洛桑联邦理工学院土木工程专业的一名硕士生评估了基于计算机的新方法检查混凝土潜在危险裂缝的有效性。

一个至关重要的方面土木工程正在确定混凝土桥梁、水坝、隧道和其他类型基础设施中裂缝的确切状况。先进的技术，特别是人工智能，可以使检查工程师的任务变得更轻松，但如何最有效地部署它呢？雨果·尼克 (Hugo Nick) 打算用他的作品来回答这个问题。硕士项目（法语），与洛桑联邦理工学院建筑、土木与环境工程学院 (ENAC) 的结构混凝土实验室 (IBETON) 联合开展。

“钢筋混凝土中出现裂缝是正常现象，这些裂缝会根据它们所承受的荷载类型而张开或闭合，”IBETON 的博士助理、尼克的项目主管之一恩里克·科雷斯·索霍 (Enrique Corres Sojo) 说道。“棘手的部分是了解裂缝是否有潜在危险以及是否存在任何相关风险。”

如今，工程师使用以下方法检查结构肉眼以及小尺子等简单的测量工具。但这些方法有时可能不准确。“而且它们不能用于检查人员难以到达的区域，”尼克说。这就是自动裂纹检测方法被开发出来并被快速采用的原因。

尼克已经毕业，现在在瓦莱州的一家土木工程公司工作，他测试了其中两种新的自动化方法（其中一种是洛桑联邦理工学院发明的），并评估了每种方法的优缺点。

小规模复制品

第一种方法称为数字图像相关性，主要在实验室中进行，以极其准确而闻名。它涉及建造小型或大型混凝土结构的复制品，并在其上施加负载以人为地产生裂缝。工程师采取数字图像在整个过程中，从载荷首次施加到结构上到结构断裂。

这些图像通过特殊软件运行，其中算法分析裂纹出现之前拍摄的基线图像和变形可见的第二图像，并识别两幅图像之间的参考点。该信息用于生成裂缝的位移场和变形场，让工程师清楚地了解裂缝如何打开。

第二种方法称为有限段边缘和全边缘方法，是由 EPFL 地震工程和结构动力学实验室 (EESD) 开发的。仍处于实验阶段，检查人员只需拍摄一张他们在现场发现的裂缝的照片。“然后检测算法使用人工智能分析图片，”尼克解释道。“该算法实际上是一个神经网络它经过数千张图片的训练，可以预测裂缝检测。检查人员开始在现场测试这种方法，它有几个优点。”

用智能手机拍摄的照片

作为研究的一部分，尼克开始记录第二种方法的功能。具体来说，他想确定可以使用什么类型的相机，裂纹图片应该有多少像素，以及应该在多远的距离拍摄图片才能获得最佳效果。他发现，如果裂纹开口至少具有 3 像素分辨率，则算法可以正常工作，并且算法的准确性取决于像素大小。“我计算出，要获得 0.3 毫米裂缝的准确读数，我需要将相机保持在 35 厘米的距离，”尼克说。

他的测试证实这是一种很有前途的方法，因为它易于使用，可以通过智能手机使用，并且在无人机的帮助下适用于难以到达的区域。也就是说，该算法的准确性仍然需要有所提高，特别是对于非常小的裂缝。总体而言，数字图像相关性更可靠。

展望未来，这两种方法将帮助检测工程师收集有关钢筋混凝土结构一般状况的更完整的数据。“通过使用自动裂纹检测系统，我们可以减少错误和不准确的数量，并使检查更快、更精确，”尼克说。“但是需要进一步研究来开发可靠的方法用于确定现场裂缝的危险程度。”