Köprü Soffits'in durumunu değerlendirmek için yöntemler Drone-mount Sensörleri kullanarak

Köprü soffits – köprü güvertelerinin alt yüzeyleri – geleneksel yöntemleri kullanarak denetim yapmak için en zor bileşenler arasında. Ancak durum doğrudan kapasite, dayanıklılık ve genel yapısal bütünlüğü etkiler. Geleneksel denetimler, şeritler, taşıyıcılar, kovalamalar, kamyonlar veya ip erişim gerektirir, tüm bunlar önemli güvenlik risklerini taşır, trafik kesintilerini ve yüksek işçilik maliyetlerini değerlendirmektedir.

Çeşitli sensörlerle donatılmış jetonlar görsel, termal ve geometrik verileri köprüden soffits'ten manuel denetim tarafından gerekli olan zamanın bir kısmında yakalayabilir ve idam edildiğinde, bu anketler, onarımlara ve hizmet hayatına öncelik verebilir. aşağıdaki bölümler, sensör seçeneklerini ayrıntılı olarak analiz eder, analiz teknikleri ve modern altyapı için güçlü bir araç değerlendirme yapar.

Soffit Muayenesi için Sensör Teknolojileri

Sensör seçimi ilginin kusurlarına bağlıdır. Cracking, spalling, delaminasyon, nefsiyon, korozyon ve beton bozulma her biri diğerlerinden daha etkili bir şekilde radar ödeme yüklerini tespit edebilir.En başarılı drone tabanlı soffit programları üç temel teknoloji kombinasyonu kullanır: yüksek çözünürlüklü görsel kameralar, termal görüntüler ve LiDAR. Advanced operatörleri de multispectral, ultrasonik veya zemin temizleme radar ödeme yüklerini diğerlerinden daha etkili bir şekilde algılayabilir.

Yüksek Çözünürlük Görsel Kameralar

Görsel denetim herhangi bir köprü koşulu değerlendirmesinin yatak ayağıdır. Modern drone ödeme yükleri, 20 megapikle veya daha yüksek, tam çerçeve sensörleri ve mekanik panjurlar yüksek hızlı geçiş için görsel drone görüntüleri kullanmaya yönelik kapsamlı bir kılavuzdur.Bu kameralar iyi yüzey ayrıntıları ve #8212; Dashline çatlakları sabit bir şekilde sabitlenebilir, çözünürlük ve odaklamalar için.Formore Federal Otoyolları (FHWA)

Uzak ( ⁇ ) Kameralar

Termal görüntüleme, bu kadarffit boyunca sıcaklık farklarını tespit eder. Moisture-laden beton veya delaminated alanların ses betonundan farklı ısıtılması, onları ısıtılması veya serinlemek için farklı hızlarda ısıtılabilir.En iyi sonuçlar için, güneş ışığından sonra (bu haritalar ısıtılırsa) veya akşamları tanımlamak için kullanılır (o zaman)

LiDAR (Işık Tespit ve Ranging)

LiDAR sensörleri, 5–'nin yoğun ortalamalarını üretmek için ikinci başına milyonlarca lazer pulu yayıyor; bu nedenle, sensör genellikle ağdaki veya lineer olmayan bir şekilde sabitlenmiş durumdaki bulutlar için yüksek çözünürlükte bulunuyor.

Multispectral ve Hiperspectral Sensörler

Malzeme karakterizasyonu gerektiren projeler için, multispectral veya hiperspectral kameralar ses beton, alkali-silica tepki (ASR) jel, efflores Araştırma Merkezi (Düzücük) ve erken-kanık korozyon ürünleri, görünür spektrumdaki kimyasal değişiklikleri tespit etmek için daha az yaygın olarak algıladılar, ancak araştırmalarda ve yüksek değerli varlık izlemesinde daha fazla kullanılıyorlar.

Ultrasonik ve Radar bazlı Kalınlık Gauging

Kalan beton soffit veya reinforcing çelikte korozyonun kapsamı genellikle subsurface algılama gerektirir. Birkaç drone rutin olarak iletişim ultrasonik problar, yeni non-ilek olmayan hava çift algılama sensörleri ve zemin değiştirici radarı için uygun hale gelir, ancak drone tabanlı GPR operatörleri birkaç metreye kadar ağırlık verir ve ağır kaldırma sistemleri talep eder.

