[发明专利]一种评估水泥混凝土道面裂缝产生FOD风险的方法和装置

说明书

本发明公开了一种评估水泥混凝土道面裂缝产生FOD风险的方法，包括：利用图像分割提取可见光图像中裂缝投影轮廓，获得裂缝投影区域S₁；利用图像分割提取热红外能量分布图像的能量与背景能量之间的差值，并获取与背景能量的比值大于预设的阈值I_threshold的区域，并记为水泥混凝土热红外辐射异常区域S₂；将水泥混凝土热红外辐射异常区域S₂投影至裂缝投影区域S₁上，在水泥混凝土热红外辐射异常区域S₂上除去裂缝投影区域S₁，以得到裂缝边缘水泥混凝土内部损坏区域ΔS；沿裂缝的长度方向以均匀间距D切分裂缝边缘水泥混凝土内部损坏区域ΔS，得到数个损坏区域ΔS_i；统计任一损坏区域ΔS_i的面积，根据损坏区域ΔS_i的面积大于预设的剥落风险阈值ΔS_threshold的数量评估风险。

技术领域

本发明涉及机场道面技术领域，尤其是一种评估水泥混凝土道面裂缝产生FOD风险的方法和装置。

背景技术

FOD(Foreign Object Debris)即可能损伤航空器的某种外来的物质、碎屑或物体。在水泥混凝土道面裂缝在承受飞机载荷时在裂缝边缘产生应立集中效应，容易导致混凝土在裂缝边缘处剥落，从而产生影响飞机运行安全的FOD。目前，现有技术中的机场仅能通过雷达波、视觉、激光等方式检测已经生成的FOD，或通过对裂缝宽度或所在部位以人工经验的方式评估裂缝产生FOD的风险，很难保障飞机运行安全。目前，已经生成的FOD很容易被检测获知，在机场道面，产生未知的FOD部分是道面混凝土的裂缝承受飞机载荷后产生的。

如专利申请号为“201910358360.1”、名称为“基于卷积神经网络的FOD检测方法”的中国发明专利，其主要基于Faster R-CNN算法框架为输入图像生成目标候选区域同时采用DenseNet代替传统的VGG16-Net进行特征提取，可以大大减少网络参数和充分利用目标特征，有利于小尺寸FOD的检测。该技术还改进了RPN层中分类的损失函数，使用Focal Loss来优化正负样本的权重，使得训练结果聚焦在样本中难以分类的小尺寸FOD目标上。

再如专利申请号为“201711015466.9”、名称为“一种机场跑道FOD异物检测方法”的中国发明专利，其由图像质量评价、图像质量矫正增强、物体识别三个步骤组成；该技术方案引入了跑道图像质量评价及增强手段，通过对该跑道图像的特征进行分析，对图像的质量进行评价；针对不同质量的图片使用相应的图像增强技术进行增强，最终对图像进行物体识别分析，实现跑道FOD异物的检测。

由此可见，上述技术均检测已经生成的FOD，无法对未产生的物质、碎屑或物体进行预测，而裂缝剥落物料是水泥混凝土道面FOD的重要来源；因此，急需要提出一种逻辑简单、估计可靠的评估水泥混凝土道面裂缝产生FOD风险的方法。

发明内容

针对上述问题，本发明的目的在于提供一种评估水泥混凝土道面裂缝产生FOD风险的方法和装置，本发明采用的技术方案如下：

一种评估水泥混凝土道面裂缝产生FOD风险的方法，采用垂直向下拍摄水泥混凝土道面裂缝的图像的可见光相机和红外热成像仪，并且分别获取可见光图像和热红外能量分布图像；红外热成像仪在晴天日出太阳照射0.5～1小时或日落后0.5～1小时拍摄裂缝的热红外能量分布图像；所述方法包括以下步骤：

利用图像分割提取可见光图像中裂缝投影轮廓，获得裂缝投影区域S₁；

利用图像分割提取热红外能量分布图像的能量与背景能量之间的差值，并获取与背景能量的比值大于预设的阈值I_threshold的区域，并记为水泥混凝土热红外辐射异常区域S₂；