无人机应用公路桥梁巡检竞赛项目展示【一】

为深入贯彻落实党中央、国务院关于发展低空经济的工作部署，促进低空经济在交通运输领域创新发展，加快推进无人机技术在公路桥梁巡检领域的应用，进一步提升桥梁养护的智能化与精细化水平，由交通运输部公路局指导、中交公路规划设计院举办无人机应用公路桥梁巡检竞赛。

从今天开始，我们将对此次进入决赛的参赛队伍及其优秀案例进行推送，进一步展示我国无人机在公路桥梁巡检方面的应用能力。

本期所展示的优秀申报项目

1.缆索体系桥梁无人机智能巡检技术研究与应用

2.高速公路桥梁智能巡查及安全风险态势感知技术研究与应用

PJT. 1

申报项目名称

缆索体系桥梁无人机智能巡检技术研究与应用

申报单位

（1）广东省公路建设有限公司

（2）广东喜讯智能科技有限公司

申报单位简介及资质情况

（1）广东省公路建设有限公司

成立于1987年，国有控股企业，隶属广东省交通集团，是省内高速公路建设龙头。2021年牵头成立湾区特大桥养护技术中心（下称技术中心），主导南沙大桥无人机智能巡检系统部署，实现主塔、主缆等关键部位自动化巡检，精度达亚毫米级。2024年获评高新技术企业，同步开展了南二环无人机路政辅助巡查、博深高速边坡无人机自动巡检等研究与应用工作。

（2）广东喜讯智能科技有限公司

成立于2011年，国家高新技术企业、广东省专精特新企业，拥有专利22项、软件著作权近百项，参与3项地方标准编制。突破性开发激光雷达无人机，融合SLAM算法与多传感器，在无GPS的桥底、箱梁等封闭空间实现可视化巡检方案。

技术方案

1.工程概况

本项目以广东省南沙大桥为依托工程。南沙大桥作为重要的交通枢纽，由两座悬索桥构成，其中坭洲水道桥主跨1688米、大沙水道桥主跨1200米，是区域交通的关键通道。尽管该桥服役时间较短，但由于其通车以来持续承受繁重的交通荷载，同时受海风、雨水等环境因素侵蚀，桥梁结构同样面临诸多安全隐患，对高效精准的检测技术需求极为迫切。

2.巡检方案

巡检内容：针对南沙大桥桥塔、主缆、锚碇外表面等高空高危区域，针对桥梁表观病害情况进行巡检。完成南沙大桥坭洲水道桥和大沙水道桥桥塔、锚碇、主缆关键构件检测共计需拍摄约3.6万张照片。

巡检方式：根据相关养护规范要求，养护人员在网页端以一定频次对无人机巡检进行排班；工作条件判定为适合飞行时，无人机开始自动巡检，自动到达预设航线点位进行拍摄。

巡检频率：工作条件良好条件下，全桥巡检需30个工作日。

3.无人机型号及参数

选用的无人机型号为大疆M300 RTK，搭载相机型号为禅思H20，分别在南沙大桥坭洲水道桥西锚碇、大沙水道桥东锚碇处各布设一套巡检无人机及自动起降机场。具体性能参数如下表。

4.航线规划方法

数据采集前需进行航线固化，相关要求如下：

①要求巡检航线能够覆盖结构物全方位表面；

②要求拍摄图片与AI识别图像样式、数据格式相匹配；

③索夹和主缆同一部位从三个方向固化三条航线，以确保固化航线能全覆盖巡查对象；

④主塔、锚锭同一高度根据外观表面形态选择拍摄航线数量。

无人机拍摄角度示例如图2-1所示。

图2-1 无人机拍摄角度示例

根据相关养护规范，南沙大桥已完成无人机自动化巡检的航线固化与频次固化，范围覆盖桥塔、锚碇和主缆构件。航线固化在平台端展示示例如图2-2所示。

（1）索夹巡检

（2）锚碇外表面巡检

（3）主缆巡检

（4）索塔巡检

图2-2航线固化示例

5.数据处理流程

①数据预处理与标注：对南沙大桥单侧主塔、锚碇、主缆进行全面数据采集，并对采集的影像进行去噪、拼接、定位校准，结合历史数据标注病害类型（如裂缝、腐蚀、剥落等），构建标准化训练数据集。

