滑鐵盧大學的研究人員近日開發了一種新系統，該系統使用人工智慧來處理坑窪和其他道路問題。人工智慧將使用安裝在車輛上的攝像機收集的影象來幫助人們識別問題。城市可以使用該系統自動查詢和標記這些地點，而不是手動掃描道路上的問題。

坑窪和裂縫是需要修復的道路和橋樑上的兩個常見問題，特別是在冬季結冰等之後。雖然由於司機的抱怨而經常發現和解決大問題，但許多小問題可能會被忽視，直到它們的規模增大，這增加了修復它們的成本。

在小城市，這些道路問題通常是派遣工作人員來尋找。較大的城市通常會派遣帶有攝像頭的車輛來記錄道路，將資料傳遞給人工分析員，人工分析師會手動對其進行分類，從而解決問題。在後一個例子中，滑鐵盧的自動化系統可以取代人類團隊，以更快的速度完成艱苦的工作。

對於那些可能在規模增長之前節省資金並更有效地修復小問題的城市來說，這是個好訊息。這樣做可以降低成本，從而減少維修所需的資金。研究人員表示，他們的系統至少在準確性上與人類分析師相當，同時能夠進行更頻繁的監測。

該系統不需要任何特殊的攝像頭; 事實上，該大學表示，城市可以在車輛上安裝手機，並使用日常操作中收集的資料來為人工智慧系統提供資訊。該系統還可以適用於使用由無人機收集的影象來評估橋樑。

不請自來，剛好我們有做過AI檢測的專案，那就讓我從技術角度來談談裂縫檢測技術吧。

由於道路建設中存在的不良行為以及車輛超載、自然及環境等因素的影響，容易導致路面的持久承重能力不足，出現裂縫。傳統的檢測方法主要是靠人工檢測，測量精度差、 檢測效率低，同時檢測人員會有安全隱患。

採用傳統的檢測方法很難檢測出其特徵，現在多采用自動檢測的方法對路面裂縫的損害進行，一般分為以下幾種型別：

影象處理是指利用掃描器、數字攝像機等裝置對待檢測路面進行影象取樣，經過數字化處理之後得到一個外部資訊的二維陣列。[1]

一般採取影象採集和灰度化、以3×3視窗進行中值濾波去噪、採用最大類間方差法進行閾值分割提取裂縫、計算影象裂縫面積和長度及寬度。

傳統的數字影象處理演算法主要是使用Canny等邊緣檢測演算法提取裂縫的邊緣特徵，並基於所提取的特徵求取裂縫的寬度，根據寬度來評估裂縫的變化和危害大小。

而在檢測中容易出現由於晃動和噪聲等干擾以及演算法自身的缺陷引起的檢測誤差，從而不能達到很好的效果。

CT技術的工作原理是將X線從不同角度射向被檢測物體，然後利用專用的探測儀器記錄衰減後的X線，並將探測到的訊號傳輸到計算機，然後透過計算機分析檢測資料，三維重建混凝土檢測物表面，並最終透過二維或三維灰度影象來輸出檢測結果，方便檢測人員直觀檢測。

一般來說CT檢測物件為三維物體，所以如果面對二維影象，可能存在一定誤差。

基於結構光的非接觸測量技術是一種常用的裂縫檢測技術。[2]

該技術的工作原理是將線狀的結構光投射到被測物體的表面上，由於物體表面高低不平或者存在裂縫，投射到物體上的光條會在凹陷或凸起處發生一定的變形，併產生陰影。

然後利用電子光學感測器採集影象，透過計算機對光條影象進行分析，就能獲得物體表面的三維資訊。

最後對提取到的三維資訊進行分析，獲得物體表面裂縫所在的位置。

結構光檢測法的缺點是：需要緩慢地在被檢測物表面平行掃描，因此一般都需要專門的檢測裝置，可能會影響效率。

類似的監測技術還有其它如基於超聲波的裂縫檢測技術，基於紅外熱成像[3]的方法，這裡就不做詳細的說明了，如果有人感興趣可以上網查查。

如果你們仔細看下來，會發現上面的檢測技術都需要一些極其昂貴的裝置作為支援，而且中間在進行各種影象的轉化太過耗時。

為了節省成本，更精確，快速地檢測影象中的裂縫，我們公司自己研發了一套“數字化AI檢測保護系統”。

首先將數字下射影像圖(DOM)存於正射影像圖資料庫，作為資料來源。

然後，對影象進行高斯變換提取裂縫資訊，對變換後的影象進行閾值分割得到裂縫的二值影象；

其次，根據裂縫的顏色和結構資訊利用基於連通域度量的方法去除虛假目標，然後採用深度學習的方法，對於每一個裂縫進行處理，進行確認與分裂。

數字化AI檢測保護系統透過聯網檢測更新道路狀態報告，一旦檢測到裂紋的變化及時向工作人員報警。

參考文獻：

[1]張娟,沙愛民,高懷鋼.基於數字影象處理的路面裂縫自動識別與評價系統[J].長安大學學報(自然科學版)，2004，24(2)：18-22.

[2]孫曉明. 基於結構光的公路路面裂縫檢測關鍵技術研究[D]. 哈爾濱工業大學, 2012.

[3]鄧安仲, 趙啟林, 李勝波,等. 混凝土裂縫紅外熱成像分散式監測技術研究[J]. 建築材料學報, 2013, 16(2):284-288.