y2Ba 在哪里gydF4y2Ba代表的意思是混合矩阵gydF4y2BaXgydF4y2Ba和gydF4y2BaCgydF4y2Ba代表其协方差矩阵。美白的步骤是一个解相关过程,结果在一个身份协方差矩阵。gydF4y2Ba(5)gydF4y2BaEFICA用于增白混合矩阵分解为了恢复gydF4y2Ba米gydF4y2Ba独立的组件。选择的独立组件(最佳人选)是满足下列条件。gydF4y2Ba(一)gydF4y2Ba它应该有一个最低数量的峰值gydF4y2Ba(因为这个缺陷可以从目标下面具反射)所定义的gydF4y2Ba 在哪里gydF4y2Ba接口的数量在扫描混凝土板。gydF4y2Ba(b)gydF4y2Ba它应该导致最小均方误差(MMSE)据gydF4y2Ba 在哪里gydF4y2BaggydF4y2Ba探地雷达跟踪和吗gydF4y2Ba代表卷积过程之间的估计入射脉冲探地雷达天线gydF4y2BafgydF4y2Ba和当前估计独立的组件或其水平翻转的版本,gydF4y2Ba,尽管gydF4y2Ba。gydF4y2Ba

3.3。深度估计使用速度分析gydF4y2Ba

velocity-analysis-based深度估算方法可以给出如下。gydF4y2Ba(1)gydF4y2Ba最初的总范围的地质雷达跟踪10 ? ns。应用零点校正步骤后,新的总探地雷达跟踪发现使用的范围gydF4y2Ba 在哪里gydF4y2Ba代表的长度跟踪零校正后,gydF4y2Ba代表的原始长度跟踪,gydF4y2Ba代表的总范围。gydF4y2Ba(2)gydF4y2Ba扫描的雷达电波通过层介质速度可以近似用(gydF4y2Ba17gydF4y2Ba根据()(gydF4y2Ba8gydF4y2Ba)),指出钢筋的深度,gydF4y2Ba在混凝土桥甲板是众所周知的:gydF4y2Ba 在哪里gydF4y2BaVgydF4y2Ba在cm / s的速度,gydF4y2Ba在cm中钢筋深度,gydF4y2Ba钢筋的往返旅行时间。gydF4y2Ba(3)gydF4y2Ba使用(gydF4y2Ba8gydF4y2Ba),实际缺陷的深度估计。的deconvolved峰值跟踪与地面线一一对应,缺陷,钢筋,和底部的模拟甲板如图gydF4y2Ba8gydF4y2Ba。钢筋的往返旅行时间gydF4y2Ba和缺陷gydF4y2Ba确定为gydF4y2Ba 在哪里gydF4y2Ba和gydF4y2Ba代表相应的峰值位置的对象(钢筋或缺陷),gydF4y2Ba代表deconvolved跟踪长度,新的总范围gydF4y2Ba是定义在(gydF4y2Ba16gydF4y2Ba)。gydF4y2Ba

4所示。实验结果gydF4y2Ba

4.1。实验装置gydF4y2Ba

两个15吗?c米deep concrete slabs were constructed to simulate bridge decks: one with several embedded defects of known dimensions and locations as shown in Figure1gydF4y2Ba和一个没有缺陷。PVC管和泡沫塑料块用于模型空隙和分层缺陷,分别为(gydF4y2Ba2gydF4y2Ba]。板是114吗?厘米长,114 ?c米wide, and 15?cm deep with one bottom layer of rebar in both directions spaced at 15?cm on center and placed 6?cm and 7.5?cm deep with rebar cover of 6?cm. The simulated bridge decks are an accurate model of a single layer of rebar in reinforced concrete slabs where a single layer of rebar is a mesh of perpendicular steel bars embedded parallel to the concrete's surface at a single depth. While the rebar location in the concrete deck may vary from one bridge to another, it is known to the user from the bridge design documents (prior information). Additionally, the types and behavior of expected defects in bridge decks are also known. Therefore, simulating the defects is a reasonable approach in developing the algorithm using laboratory experiments.

