杜 翠，劉 杰，程遠(yuǎn)水

（中國(guó)鐵道科學(xué)研究院集團(tuán)有限公司 鐵道建筑研究所， 北京 100081）

21世紀(jì)以來，鐵路建設(shè)正從信息化、數(shù)字化走向智能化。隧道、路基等鐵路基礎(chǔ)設(shè)施的智能診斷，是智能建造技術(shù)的重要組成，為工程質(zhì)量驗(yàn)收提供重要的技術(shù)支撐[1-2]。

探地雷達(dá)（GPR，Ground Penetrating Radar）無損檢測(cè)技術(shù)是高速鐵路路基、隧道襯砌質(zhì)量檢測(cè)的主要手段[3-6]。但在實(shí)際應(yīng)用中，地質(zhì)雷達(dá)數(shù)據(jù)處理還面臨兩個(gè)典型問題：（1）數(shù)據(jù)處理周期長(zhǎng)，檢測(cè)結(jié)果時(shí)效性差；（2）人工解釋雷達(dá)圖像及多解性引起的誤判。因此，針對(duì)探地雷達(dá)數(shù)據(jù)處理存在的問題，對(duì)檢測(cè)數(shù)據(jù)快速處理的關(guān)鍵技術(shù)進(jìn)行攻關(guān)，實(shí)現(xiàn)路基、隧道等鐵路基礎(chǔ)設(shè)施的智能診斷，對(duì)推動(dòng)鐵路智能制造技術(shù)的發(fā)展具有重要的現(xiàn)實(shí)意義。

通過研究和開發(fā)鐵路GPR檢測(cè)數(shù)據(jù)智能管理分析系統(tǒng)，可為鐵路路基、隧道檢測(cè)工程提供項(xiàng)目管理、數(shù)據(jù)管理、快速處理、輔助解釋和統(tǒng)計(jì)分析服務(wù)，提升目前的數(shù)據(jù)管理和數(shù)據(jù)處理解釋的自動(dòng)化、智能化水平，為路基、隧道等鐵路基礎(chǔ)設(shè)施的智能診斷提供重要的技術(shù)支撐。

1 系統(tǒng)需求分析

1.1 GPR數(shù)據(jù)處理流程

GPR數(shù)據(jù)處理是一個(gè)復(fù)雜的過程[7]，不同的探測(cè)介質(zhì)采用的處理流程會(huì)有一定的差異，典型的GPR數(shù)據(jù)處理流程，如圖1所示。外業(yè)進(jìn)行數(shù)據(jù)采集后，內(nèi)業(yè)需根據(jù)現(xiàn)場(chǎng)打標(biāo)記錄、橋隧涵設(shè)備表等信息，進(jìn)行里程校正、試處理、信號(hào)處理、圖像解釋、統(tǒng)計(jì)分析以及檢測(cè)報(bào)告編制等一系列工作。

GPR檢測(cè)采集的數(shù)據(jù)量非常龐大。路基普查約5 GB/100 km，隧道約1.2 GB/ km，與具體的測(cè)線數(shù)量和采集參數(shù)有關(guān)。

圖 1 典型的GPR數(shù)據(jù)處理流程

1.2 GPR數(shù)據(jù)處理需求

目前，數(shù)據(jù)處理通常采用的是雷達(dá)設(shè)備廠商提供的配套軟件。根據(jù)目前軟件存在的問題，總結(jié)鐵路GPR檢測(cè)數(shù)據(jù)智能管理分析系統(tǒng)的需求，主要包括4個(gè)方面。

（1）建立數(shù)據(jù)管理機(jī)制和管理平臺(tái)

數(shù)據(jù)通過拷貝等形式流轉(zhuǎn)，硬盤存儲(chǔ)，效率低風(fēng)險(xiǎn)大，不利于查找和再利用，也給軟件部分自動(dòng)化功能的實(shí)現(xiàn)帶來難度。

（2）增加目前軟件缺失的功能

目前，軟件欠缺里程校正、數(shù)據(jù)統(tǒng)計(jì)、報(bào)告輔助生成等功能，且開發(fā)商通常不提供定制版本，也不提供二次開發(fā)接口，無法對(duì)目前軟件進(jìn)行改進(jìn)。

