Page 196 - 道路及桥梁工程检测技术管理

道路及桥梁工程检测技术管理
Technical Management of Road and Bridge Engineering Test

检测方法。首先是探地雷达检测技术，探地雷达主要通过不同频率的雷达天线对
隧道衬砌发射电磁波，当电磁波遇到不同媒介界面时就会有不同的反射以及透射，
并且实时获得雷达图谱，从而对隧道衬砌质量、衬砌裂缝进行检测。陈礼伟介绍

了地质雷达探测的原理和运用中出现的一些问题。其次是红外线热成像和多光谱
分析检测技术，红外线热成像检测技术主要用于隧道衬砌渗漏水方面的检测，其
优点是灵敏度高，在光暗的恶劣条件下也可以正常工作。而多光谱分析方法是采
用多个滤光镜，在隧道衬砌的拍摄过程中拍摄有彩色背景的黑白照片，经过一系

列操作用肉眼识别暗灰色变化的情况。最后是声波检测技术，声波检测技术主要
是通过作业人员人工的振动，向衬砌内部发射声波，然后在声波传递过程中通过
作业人员对其振幅、传播频率以及速度等参数进行观测，对隧道衬砌进行分析，
从而对隧道衬砌的质量进行评定。但声波检测会受到地质环境和空气温湿度等因

素影响，在准确性上具有一定的不确定性。
（二）隧道衬砌裂缝的人工智能检测技术要点
1. 深度学习
深度学习是机器学习领域的一个分支，都属于人工智能领域。深度学习的主

要内容是将大量样本数据通过逐层训练网络，将低层的基础特征传递到高层，经
过一系列运算后得到多层级神经网络，再对样本进行分类和检测。在 2016 年，
人工智能 AlphaGo 在围棋比赛中战胜了人类顶尖围棋选手后，证明了深度学习
的优势和潜力，在此之后深度学习理论逐渐被人们所熟知，深度学习的相关技术

也广泛应用于各研究领域。例如，计算机视觉领域、语音识别领域、自然语言处
理领域等。基于深度学习的目标检测方法也不断涌现。深度学习需要大规模数据
的支撑，近年来有量的公开数据集涌现而出，如 VOC 数据集、MSCOCO 数据集
等，这些公开的数据集为基于深度学习算法的隧道衬砌裂缝检测的模型训练奠定

了良好的基础。
2. 神经网络
20 世纪初，人们开始对生物神经系统建模，最终开启了神经网络算法的研究。
生物大脑的基本单位是神经元，是由多个树突和一个轴突组成的，多个树突接收

信息之后再从轴突输出信息，由若干个神经元连接构成神经网络。McCulloch 等
仿照生物神经元结构，在 1943 年提出了人工神经元模型。人工神经网络是由多
个人工神经元组成的，由多个这样的神经元组成的神经网络模型具备一定的学习

·188·