1.5吗?5100 GHz (GSSI模型)收发分置的天线用于扫描的混凝土板介电常数设置为6.25 (gydF4y2Ba31日gydF4y2Ba]。十四扫描(贴上扫描1到14)每个长度94 ?c米were collected of which five for the normal slab and nine for the defective one.

4.2。缺陷检测算法的结果gydF4y2Ba

数据gydF4y2Ba5(一个)gydF4y2Ba,gydF4y2Ba5 (b)gydF4y2Ba,gydF4y2Ba5 (c)gydF4y2Ba,gydF4y2Ba5 (d)gydF4y2Ba显示正常扫描(扫描,扫描,扫描4,和扫描8)与测线垂直于钢筋图gydF4y2Ba5 (e)gydF4y2Ba(12)扫描显示正常的快与测线平行于钢筋。gydF4y2Ba

图gydF4y2Ba5 (f)gydF4y2Ba(13)扫描显示地质雷达扫描数据与嵌入式分层缺陷,蒙面反射从第三钢筋。声明的任何有缺陷的部分提出fractal-based特征提取算法在应用上述扫描。图的分层缺陷gydF4y2Ba5 (f)gydF4y2Ba几乎不可见的低对比度周边背景。因此,提出FBFE算法不能够发现这个缺陷。gydF4y2Ba

表gydF4y2Ba1gydF4y2Ba显示的结果提出FBFE算法应用到九个有缺陷的扫描。该方法检测八的九缺陷扫描。此外,估计和实际之间的平均差异水平位置的八扫描是1.77吗?厘米,表明该算法在该领域的适用性。同时,FBFE算法能够检测和马克有缺陷的区域只使用底层快而无需B-scans算法训练的数量。gydF4y2Ba

表gydF4y2Ba2gydF4y2Ba显示假阳性、假阴性精度,精度和召回FBFE算法应用14扫描。表显示,它有一个零误报率,假阴性率低,精度高。gydF4y2Ba

fBm方法需要转移的区别版本的信号与原始信号覆盖大部分的“变化和结果如表测量精度高gydF4y2Ba2gydF4y2Ba所示。gydF4y2Ba

的明显缺陷痕迹FBFE方法被用于反褶积过程减少反射从相邻目标之间的重叠和估计的往返旅行时间和嵌入的缺陷和钢筋。速度分析方法用于估计深度(cm)检测到的缺陷如表所示gydF4y2Ba3gydF4y2Ba。如表所示,估计在所有扫描深度在1.3吗?厘米的实际深度。同时,实际和估计深度之间的平均差异都扫描是0.58吗?厘米,显示了该方法的鲁棒性。gydF4y2Ba

生快作为输入,应用特征提取算法后跟banded-ICA反褶积算法是有缺陷的区域。图gydF4y2Ba6(一)gydF4y2Ba显示原始快(2)扫描与嵌入式空隙缺陷位于第六个和第七双曲线之上。图gydF4y2Ba6 (b)gydF4y2Ba显示的扫描处理有缺陷的区域部分标记。图gydF4y2Ba7(一)gydF4y2Ba显示原始快(5)扫描和两个嵌入式分层缺陷。第一个缺陷是比另一个浅和部分重叠的黑色部分地面耦合乐队,而第二个缺陷位于第六双曲线正上方。图gydF4y2Ba7 (b)gydF4y2Ba显示两个缺陷区域的扫描处理成功的标志。gydF4y2Ba

图gydF4y2Ba8(一个)gydF4y2Ba展示了一个生快(扫描6)嵌入了一个浅空隙缺陷与黑色重叠部分的地面耦合乐队。图gydF4y2Ba8 (b)gydF4y2Ba显示的扫描处理有缺陷的区域是成功的标志。图gydF4y2Ba9(一个)gydF4y2Ba显示原始快(扫描7)和两个嵌入式分层缺陷,第一和第二双曲线上方第一个比第二个缺点是浅。图gydF4y2Ba9 (b)gydF4y2Ba显示两个缺陷区域的扫描处理成功的标志。gydF4y2Ba