②病害识别算法开发：开发了缆索体系桥梁表观病害智能识别算法，包括混凝土裂纹、混凝土掉块露筋、涂层腐蚀剥落、钢结构裂纹等病害的识别，平均识别准确率达到85%以上。

③表观病害识别分类：基于迁移学习或深度学习模型，实现了病害特征的初步提取与分类，可识别≥0.15mm裂缝、≥1cm²混凝土剥落，可输出结构化的病害类型、位置、尺寸等信息。

④病害动态趋势分析：通过多期数据对比，分析病害分布情况、发展速率，分析结果支持导出至养护管理相关平台，为巡检报告提供数据支撑。

⑤病害集中可视化：已在养护管理相关平台中集成病害数据库，通过轻量化BIM模型集中展示病害分布，支持图像与统计信息查看、往期巡检结果对比、自动生成巡检报告等，方便养护人员对病害情况进行定性、定量评估。

⑥历史追踪与预警：已实现动态记录病害发现时间、修复记录及演变趋势。智能巡检管理系统基于识别结果自动生成巡检记录并完成病害初步评估，为桥梁养护决策提供数据支撑。

结合历史数据，针对主缆裂缝等高风险病害，要求责任人及时复查并同步制定处治方案；对混凝土细微裂缝等耐久性初期病害，提示责任人持续跟踪观察，适时启动预防性养护。

6.无卫星信号空间无人机智能巡检技术攻关

箱梁内部、梁底及锚碇等空间内属于无人机智能巡检的盲区，对此需开展基于激光点云导航的桥梁无人机自动化巡检技术研究及应用。具体包括：

①针对桥梁巡检无人机在箱梁内部、梁底及锚碇等空间内无法自主避障、定位、导航的问题，开展无卫星信号空间下无人机桥梁巡检自主避障研究、桥梁巡检的立体化高精度定位与导航研究，突破桥梁无卫星信号下无人机自动化巡检定位的瓶颈。

②针对常规桥梁巡检无人机不适应桥梁狭窄空间、续航低、自动化巡检效率受限的问题，开展高续航小型化无人机开发、基于激光点云导航的桥梁无人机自动化巡检系统设计、受限空间下自动化巡检策略研究等工作，提升无人机巡检作业时长，提高灵活性和远程自主作业能力，实现狭窄空间内的最优路径规划、自动避障和实时重定位等功能。基于激光点云导航的桥梁巡检无人机及自动起降机场、钢箱梁激光点云模型、控制软件及无人机第一视角、钢箱梁内无人机巡检测试情况如图2-3所示。

（1）基于激光点云导航的桥梁巡检无人机及自动起降机场

（2）钢箱梁激光点云模型

（3）控制软件及无人机第一视角

（4）钢箱梁内无人机巡检测试

图2-3 基于激光点云导航的桥梁无人机巡检

7.巡检取得的成果

项目成果显著，已部署2套无人机及自动起降机场，搭建1套基于机器学习的索承桥梁表观病害识别本地化服务器和2套管理系统，固化超400条巡检航线，开发1套表观病害智能识别算法，采集超1.8万张图像识别算法训练样本。已获授权发明专利6项，软件著作权2项。此外，由清华大学牵头、技术中心等单位参编的《公路桥梁无人机检测标准》（团体标准）已形成征求意见稿。

