2024年4月16日，国际学术期刊NDT and E International在线发表了长安大学路面识别团队在沥青路面内部病害无损检测上的最新研究成果(A Novel Moisture Damage Detection Method for Asphalt Pavement from GPR Signal with CWT and CNN).

该研究针对探地雷达（GPR）数据解译依赖人工解译存在主观性和低效率的问题，通过连续小波变换（CWT）将GPR信号转变到时频域突出水损害特征，提出了基于CWT结果叠加的病害区域3D高分辨率可视化方法。利用正反演实验建立水损害数据集，采用卷积网络和高斯权重方法，建了水损害分类识别的高精度模型，解决了水损害病害的自动识别和解译问题，为沥青路面的精准养护提供了科学依据。

水损害是由于水分的侵入而导致沥青混合料强度和耐久度永久性损伤的现象，它是造成沥青路面破坏的主要原因之一。水损害区域会在交通载荷和环境因素的耦合作用下加剧发展，进一步在路面产生麻面、松散、坑槽等显性病害，最终降低路面使用寿命。由于水损害区域隐蔽性强、难以检测，养护时难以准确根除病害区域，导致病害区域反复爆发，最终增大了处置面积和路面养护成本。因此，迫切需要一种快速、高效、准确的沥青路面水损害识别方法，实现病害区域的精准养护。

该研究首先通过正演模拟和室内实验对比分析了水损害和正常路面的CWT图谱特征，获得水损害区域存在能量集中而正常路面能量分布均匀的差异结果。通过色彩信息表征方法将所有GPR信号上的4D CWT结果实现水损害的3D高分辨率可视，可以直接通过CWT能量集中区域获得并获得深度和范围。进一步采用分类识别模型ResNet18识别CWT图谱，发现水损害道数可被正确分类但存在异常孤立点，为此采用高斯权重和尺寸连续的过滤法，提高了水损害的识别精度（如下图）。

 长安大学工程机械学院张军副教授为第一作者，经管学院邹小伟教授为共同通信作者，宁波高等级公路养护有限公司龚靖、长安大学叶敏教授、博士生李宏伟、硕士生杨晓坤和程忠参与了该研究。

 论文链接：

 https://authors.elsevier.com/sd/article/S0963-8695(24)00081-1