我国的公路桥梁建设大都选择采用混凝土材料，由于混凝土施工工艺的复杂性以及桥梁运营期使用环境的多变性，使桥梁结构容易产生内部空洞、裂纹等病害，从而影响公路桥梁的承载能力及耐久性能，带病桥梁随着使用时间增加和超载车的频繁出现，甚至可能发生桥梁倒塌等重大事故。因此，对桥梁结构内部是否存在缺陷进行相应检测和评估是我们现在工作的重中之重。主动激励的红外热成像技术已在航空领域的检测得以使用，而在公路桥梁领域，虽然做了很多课题也取得了不少成果，但在我们的日常公路桥梁的检测中并没有得以实际应用^[1-5]。红外热成像检测技术，因其具有无损、快速等优点，越来越被管理部门关注。从近几年发展来看，采用对内部有缺陷的进行主动干预，通过自主研发的图像数据采集，进行多图像数据分析系统的分析，对采集到的温度图谱与无缺陷图谱进行比较和分析，实现桥梁结构内部缺陷检测识别，为公路桥梁结构内部缺陷实现红外热成像检测技术应用奠定了基础。

根据前人的试验结果，斯特藩在1879年提出了黑体辐射的积分定律，玻尔兹曼在1884年又对斯特藩定律作了更加严格的演算及论证。斯特藩-玻尔兹曼定律^[6]：黑体表面积向整个半球空间发射波长总辐射度M_b(T)^[7]随温度变化的表达为：

(1)

式中, σ为斯特藩-玻尔兹曼常数(5.66×10^-8 Wm^-2K^-4)；T为黑体的绝对温度；λ为黑体的波长。

由于红外热像仪是工作在某一特定的波段，为了确定在某一波段范围内的黑体辐射能^[8]，可对黑体光谱辐射出射度在此波段进行积分，可得：

(2)

式中, c₁为第一辐射常数(3.742×10⁸ W·μm⁴/m²)；c₂为第二辐射常数(1.44×10⁴ μm·k)。

如在正常温度环境下对黑体辐射能(8~13 μm)进行积分，如图 1所示为黑体波段辐射射度随温度的变化规律图^[9]。

图 1 黑体辐射能与温度 Fig. 1 Blackbody radiation energy and temperature

(3)

式中：c为真空中的光传播速度(3×10⁸ m/s)，T为黑体的绝对温度。

在8~13 μm波段，n=3.989，由此可知，当红外热像仪工作在此波段时，辐射能随温度的变化基本满足4次方关系^[10]。

黑体光谱辐射的强弱与波长和温度相关，与构成黑体的本身材料无关，然而混凝土表面则有所不同，理论、试验均能证明，混凝土表面发射、吸收辐射值都低于同一条件下黑体的相应辐射量值^[11-12]。如果物体光谱吸收率在投射辐射波长变化时不发生变化，则这种物体称为灰体。灰体和黑体一样也是一种理想模型，大多数材料的热辐射主要处于长红外范围内。材料在该范围内的辐射量值随辐射波长变化不大，因此允许把混凝土材料作为灰体处理。其总辐射功率W表达式如下：

(4)

式中，ε为灰体发射系数(一般取0.8)；σ为斯特藩-玻尔兹曼常数；T为黑体的绝对温度。

由此可以看出桥梁结构内部出现缺陷时，其混凝土结构表面的温度场就会发生相应变化。因此，通过接收来自混凝土表面的热辐射^[13]，就可以对其结构内部的状态作出基本判断。但是，当桥梁混凝土结构与其周围介质的温差较小或处于同一温度水平时，上述方法不可能实现。所以，为了能利用由桥梁混凝土结构表面发出的热辐射来达到诊断结构内部是否存在缺陷病害的目的，必须进行人为主动激励的方法，快速改变温度场从而能抵消周围介质的影响。

红外热成像系统可采用多种方式对构件表面进行主动激励(比如：辐射激励、热风激励、电加热激励、超声激励，红外激励等)，混凝土部件表面受到热源以后，热波向混凝土内部传输，而混凝土表面则会产生红外辐射^[14-15]。

如果混凝土构件内部存在空洞或其他致不连续的缺陷时，其内部热学性质存在一定差异，出现热传导不连续，并可反映在混凝土构件表面温度的差别上，这样混凝土构件表面的局部区域便产生温度梯度，红外热能发生变化，红外热能变化包含了结构缺陷的全部信息。随着混凝土结构整体热能变化，利用数字红外热成像仪器能扫描混凝土结构的热能分布，获得热成像图谱就能推断出缺陷病害的信息^[16-17]。

采集设备：见图 2。

图 2 红外热成像仪 Fig. 2 Infrared thermal imager

红外热成像仪器：光谱范围为7.5~14 μm，温度灵敏度为0.05 ℃，图像分辨率为640×480像素。

模型试件设计：我们制作混凝土模型试件3个，分别编号1^#，2^#，3^#；见图 3~图 5, 试件尺寸为高300 mm，宽150 mm，长695 mm。混凝土模型1^#、2^#试件内埋置图 6长方体内空缺陷模块，混凝土模型3^#未埋置缺陷^[18]。