8.创新点

一是构建了缆索体系桥梁高危区域自动化巡检技术体系，显著提升主塔、锚碇、主缆等关键部位无人化巡查的覆盖能力与本质安全保障水平，有效替代传统高危人工巡检模式。

二是填补了缆索体系桥梁无卫星信号复杂封闭空间自动化巡检技术空白，针对无卫星信号、狭窄密闭空间等特殊环境进行适应性设计，消除了传统无人机检查巡查的盲区。

三是率先打通了从数据采集、智能识别到养护决策的全链条智能化路径，核心技术自主可控，该成果在行业具有重要开创性示范意义，为提升大型交通基础设施数字化、智能化管养水平提供了可复制、可推广的技术方案和成熟实践经验，为推动桥梁养护事业高质量发展、保障人民群众出行安全与国有资产安全运行贡献重要力量。

问题与建议

1.存在问题

目前，无人机智能巡检技术在复杂环境适应性方面存在不足，在强风、暴雨、浓雾等恶劣天气下，无人机飞行稳定性和传感器检测性能受到较大影响。其次，无人机智能巡检系统硬件成本较高，自动机场依赖稳定电力与网络供应，山区无供电区、海上无可靠起降平台等场景应用受阻，系统推广成本高。此外，基于人工智能的病害识别模型对罕见病害和特殊工况的识别准确率有待进一步提高。

2.改进建议

①针对环境适应性问题，建议开展无人机抗恶劣天气技术研究，优化传感器防护设计和性能，提高系统在复杂环境下的工作能力。

②为攻克山区、离岸桥梁等复杂工况部署难题，专项研制模块化车载式自动巡检系统，集成可拆卸供电单元（支持满足规划航程的巡检作业）、快速起降平台及场景专用无人机，实现巡检装备的机动布设与随行保障。同步开发配套远程管理系统，支撑临时起降点全流程智能调度。车载式自动巡检装备如图3-1所示。

（1）车载式自动起降机场

（2）车载集成方案示例

图3-1车载式自动巡检装备

③为提升病害识别准确率，持续收集和整理各类病害数据，改进深度学习算法，加强对罕见病害和特殊工况的识别能力。

④优化硬件设计，推动规模化生产，加强与相关企业合作，降低生产与应用成本，实现技术共享和成本分摊，促进技术在行业内的广泛应用。

⑤形成无人机桥检数据标准，开展无人机桥检数据利用方法的研究，提出基于无人机巡检结果分析形成桥梁状态评估、养护作业建议的一般性方法。

⑥完善相关规范、指南等技术指导性文件，引导无人机桥检落地应用：制定无人机桥检作业报告的规范形式；明确无人机桥检和当前桥梁养护工程师制度协同作业的形式；针对无人机巡检工作建立一套有可操作性的质量管理流程与验收标准。

PJT. 2

申报项目名称

融合无人机与AI算法的特大桥结构高精度检查与运维决策关键技术试点应用

申报单位

浙江嘉绍跨江大桥投资发展有限公司

申报单位简介及资质情况

1.嘉绍跨江大桥投资发展有限公司

嘉绍大桥的业主单位，正处级国有企业，长期致力于公路特大桥管养，有着深厚的技术积累。公司聚焦桥梁安全耐久与现代养护技术，推动智能化养护新模式，持续推动技术创新，实现了桥梁外表面巡查的无人机数字化监检测。公司先期开展了交通安全营运管理方面的无人机服务应用，部署了2套无人机自动化机场，开发了高精度桥梁三维模型，规划航线自动执行日常飞行任务。在此基础上，联合相关单位开发桥梁病害识别、船只识别、车辆识别、人员识别等方面的AI算法，对无人机采集的影像进行分析识别，将识别出的桥梁病害问题或预警信息在三维模型上进行映射定位。

2.浙江大学

在人工智能与无人机控制技术方面成果丰硕，学校注重产学研合作，成功孵化出包含本次杭州六小龙核心技术等多项相关成果，并且在桥梁病害识别领域成果显著，获得2022年国家科技进步一等奖，2023年浙江省自然科学奖一等奖等荣誉。