图gydF4y2Ba10 ()gydF4y2Ba展示了一个生快(扫描9)与浅嵌入式空隙缺陷,部分重叠的黑色部分地面耦合乐队。图gydF4y2Ba10 (b)gydF4y2Ba显示的扫描处理有缺陷的区域是成功的标志。图gydF4y2Ba(11日)gydF4y2Ba展示了一个生快(扫描10)和两个嵌入式分层和空隙缺陷。分层缺陷的对比度较低,因此几乎不可见而空隙缺陷有很强的反射和浅比分层缺陷。图gydF4y2Ba11 (b)gydF4y2Ba显示了处理扫描缺陷都成功的标志。gydF4y2Ba

图gydF4y2Ba12(一个)gydF4y2Ba展示了一个生快(扫描11)和两个嵌入式分层缺陷。图gydF4y2Ba12 (b)gydF4y2Ba显示了处理扫描,其中第一和第二缺陷区域成功和部分标记。图gydF4y2Ba(13日)gydF4y2Ba展示了一个生快(扫描14)和两个嵌入式分层和空隙缺陷。图gydF4y2Ba13 (b)gydF4y2Ba显示了处理扫描缺陷都部分标记。gydF4y2Ba

没有在文献中讨论的方法是能够提供缺陷坐标(gydF4y2Ba4gydF4y2Ba- - - - - -gydF4y2Ba8gydF4y2Ba]。我们建议的框架定位缺陷桥甲板。这个框架使用几个参数影响的性能和精度结果如介电常数的值,最小缺陷段长度,大小的卷积模型和参数α。我们选择这些参数值可以证明如下。gydF4y2Ba

介电常数gydF4y2Ba
介电常数反映了通过扫描速度对雷达波的媒介。介电常数的值越大表明慢旅行时间,因此浅渗透。深度估计精度取决于介电常数的正确选择在数据收集过程中(gydF4y2Ba8gydF4y2Ba)表示。如果使用值的介电常数gydF4y2Ba在数据收集过程中不同于适当的值gydF4y2Ba的?,那么估计深度将不同于实际的深度所示gydF4y2Ba
一个可能的方式寻找合适的值gydF4y2Ba通过测量速度是通过扫描的雷达电波媒介使用迁移函数由RADAN [gydF4y2Ba29日gydF4y2Ba]。双曲线拟合在一个钢筋双曲线,,通过扫描雷达电波中估计的速度(见双曲形状分析方法在5页)。gydF4y2Ba
估计速度的雷达电波找到构造板12 ?厘米/ ns。因此,介电常数gydF4y2Ba
自混凝土板同质材料、介电常数不随深度变化显著(相对于土壤)。因此,假设一个恒定值介电常数的混凝土板不应影响深度估计精度(gydF4y2Ba31日gydF4y2Ba]。gydF4y2Ba

最小缺陷段长度gydF4y2Ba
最密集的推荐数量的扫描每厘米混凝土结构使用1.5 ?4 GHz天线扫描每厘米(gydF4y2Ba28gydF4y2Ba]。探地雷达天线设置为数据收集过程中每厘米3.3扫描。这个数的确定是基于天线频率估计的规模最小的目标,和估计的深度最浅的目标。最小的缺陷嵌板是3.81吗?厘米宽。理想情况下,gydF4y2BaTgydF4y2Ba应该是3.3 * 3.81 = 12.5或更少的最小检测缺陷的预期。自提出FBFE算法可以发现缺陷的部分地区(见图gydF4y2Ba13gydF4y2Ba)由于这一事实,一个有缺陷的区域可能有更强的反射部分比其他部分,阈值,gydF4y2BaT,gydF4y2Ba设置为7能够检测缺陷区域和2一样小吗?厘米。这个定义的参数可以调整根据应用程序自然。gydF4y2Ba

卷积模型的大小gydF4y2Ba
的变量gydF4y2Ba米gydF4y2Ba代表独立的组件的数量恢复期间反褶积的一步。四个缺陷痕迹预处理形成一组典型值gydF4y2Ba米gydF4y2Ba根据gydF4y2Ba,在那里gydF4y2Ba和gydF4y2BangydF4y2Ba代表了跟踪的长度。为每个新缺陷跟踪deconvolved,的价值gydF4y2Ba米gydF4y2Ba最小均方误差(MMSE),根据(gydF4y2Ba15gydF4y2Ba),被选中。该算法的目的是有一些数量的痕迹(每一个对应于一个有缺陷的区域中心)从整个deconvolved快。每个不同的物体在不同深度缺陷跟踪模型。因此,使用四个典型值gydF4y2Ba米gydF4y2Ba是更有效的比使用单一值。gydF4y2Ba