图 3 混凝土模型1#试件 Fig. 3 First specimen of concrete model

图 4 混凝土模型2#试件 Fig. 4 Second specimen of concrete model

图 5 混凝土模型3#试件 Fig. 5 Third specimen of concrete model

图 6 1#、2#模型试件内埋设的缺陷模块 Fig. 6 Defect modules buried in first and second specimens

采用自制的自发热降噪材料对构件表面进行主动干预激励，热能量引起缺陷部位产生热效应和滞后效应，用红外热像仪捕捉材料表面温度数值，其缺陷部位散发出热量，形成试件的有缺陷位置和没有缺陷的温度差值。

图像采集系统和图像分析系统，在win环境下的VS2015+OpenCV3.1配置。

图像采集系统：设备前端使用抗干扰能力强、高可靠性的LVDS信号，采集14位数字图像，经过FPGA解析，把图像转换为CortexA9工业级ARMCPU识别的并行图像信号，输出到CPU；在嵌入式Linux系统运行，利用视频驱动程序V4L2采集FPGA传输的数字图像谱，然后通过网络服务传输到win客户终端；用Demo实时接收及显示图像并保存RAW格式原始数据(14位)。

图像分析系统：连续播放采集的RAW格式序列图，给红外图像实时应用伪彩模板，如：红、白、黑等^[19]。对于测温拍摄的红外序列图像，可以在播放过程中，任意测量全屏范围内的温度，并叠加在图像中。

图 7 图像采集系统 Fig. 7 Image acquisition system

我们对混凝土模型试件进行未经激励和采用辐射干扰激励两种方式下进行热图像采集。图 11为没有激励的采集图像，可以看出没有任何内部缺陷的热能信息；图 12~图 14为激励的采集图像，可以看出缺陷处产生的热能信息反射清晰，我们对数字热成像仪器获取的原始热图像谱进行一次傅里叶变换处理位热图序列，得到的图像清晰地显示了缺陷病害的丰富信息^[20]。

图 8 图像分析系统 Fig. 8 Image analysis system

图 9 模型试件测试准备——试件表面涂抹 Fig. 9 Model specimen test preparation—specimen surface coating

图 10 模型试件测试准备——模型试件就位 Fig. 10 Model specimen test preparation—model specimen in place

图 11 2#试件表面没有激励测试 Fig. 11 Testing second specimen without surface excitation

图 12 1#试件表面激励后测试(有缺陷) Fig. 12 Testing first specimen after surface excitation (defective)

图 13 2#试件表面激励后测试(有缺陷) Fig. 13 Testing second specimen after surface excitation (defective)

图 14 3#试件表面激励后测试(无缺陷) Fig. 14 Testing third specimen after surface excitation (indefective)

浙江省桐庐某富春江特大桥，该桥全长1 272.24 m。上部结构：跨径组合(30.38+58.8+90+58.8+4×44.01+6×54+17×31)m。主桥为预应力混凝土连续箱梁桥(第2跨、第3跨、第4跨)，引桥为预应力混凝土T梁先简支后连续梁桥。

图 15 富春江特大桥 Fig. 15 Fuchun River Grand Bridge

图 16 右幅中跨预应力管道布置图(单位:cm) Fig. 16 Layout of prestressed duct in right middle span(unit:cm)

对右幅第3跨跨中底板两根纵向预应力管道灌浆饱满度进行检测、识别。

我们对该桥箱梁底板预应力管道位置分别进行无激励和有激励的检测，从图 17~图 18对比可以看出效果明显不同，可以显示预应力管道压浆密实度存在压浆不饱满情况。该技术特点就是实用性强，这样一座桥的内部缺陷病害检测仅仅需要不到一天就可以完成。未发现在国内外有同类可直接用于桥梁内部缺陷病害检测的系统。通过这次实桥试验也进一步验证了用激励源下红外成像技术检测缺陷的可行性。但同时也可以看出图像反映的情况离我们真正解决识别缺陷病害的定量分析还有很大距离。

图 17 G4预应力管道测试 Fig. 17 Testing G4 prestressed duct

图 18 G5预应力管道测试 Fig. 18 Testing G5 prestressed duct

采用数字红外热成像技术对桥梁结构内部空洞病害类等缺陷进行检测的研究是可行的。本研究通过研发红外设备及采集系统、主动干预激励方法、图像分析处理系统等，使其形成有无缺陷混凝土表面温度数值差；通过自主红外热成像采集系统获得模型试件和桥梁混凝土表面的温度场分布热像图谱，利用自主红外热成像图像分析系统进行分析，成功攻克了混凝土内部缺陷病害识别的难题。但现在仍处在只能定性识别病害阶段，后续我们需要通过图像的分割、降噪、锐化等处理才能完成缺陷病害的定量化分析，进一步对缺陷病害种类、性状及尺寸等特性进行研究。