Nowe narzędzia do inspekcji, diagnostyki i oceny istniejących obiektów mostowych

Zautomatyzowana inspekcja

W publikacji [51] zaproponowano schemat zautomatyzowanych inspekcji infrastruktury lądowej. Schemat ten obejmuje cztery główne części. Pierwsza to ogólny wstęp i opracowanie zbiorów wzorcowych danych do trenowania nadzorowanych metod głębokiego uczenia się DLM (ang. deep learning methods). Druga część odnosi się już do analizowanego obiektu i obejmuje pozyskiwanie danych z uszkodzonych konstrukcji za pomocą UAV. Następnie w oparciu o DLM następuje analiza w celu wydobycia pożądanych informacji, tj. lokalizacji uszkodzeń, materiałów i rodzaju elementów, na których wystąpiły uszkodzenia, oraz wreszcie samych rodzajów uszkodzeń. Ostatnim elementem jest wizualizacja wyników, aby nadać im formę odpowiednią do wglądu przez inspektorów w celu umożliwienia podjęcia dalszych decyzji. Schemat ogólnej opracowanej procedury inspekcji przedstawiono na rys. 2.

Zastosowanie w SHM

Testy laboratoryjne i terenowe opisywanych wyżej technologii potwierdzają ich potencjał zastosowań w monitoringu technicznym obiektów mostowych. Wszechstronność technologii rozpoznawania obrazu wynika z możliwości łączenia jej z nowoczesnymi platformami pomiarowymi, takimi jak drony, roboty czy smartfony. Ponadto bezkontaktowe możliwości technologii rozpoznawania obrazu stanowią rozwiązanie w sytuacjach, w których nie można zastosować tradycyjnego sprzętu monitorującego ze względu na utrudniony dostęp. Efektywność oraz niezawodność oprogramowania analitycznego i uzyskiwanych za jego pomocą wyników odnoszących się do geometrii została wielokrotnie potwierdzona poprzez porównanie danych uzyskanych ze standardowych czujników przemieszczeń lub odkształceń oraz symulacje numeryczne. Postępy dokonane w DIC w ciągu ostatnich trzech dekad, takie jak ulepszenia aparatów cyfrowych i algorytmów analitycznych, sprawiły, że technologia rozpoznawania obrazu stała się solidną i dojrzałą technologią. Coraz częściej jest stosowana w pomiarach ugięcia przęseł przy badaniach statycznych i dynamicznych. Ta technologia ma zastosowanie w analizie konstrukcji, pozostaje wydajnym i wszechstronnym narzędziem do pomiaru deformacji, uzupełnia, a z czasem zastępuje klasyczne kontaktowe technologie SHM.

LiDAR − technologia i platformy skanowania laserowego

W dziedzinie zdalnej inspekcji konstrukcji mostów technologią, która ze względu na szerokie spektrum zastosowań również zyskuje coraz większą popularność, jest czujnik LiDAR. Określenie „LiDAR” oznacza wykrywanie światła i określanie odległości, a jego zasada działania wykorzystuje wiązki światła do uchwycenia geometrii otaczającego środowiska. Rejestracja następuje na dwa sposoby. Pierwszy to pomiar czasu przebiegu wiązki światła odbitego. Drugi to analiza przesunięcia fazowego fali światła − czujnik szacuje współrzędne punktu danych na podstawie przesunięcia fazowego, jakiego doświadcza fala świetlna między momentem opuszczenia i powrotu do skanera. W obu przypadkach skaner rejestruje również poziome i pionowe kąty emitowanej wiązki, aby ostatecznie obliczyć lokalizację punktu danych. Czujniki LiDAR mogą być stosowane na trzech różnych platformach. Pierwsza to naziemny skaner laserowy TLS. Skaner jest umieszczony w stałym punkcie (czujnik jest nieruchomy), z którego następuje skanowanie zadanego obszaru. Kolejne obszary mogą być ze sobą łączone poprzez wynajdywanie wspólnych punktów. Korzystanie z pozycjonowania GPS nie jest wymagane. Druga to mobilny skaner laserowy MLS na pojeździe naziemnym, który przejeżdża nad i pod (jeśli to możliwe) mostem w celu zeskanowania jego geometrii. W przykładowych zastosowaniach pojazd może analizować 1000 punktów/m² [52], przeskanować 150 mil dziennie [53]. Do rejestracji zebranych danych wymagane jest użycie GPS-u [54].Trzecią platformą jest ALS − platforma powietrzna zwykle montowana na samolotach i dronach. Rejestruje się tu największą ilość danych, biorąc pod uwagę ruch platformy [54]. W tym przypadku również konieczne jest użycie GPS-u.

Technologie hybrydowe

Technologie i platformy do zautomatyzowanej kontroli mostów bardzo często można łączyć, aby osiągnąć jeszcze lepsze wyniki. W publikacji [55] przedstawiono badanie, w którym geometria mostu jest rekonstruowana przy użyciu trzech różnych technologii: fotogrametrii z UAV, TLS i LiDAR z UAV. Zgodnie z oczekiwaniami dokładność modelu TLS jest najlepsza, następnie UAV-LiDAR i wreszcie fotogrametria UAV. W tym badaniu użyto UAV-LiDAR Zenmuse L1 LiDAR, który jest czujnikiem opracowanym specjalnie dla dronów DJI. W publikacji [56] przedstawiono opracowanie zautomatyzowanej metody wykrywania pęknięć mostów przy użyciu zarówno czujników LiDAR, jak i kamery w świetle widzialnym. W tym przypadku LiDAR jest używany do rekonstrukcji 3D, segmentacji obrazu/chmury punktów oraz etykietowania różnych elementów mostu. Do wykrywania pęknięć są używane już tylko obrazy. W publikacji [57] przedstawiono metodę inspekcji mostów z wykorzystaniem różnych czujników zainstalowanych na UAV, takich jak LiDAR, kamera w świetle widzialnym i kamera termowizyjna. Systemy LiDAR ze względu na wielokrotny indywidualny pomiar (skanowanie wiązką lasera) wymagają więcej czasu na akwizycję danych, a bezpośrednim rezultatem jest chmura indywidualnie pomierzonych punktów. Gdy łączone są z platformą UAV − najbardziej dynamiczną pod względem przemieszczania się − mamy do czynienia z pomiarem SfM (z ang. structure from motion). Taka akwizycja z założenia musi zajmować mało czasu, co z kolei wymusza trudniejszą i mniej dokładną rekonstrukcję obrazu na podstawie zarejestrowanych danych − nie jest ona tak efektywna jak w przypadku platformy stacjonarnej [58]. Rozdzielczość punktowa uzyskana dzięki SfM jest porównywalna z triangulacją laserową. Zależy od rozdzielczości kamery i liczby zdjęć użytych do modelowania 3D. W przykładowym odniesieniu uzyskiwania geometrii betonowych mostów kolejowych w publikacji [58] oceniono wydajność trzech metod obrazowania geometrycznego 3D: LiDAR-a, fotogrametrii oraz skanowania w podczerwieni zintegrowanego z kamerą 3D. Wyniki ilustruje rys. 3. Rezultaty pokazują, że wszystkie testowane podejścia można wykorzystać do tworzenia modeli 3D, chociaż w różnym stopniu kompletności. LiDAR i fotogrametria dały znacznie lepsze (z większą rozdzielczością) dane niż skanowanie w podczerwieni. Gęstsze chmury punktów poprawiają wizualizację, ale wymagają więcej czasu na przetwarzanie i więcej miejsca na przechowywanie danych.