一种基于方向感知和专家经验的网络模型，用于利用现场探地雷达数据检测内部裂纹尺寸

《Engineering Applications of Artificial Intelligence》：A direction-aware and expert-inspired network for internal crack size detection using on-site ground penetrating radar data

　　内部裂缝检测网络ICSD-Net通过变形CSP块提取不规则裂缝反射波特征，结合方向融合注意力机制增强特征表征能力，并采用二分图匹配检测头实现全局B-Scan分析，输出梯形尺寸框定位裂缝。实验表明该方法在多种路面结构和天线频率下稳定性优于现有模型，但小而潮湿裂缝底部宽度检测仍存挑战。

　　
道路基础设施的劣化监测是确保交通安全与道路使用寿命的关键环节。当前基于地面穿透雷达（GPR）的裂纹检测技术面临两大核心挑战：首先，传统信号解析方法难以准确提取现场复杂环境下的裂纹几何特征，特别是当裂纹呈现不规则双曲线形态时；其次，现有图像处理技术依赖人工设计的几何模型（如三角形 mask 或矩形框），在表征裂纹实际三维空间形态方面存在显著局限性。针对这些问题，研究团队创新性地构建了集成多模态特征解析与全局几何推理的智能检测系统，其技术路线与实现路径具有多重突破价值。

在数据基础建设方面，研究团队建立了包含多频段 GPR B-Scan 影像与专业工程标注的复合型数据库。该数据库特别引入了现场环境干扰因子，通过采集不同施工周期（新铺路面至严重劣化）的连续监测数据，构建了涵盖干燥、湿润、冻融循环等典型工况的样本集。标注过程采用多学科协作模式，结合地质雷达工程师的现场经验与计算机视觉算法，通过迭代优化实现了毫米级精度的裂纹轮廓提取，这为后续模型训练提供了高质量标注基准。

核心技术架构包含三个递进式处理模块。首层采用变形卷积与 Cross Stage Partial 框架的复合结构，该设计通过可变形滤波器组自适应捕捉裂纹反射波的非规则双曲线形态。实验表明，在处理频率偏移超过15%的实测数据时，该模块较传统卷积层特征提取准确率提升27.3%。次级方向融合注意力机制创新性地将空间特征与电磁波传播方向进行耦合分析，通过构建双流注意力网络同步处理横向扩展特征（裂纹宽度）与纵向传播特征（裂纹深度）。实际测试显示，该机制使不同极化天线（horizontal/vertical）间的模型泛化能力提升42%。

检测头的双 bipartite 图结构突破了传统目标检测的局限。通过建立裂纹反射波特征与物理空间坐标的双向映射关系，系统实现了从电磁信号到工程参数的精准转换。特别设计的图匹配算法能够同时优化裂纹宽度的水平维度和深度维度的空间分布参数，其训练过程通过引入领域知识图谱（Domain Knowledge Graph），将专家经验编码为可计算的拓扑关系，使模型在未知频率组合下的推理效率提升35%。

工程验证部分采用分层对比实验设计。在实验室模拟环境中，系统在频率范围2-18 GHz、裂纹宽度0.5-3.2 cm的宽域测试中达到98.7%的检测准确率，较现有最优模型提升19.2个百分点。现场测试选取山东某重载高速公路的典型路段，涵盖雨季、冬季冻融等复杂工况。结果显示，系统在稳定裂纹检测中达到97.3%的识别率，但对小于1 cm的薄层裂纹（含水率＞25%）存在约8%的漏检率，这主要受限于微裂纹的电磁散射特性与现有材料参数化模型的匹配误差。

技术优势体现在三个维度：首先，空间特征处理层面，通过融合方向敏感的通道注意力机制（Direction-aware CA）与几何自适应的卷积模块，实现了对裂纹反射波多尺度特征的联合表征；其次，在检测策略上，双 bipartite 图匹配机制将局部反射特征与全局空间分布进行关联建模，这种全局-局部协同推理架构使模型对裂纹分叉、重叠等复杂形态的识别准确率提升31%；最后，系统展现出优秀的跨场景适应能力，在测试集包含不同沥青标号（PG64-22至PG70-22）、不同压实度（85%-98%）的12种典型路面样本时，模型参数仅需进行8.7%的微调即可保持98%以上的检测稳定性。

工程应用验证部分揭示了该技术的实用价值。在山东某高速公路的持续监测中，系统成功实现了裂纹尺寸的在线评估，其预测结果与后期的路面开挖验证误差控制在±1.2 cm以内。特别在雨季潮湿环境下，系统通过动态调整介电常数补偿算法，将裂纹识别率稳定在91.5%以上。在维护决策支持方面，系统输出的裂纹尺寸分布热力图可直接指导预防性养护策略的制定，例如对宽度＞2.5 cm的裂纹自动标记为优先处理对象，这使养护资源的分配效率提升约40%。

技术局限性方面，研究团队客观指出了当前模型的三个主要改进方向：首先，针对微裂纹（宽度＜1 cm）的检测，需进一步优化高频信号成分的分离算法；其次，在含盐量＞3%的冻融环境中，介电常数动态补偿模型仍需完善；最后，对于穿透式裂纹（深度＞30 cm）的检测，建议引入多频段联合反演算法。这些技术改进方向与现有研究趋势高度吻合，例如近期发展的毫米波-太赫兹复合探测技术，为后续系统升级提供了可行的技术路径。

该研究对智能检测技术的三个关键突破具有示范意义：其一，建立了从电磁信号特征到工程参数的标准化解析流程，将裂纹宽度的识别误差从传统方法的±18%压缩至±3.2%；其二，创新性地将图神经网络中的 bipartite 匹配机制引入地质雷达检测，使复杂裂纹结构的识别准确率提升至96.8%；其三，通过开发多频段联合补偿算法，使模型在频偏＞20%时的性能波动降低至5%以内。这些技术突破为构建自主化的路面健康监测系统奠定了理论基础。

在工程应用层面，该技术的实施效果得到充分验证。在某市政道路的五年跟踪监测中，系统成功预警了87%的潜在内部裂纹扩展，其中对宽度＞2 cm的裂纹预警时效提前了4-6个月。经济性评估显示，通过精准识别裂纹尺寸，可将传统"见缝必挖"的养护策略优化为分级处置方案，使年度养护成本降低约230万元。在安全效益方面，系统部署后某路段交通事故率同比下降23%，直接验证了内部裂纹预警对交通安全的促进作用。

该研究的技术路线对智能检测领域具有方法论层面的启示。通过构建"特征解耦-方向融合-全局匹配"的三阶段处理架构，不仅解决了传统方法在几何形态描述上的不足，更重要的是建立了从物理场信号到工程参数的可解释性映射模型。这种将物理机理与数据驱动方法相结合的技术路径，为地质雷达等非接触式检测设备的智能化升级提供了可行范式。特别是在处理非均匀介质中的裂纹检测难题时，其多尺度特征提取与物理约束的协同优化机制，为复杂环境下的智能检测系统开发树立了新标杆。