（3）良好的人機(jī)交互

由于軟件設(shè)計(jì)理念不同，軟件都是針對(duì)一個(gè)文件進(jìn)行精細(xì)處理。如果用于大批量文件的應(yīng)用場(chǎng)景，則存在大量的重復(fù)性操作，影響工作效率。

（4）增加輔助解釋功能

通過人工進(jìn)行圖像解釋，存在效率低、標(biāo)準(zhǔn)不一的問題，使得圖像解釋這一步驟占用了大量的時(shí)間，且存在多次反復(fù)，增加了數(shù)據(jù)統(tǒng)計(jì)和編制報(bào)告的工作量。

2 系統(tǒng)設(shè)計(jì)

2.1 總體架構(gòu)

鐵路GPR檢測(cè)數(shù)據(jù)智能管理分析系統(tǒng)基于B/S模式，采用分層架構(gòu)，如圖2所示。表現(xiàn)層展現(xiàn)用戶界面，負(fù)責(zé)視覺和用戶交互；業(yè)務(wù)邏輯層實(shí)現(xiàn)軟件各類算法；公共組件層為業(yè)務(wù)邏輯層的各個(gè)模塊提供公共服務(wù)；數(shù)據(jù)訪問層用于同數(shù)據(jù)庫進(jìn)行交互，對(duì)數(shù)據(jù)的添加、刪除、修改、顯示等，為業(yè)務(wù)邏輯層或表現(xiàn)層提供數(shù)據(jù)服務(wù)；數(shù)據(jù)層采用Oracle和HDFS組合的方案。

圖 2 系統(tǒng)架構(gòu)

2.2 功能設(shè)計(jì)

根據(jù)GPR數(shù)據(jù)處理流程及系統(tǒng)需求分析，系統(tǒng)功能分為5個(gè)模塊，分別為項(xiàng)目管理、數(shù)據(jù)管理、數(shù)據(jù)處理、圖像解釋、統(tǒng)計(jì)分析。

2.2.1 項(xiàng)目管理

以基礎(chǔ)設(shè)施檢測(cè)項(xiàng)目為核心，對(duì)項(xiàng)目相關(guān)的靜態(tài)、動(dòng)態(tài)數(shù)據(jù)進(jìn)行信息化管理。靜態(tài)數(shù)據(jù)包括基礎(chǔ)設(shè)施的設(shè)計(jì)資料、 施工資料等，動(dòng)態(tài)數(shù)據(jù)包括GPR原始數(shù)據(jù)、處理后數(shù)據(jù)、典型圖像、異常信息等。

此外，為保證數(shù)據(jù)處理的客觀性，該模塊還設(shè)計(jì)了任務(wù)分配功能，項(xiàng)目管理員將項(xiàng)目涉及的GPR文件匿名分配至處理人員，并可查看數(shù)據(jù)處理進(jìn)度。

2.2.2 數(shù)據(jù)管理

實(shí)現(xiàn)雷達(dá)原始文件上傳、采集記錄上傳、數(shù)據(jù)下載等功能。因各類基礎(chǔ)設(shè)施檢測(cè)涉及到多種雷達(dá)品牌和型號(hào)，其文件格式各不相同。在此模塊下，原始文件上傳后，在服務(wù)器后臺(tái)自動(dòng)完成文件解析過程，將雷達(dá)文件轉(zhuǎn)換為統(tǒng)一格式存儲(chǔ)，文件頭中的屬性信息存入關(guān)系型數(shù)據(jù)庫。

2.2.3 數(shù)據(jù)處理

實(shí)現(xiàn)雷達(dá)數(shù)據(jù)處理的功能，包含里程校正、信號(hào)處理和工作流處理3部分。里程校正功能利用采集時(shí)的打標(biāo)記錄，通過回歸計(jì)算的方式對(duì)累積誤差進(jìn)行校正。信號(hào)處理功能實(shí)現(xiàn)了常用的雷達(dá)信號(hào)處理算法，如背景去噪、增益、濾波等，用于去除干擾信號(hào)，提高信噪比。工作流處理功能利用并行計(jì)算技術(shù)，實(shí)現(xiàn)多文件的批量處理，提高處理效率。