Data Acquisition and Flight Planning

Güvenilir soffit verileri toplamak, köprünün altında bir drone başlatmaktan daha fazlasını gerektirir. GPS kullanılabilirliği, aydınlatma, rüzgar ve su vücutları tüm veri kalitesini etkiler. Aşağıdaki alt bölümler, deneyimli köprü denetçileri tarafından kullanılan temel planlama adımları ve işletim prosedürlerini tanımlar.

Pre-flight Site Değerlendirme ve Güvenlik

Herhangi bir uçuştan önce, denetim köprü planlarını gözden geçirmeli, önceki inceleme raporları ve bilinen kritik alanları bilmelidir. A site ziyareti, hizmet hatları, trafik, ışık kutupları veya yakın ağaçlar gibi tıkanmaları tanımlar.For soffit X10[DFLT:3) zemindeki kapalı bir boşlukta çalışmalıdır.

Uçuş Yolu ve Sensör Kapak

Görsel ve termal görüntüleme için, 60-80 ile klasik bir ağ modeli, yüksek çözünürlükte görüntülenmenin her kare santimetresini sabitleyen, sabit bir şekilde sabitleme gerektirir.Politika uçuşları, yüksek çözünürlükte bulunan 3 boyutlu konumlama işlemine sahiptir.Forffits more than 100 metres, the dar yüksek çözünürlük alanı için telafi etmek zorunda kalır.Inktr|Dönetici (RTK) Bir şekilde otomatik olarak doğru yolu kontrol noktaları kullanarak, sabit bir şekilde sabitleme işlemi yapılır.

Aydınlatma

Soffits doğal olarak gölgelenmiş ve parlak gün ışığında bile karanlık olabilir. Islak görsel görüntüler yakalamak için, denetimciler genellikle aşırı gün boyunca uçarak veya 2.000-5,000 mezunlar üreten LED dizilerde kullanmak zorundadır.Saç ve delaminated alanlarda monte edilen hafif incelemeler önerilir.

Data Processing and koşul Analysis

Bir drone soffit araştırmasından gelen ham veriler - binlerce görüntüye, milyonlarca LiDAR noktası ve sıcaklık matrisleri - sistematik işlem olmadan işe yaramaz. Aşağıdaki yöntemler bu veri kümelerini eylemlenebilir koşul değerlendirmelerine dönüştürür.

Görsel ve Fotogrammetrik Stitching

Yapı-Duygu yazılımı (örneğin, [[0)Pix4Dmapper[DDD4Dmapper[D:2)Agisoft Metashape) ile, bireysel görüntüler hizalanmış ve tüm soffit ile bir araya getirilebilir.Bu mozaik, çatlaklar için taban haritası haline gelir.

Termal Anomaly Tanıma

Süreçli termal görüntüler bir termal veyastomosaic'ye dikilir, piksel değerlerinin ısıyı temsil ettiği yer.Kıbrıs veya doğrudan güneş ışığı nedeniyle sıcaklık varyasyonları normalleştirilmelidir. Soğuk noktalar genellikle nezlede nezaret (evaporatif soğutma) gösterirken, sıcak noktalar yüzeydeki 1°C'den daha fazla incelenen ısı farkının daha fazla soruşturmaya karşılık gelir.

LiDAR Point Cloud Analysis

Nokta bulutu kayıtlı ve dışlayıcıların temizlenmesinde mühendisler, betonun soffit yüzeyinin dijital yükseklik modelini (DEM) üretebilirler. DEM'den çıkarılan profiller, çekler ve eksik beton. Change detect is performed by hizalama two point from different dates using iterative nearest point (ICP) algoritmaları. Volumetrik değişim - spalling nedeniyle beton kaybı - birkaç metre santimetre santimetrelik bir santimetrelik santimetre içinde ölçülebilir.

Makine Öğrenme Yardımcı Tanımlama

Derin öğrenmedeki son gelişmeler, drone görüntülerinden otomatik olarak hata sınıflandırmasına olanak sağladı. Convolutional sinir ağları (CNNs) binlerce köprü soffit görüntüleri çatlakları tespit edebilir, spalls ve pas lekesi ile ilgili olarak% 85-92 doğruluk, bir lisansüstü denetim için bir yedek elde etmedikçe, bu araçlar büyük olasılıkla veya lekelerden kaçınmak için yanlış tahminleri doğrulayabilir.