参数α(gydF4y2Ba一个gydF4y2Ba)gydF4y2Ba
的价值gydF4y2Ba一个gydF4y2Ba用于使算法在估计痕迹特征的均值之间的距离在一个地区的利益和所有痕迹的平均特性快。图gydF4y2Ba(14日)gydF4y2Ba显示分布的分形维数特征扫描10的意思是快的所有功能gydF4y2Ba和标准偏差gydF4y2Ba。图gydF4y2Ba14 (b)gydF4y2Ba显示了RMS的分布特性,gydF4y2Ba和gydF4y2Ba,图gydF4y2Ba14 (c)gydF4y2Ba显示了能量的分布特性,gydF4y2Ba和gydF4y2Ba。图gydF4y2Ba14 (d)gydF4y2Ba显示数量的局部极大点的分布特性,在哪里gydF4y2Ba和gydF4y2Ba。这些数据显示,统计特性用于特征提取算法是分布在一个小范围的意思,因此,意味着是一个很好的衡量大桥的模拟数据。我们发现从预处理,如果gydF4y2Ba一个gydF4y2Ba是在一个距离的标准差的意思是所有功能的快,那么这就足以声明一个地区有缺陷,导致gydF4y2Ba。这使得该算法来检测缺陷区域只使用底层快而无需使用其他B-scans训练算法。因此,任何的价值gydF4y2Ba一个gydF4y2Ba在上面可以使用范围。在这项工作中,我们选择gydF4y2Ba。gydF4y2Ba

5。结束语gydF4y2Ba

自动缺陷检测和定位框架混凝土桥甲板了。该框架包括三个算法:(1)fractal-based特征提取算法检测有缺陷的区域;(2)banded-ICA反褶积算法减少重叠反射从密集目标和恢复旅行时间与检测到的缺陷和钢筋;(3)速度分析方法估计检测缺陷的深度。这个框架是实现和测试使用14原始地质雷达扫描两种模拟15 ?厘米的混凝土桥桥面与已知的缺陷类型和位置;五14的正常板,和其余的都是有缺陷的。九个缺陷扫描包含14个有缺陷的区域。gydF4y2Ba

在边界(例如,改变材料,水分)之间(即两个电不同材料。,different dielectric constants or electrical conductivities), some of the transmitted GPR radiations reflect back while the rest refract and continue their penetration. The reflected radiations at the boundaries appear as spikes in the impulse response of the scanned medium, making the detection of these layers (and potentially defects) possible.

结果表明,FBFE算法检测到十三14缺陷区域的平均差异实际和估计的水平位置1.77 ?cm导致精度高、召回和精度。结果还表明,FBFE算法具有低假阴性和假阳性。提出FBFE算法能够检测和马克有缺陷的区域只使用底层与不需要快一些B-scans算法所需的训练为目的的其他方法。此外,banded-ICA反褶积算法的结果和速度分析方法表明,平均实际区别和估计深度0.58 ?厘米。gydF4y2Ba

最后,当前状态的艺术GPR-based条件评估是专注于识别(全部或部分)的有缺陷的区域没有本地化。我们集成FBFE和banded-ICA框架也能够正确地识别和标签有缺陷的区域(13 fourteen-nine完全和四个部分)。此外,我们能够完全确定9例和缺陷坐标部分马克另外4例。因为我们的终极目标是最大化完整的缺陷检测,未来的工作将集中在进一步改进算法来提高检测结果。gydF4y2Ba

尽管banded-ICA反褶积算法健壮,它是计算要求。因此,未来的工作应该改进它的执行时间和降低其计算复杂度。未来的工作也应该专注于将分类器集成到我们的框架defect-type鉴定。最后,未来的工作将集中在评估和验证该框架使用真实的桥梁的GPR数据。gydF4y2Ba

确认gydF4y2Ba

部分支持西密歇根大学提供的这项工作是fracaa - 2009奖。作者要感谢西密歇根大学的支持和贡献到信息技术和图像分析(ITIA)中心。gydF4y2Ba