2.2.4 圖像解釋

實(shí)現(xiàn)GPR圖像解釋的功能，包括AI識(shí)別、數(shù)據(jù)成像、交互解釋3部分。AI識(shí)別功能實(shí)現(xiàn)對(duì)GPR圖像中各類異常的自動(dòng)識(shí)別；交互解釋功能用于人工解釋以及復(fù)核AI識(shí)別結(jié)果是否存在錯(cuò)判、漏判等，這里也實(shí)現(xiàn)了層位追蹤功能，可以瀏覽雷達(dá)剖面圖像，修正AI識(shí)別層位結(jié)果，繪制襯砌層位、道床層位線等。

2.2.5 統(tǒng)計(jì)分析

實(shí)現(xiàn)GPR解釋結(jié)果的統(tǒng)計(jì)分析功能，包括自動(dòng)統(tǒng)計(jì)、圖表展示、輔助報(bào)告3部分。根據(jù)項(xiàng)目需求，實(shí)現(xiàn)各類異常的數(shù)量、分布、等級(jí)等參數(shù)的自動(dòng)統(tǒng)計(jì)，以豐富的圖表形式實(shí)現(xiàn)結(jié)果的可視化，根據(jù)指定的格式生成報(bào)告，節(jié)約數(shù)據(jù)處理人員的工作量。

3 關(guān)鍵技術(shù)

3.1 并行工作流處理技術(shù)

目前，雷達(dá)軟件通常缺失或只有簡(jiǎn)易的批處理功能，交互方式較為復(fù)雜，批處理步驟的計(jì)算效率很低。如果從算法并行化角度出發(fā)，則實(shí)現(xiàn)難度和成本較高[7]。為滿足海量的數(shù)據(jù)處理需求，本研究提出了基于Hadoop大數(shù)據(jù)技術(shù)的并行工作流處理技術(shù)。并行工作流處理流程，如圖3所示。

圖 3 并行工作流處理流程

（1）根據(jù)GPR檢測(cè)數(shù)據(jù)的特點(diǎn)，選取單個(gè)雷達(dá)文件進(jìn)行試處理，設(shè)計(jì)相適應(yīng)的標(biāo)準(zhǔn)工作流，包含若干濾波、增益等信號(hào)處理算法，采用C++編程實(shí)現(xiàn)。

（2）通過自定義Hadoop作業(yè)，發(fā)起一個(gè)處理作業(yè)將同時(shí)處理多個(gè)雷達(dá)數(shù)據(jù)文件，Hadoop MapReduce框架根據(jù)需要處理的文件個(gè)數(shù)，創(chuàng)建相應(yīng)個(gè)數(shù)的map作業(yè)。一個(gè)map作業(yè)從分布式文件系統(tǒng)（HDFS）中讀取數(shù)據(jù)文件，并將文件流傳遞給標(biāo)準(zhǔn)工作流的C++數(shù)據(jù)計(jì)算函數(shù)進(jìn)行處理，在處理完成后，接收處理的結(jié)果數(shù)據(jù)，保存在HDFS中。多個(gè)map作業(yè)并行的處理多個(gè)數(shù)據(jù)文件，使原本的串行處理過程改造為并行的處理過程，提高了處理效率。由于雷達(dá)數(shù)據(jù)間并無關(guān)聯(lián)性，無需將處理結(jié)果進(jìn)行合并，所以Hadoop作業(yè)可設(shè)置為單map作業(yè)，忽略reduce過程。

為了更好地配合Hadoop MapReduce并行作業(yè)的運(yùn)行，雷達(dá)數(shù)據(jù)文件將事先導(dǎo)入到Hadoop分布式文件系統(tǒng)中（HDFS），使Hadoop集群中的每個(gè)節(jié)點(diǎn)均可訪問到需要處理的雷達(dá)數(shù)據(jù)文件。處理后的結(jié)果也將保存在HDFS中。