Düzenleme ve Operasyonel Zorluklar

Drone tabanlı soffit inceleme, güçlü iken, tutarlı sonuçlar için yönetilmesi gereken birkaç sınırlamaya tabidir.

GPS Denial ve Sensör Fusion Fusion

Beton bir güverte altında, uydu Resepsiyon genellikle fakir veya mevcut değildir. güvenilir GPS olmadan, bir drone pozisyonunu tutamaz veya önceden planlanmış bir uçuş yolunu takip eder.Buraya kadar modern uçaklar, GPS'in kaybının daha sonra bir veya kabloya sürüklenmesini de dikkate almalıdır.

Hava ve Çevre Kıtları

15-20'nin üzerindeki rüzgar hızları, küçük bir köprünün altında küçük droneları tahmin edebilir, ki bu türbülanslar yapı tarafından genişletilebilir. Rain and fog degrad görsel ve termal verileri etkileyebilir ve su geçirmez olmayan maaş yüklerine zarar verebilirler.In coastal or endüstriyel alanlarda, korozyon-prone tuz spreyi drone'nun kendisini etkileyebilir.Inspectors bölgesel iklimolojiyi gözden geçirmeli ve sessiz pencereler sırasında uçuşları da etkileyebilir.

Düzenleme ve Sigorta

Amerika Birleşik Devletleri'nde, tüm ticari drone operasyonları, bir FAA Part 107 uzaktan pilot sertifikası ve operasyonel kurallardan (örneğin, hareketli araçların, görsel görüntünün ötesinde) bir belgeye ihtiyaç duyuyor.

Maliyet-Benefit ve Vaka Örnekleri

Soffit inceleme için drone destekli sensörler genellikle iki ila üç gün boyunca maliyeti düşük maliyetlidir.Deltme, karmaşıklık ve sensör seçimine bağlı olarak, Nevada Üniversitesi tarafından yapılan geleneksel bir inceleme, aynı köprü için 10.000 $ ve yakın şeritler maliyetle azaltılabilir.Daire otoyolları yüksek çözünürlükte, on binlerce dolar değerindeki bu kadar uzun süre boyunca, uzun süre boyunca yapılan incelemeler, Japonya'da yapılan uzun süredir yapılan incelemeler için, Reno, drone denetimlerinin toplam denetim süresini yüzde 60 oranında azaltabileceğini buldu.

Önemli bir durum, bu kadarffit alanının% 12'sinde tespit edilen anketin tam olarak 8 bin dolarlık bir görsel ve termal drone'ların bir kombinasyonunu kullanarak tahmin edilen 12.000 $ 'lık bir görüntünün ve termal drone'un bir kombinasyonunu kullanarak incelendi.

Başka bir örnek, dört yıl boyunca, ölçümler trafik yükü büyümesiyle ilişkili 2 metrelik bir ilerleme gösterdi, LiDAR drone anketleri her yıl çelik kutu açma değişiklikleri takip etmek için kullanılıyor.

Future Yol Tarifi

Bir sonraki drone tabanlı bu kadarffit değerlendirmesi muhtemelen gömülü yapısal sağlık izleme (SHM) düğümleri ile kablosuz sensör entegrasyonunu içerecektir. Drones bir gün akustik sensörler veya korozyona dayalı probların tek başına, operatöre eğilimli olan LiDAR sensörlerin birleşimi, en pratik ve etkili yöntem olarak gelişmiştir.

Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç

Drone destekli sensörler, köprü soffit incelemesi için gerekli olan yeniliklerden taşındı. Yüksek çözünürlüklü görsel görüntüler, termal haritalar ve güvertenin altındaki 3D noktası bulutları, denetçiler çatlakları, delaminasyonunu, nefsidasyonunu ve deformasyonu azaltılabilir. Bu teknolojiyi azaltarak, bu yöntemleri benimsemeye devam ediyor ve GPS inkarları ile ilgili kalıcı bir dijital kayıtların gerçekleşmesi için kalıcı bir şekilde kısıtlanıyor.