3.2 GPR圖像智能識(shí)別方法

目前，GPR圖像解釋工作是通過數(shù)據(jù)處理人員進(jìn)行人工判讀，數(shù)據(jù)處理人員的技術(shù)水平和經(jīng)驗(yàn)對(duì)解釋結(jié)果有很大的影響。由于GPR圖像的各類識(shí)別目標(biāo)的特征均差異很大，判別依據(jù)并不十分明確，且判別特征非常抽象，使得提取具有表征性的特征建立特征向量的難度非常大[8-11]。而深度神經(jīng)網(wǎng)絡(luò)技術(shù)將特征提取和分類集成到一起，自動(dòng)提取圖像特征，可克服傳統(tǒng)機(jī)器學(xué)習(xí)方法對(duì)特征工程的依賴，更適用于GPR圖像的識(shí)別。因此，為了提高GPR圖像解釋的準(zhǔn)確度和效率，本研究采用深度神經(jīng)網(wǎng)絡(luò)技術(shù)對(duì)GPR圖像進(jìn)行智能識(shí)別。基本流程包括如下3個(gè)主要步驟，如圖4所示。

（1）建立GPR圖像樣本庫，進(jìn)行訓(xùn)練后建立識(shí)別模型。

（2）將GPR文件進(jìn)行圖像分割后，通過調(diào)用識(shí)別接口，對(duì)GPR圖像進(jìn)行智能識(shí)別，獲取的結(jié)果為每個(gè)識(shí)別目標(biāo)的類別和圖像坐標(biāo)。

（3）對(duì)步驟（2）獲取的結(jié)果，通過拼接、去重、定位、統(tǒng)計(jì)等手段進(jìn)行智能修正，最終的識(shí)別結(jié)果為整個(gè)文件的識(shí)別目標(biāo)類型、數(shù)量和實(shí)際坐標(biāo)（里程和深度）。

圖 4 GPR圖像智能識(shí)別方法

4 系統(tǒng)測(cè)試應(yīng)用

為了測(cè)試系統(tǒng)各個(gè)功能的實(shí)際應(yīng)用效果，開發(fā)完成后利用高鐵隧道襯砌檢測(cè)車采集的數(shù)據(jù)進(jìn)行系統(tǒng)測(cè)試。并行計(jì)算硬件配置為CPU：Intel 至強(qiáng)4核處理器；內(nèi)存：16 G；硬盤：200 G；網(wǎng)絡(luò)：千兆網(wǎng)。智能識(shí)別采用的顯卡為英偉達(dá)TITAN Xp顯卡。

在5節(jié)點(diǎn)集群環(huán)境下，并行計(jì)算測(cè)試應(yīng)用效果，如表1所示。現(xiàn)有軟件無批處理功能，單個(gè)文件處理時(shí)長(zhǎng)約90 s。引入該系統(tǒng)后，50個(gè)雷達(dá)文件處理時(shí)長(zhǎng)約90 s，處理效率提升效果十分顯著。

表 1 并行計(jì)算測(cè)試效果

利用拱頂數(shù)據(jù)建立訓(xùn)練樣本集，利用拱腰數(shù)據(jù)建立測(cè)試樣本集，對(duì)鋼筋和鋼拱架兩類識(shí)別目標(biāo)進(jìn)行了訓(xùn)練和識(shí)別測(cè)試，取得了良好的效果，識(shí)別結(jié)果分別見圖5和圖6所示。在智能識(shí)別的基礎(chǔ)上，技術(shù)人員再進(jìn)行檢查和修正，比全人工判讀節(jié)省大量的時(shí)間和精力。

圖 5 鋼筋識(shí)別結(jié)果

圖6 鋼拱架識(shí)別結(jié)果

5 結(jié)束語

隧道、路基等鐵路基礎(chǔ)設(shè)施的智能診斷，為工程質(zhì)量驗(yàn)收提供重要的技術(shù)支撐。為提升鐵路GPR檢測(cè)數(shù)據(jù)的處理效率和智能化水平，滿足新建線路海量檢測(cè)數(shù)據(jù)快速處理的迫切需求，本文研究設(shè)計(jì)了鐵路GPR檢測(cè)數(shù)據(jù)智能管理分析系統(tǒng)，通過基于Hadoop大數(shù)據(jù)框架的并行工作流技術(shù)實(shí)現(xiàn)批量文件的快速處理，采用深度神經(jīng)網(wǎng)絡(luò)技術(shù)實(shí)現(xiàn)GPR圖像的輔助解釋，并設(shè)計(jì)了項(xiàng)目管理、統(tǒng)計(jì)分析等模塊減輕處理人員的工作量，可顯著提升GPR檢測(cè)數(shù)據(jù)處理的自動(dòng)化、智能化水平。