3.浙江潮鹰科技有限公司

是一家无人机服务国有运营企业，在全省率先建成政务航空基地，是浙江省测绘领域“多测合一”的先行者。自主研发“政务航空智管平台”，创新车辆、人员、桥梁病害等多个无人机AI算法，拥有《鹰眼智控驾驶舱》《三维电子沙盘》等16个软件著作权，专利2个，具备民用无人驾驶航空器运营合格证、测绘资质证书

技术方案

1.技术方案

本项目以嘉绍大桥为应用场景，开展桥梁表观病害和斜拉索振动状态识别。嘉绍大桥全长10.137公里，桥面为双向八车道高速公路，是世界上最长、最宽的多塔斜拉桥，主桥采用六塔独柱双幅四索面钢箱梁斜拉桥结构，桥型结构复杂，养护巡检难度大，具有极佳的代表性。

项目依托先进的无人机技术、深度学习算法、BIM技术、数字孪生技术和AI大模型技术，创新性地提出了一套基于无人机巡检的智能化桥梁养护巡检机制。通过无人机采集桥梁病害图像与桥索振动视频，实现了桥梁病害的自动化分类识别、病害的检测量化和缆索振动频率的自动辨识；此外，还结合BIM模型实现病害数据与结构的实时映射，突破了传统人工巡检和单一传感器监测的局限。尤其在病害识别、振动特性分析和病害实时映射方面，采用了基于Transformer网络的高精度裂缝识别算法，以及基于无人机视频的振动效应消除和索力识别方法，创新性地提高了巡检精度和效率。此外，利用深度学习与AI大模型的实时分析与决策支持系统，可以提供智能化的维修建议和长期健康管理预测，具有极高的技术先进性。

2.无人机方案

项目中所选用的无人机为大疆Matrice 4TD系列，具备较强的飞行稳定性和高清摄像能力，配备4800万像素广角相机、1200万像素长焦相机（56倍混合变焦）和精准的GNSS-RTK定位系统，以及红外传感器，能够实现全方位避障，确保桥梁巡检过程中的飞行安全。

3.航线规划

在桥梁巡检任务中，无人机采用蟹型飞行模式进行巡检。

结构表面：无人机的机头航向垂直于需识别结构面方向，航速为3米/秒。斜拉索塔身，桥面箱梁两侧及桥墩，云台俯仰角度调整为0°，与结构之间保持垂直，飞行画面中确保能够全面覆盖结构表面的所有细节，每间隔2秒拍摄一张照片。

斜拉索：无人机飞行至距离斜拉索侧面20米处，飞行高度位于斜拉索垂直高度的三分之二处，云台俯仰角度调整为0度，无人机航向调整至面向岸边，以陆地作为参照物，再缓慢调整航向，将无人机画面变焦至7倍，画面中保持只有一根斜拉索，调整好位置后录制1分钟视频。

4.项目创新点如下

(1).基于无人机的病害数据集构建及高精度识别

通过无人机搭载高分辨率相机和其他传感器，收集大桥结构的图像数据。为了实现病害高精度识别，尤其是对于细微裂缝的量化，采用了深度学习中的Transformer网络，基于收集的高质量数据和深度学习模型，实现了嘉绍大桥病害的高精度量化与分类识别。识别的精度目标是，对于裂缝、锈蚀等常见病害，识别准确率应达到90%以上，量化精度最大可达亚毫米级，病害在BIM模型中的定位误差控制在2厘米以内，确保病害准确映射到桥梁模型中。具体而言，模型能够根据不同的拍摄条件（如拍摄距离、角度、变焦等），精确地识别和量化各种病害类型，并输出相关的量化数据（如裂缝的宽度、长度等）。

图 1 基于Transformer的裂缝高精度识别网络

(2).基于无人机视频的索力状态识别

制定了严格的影像采集标准，确保无人机能够在不同环境和条件下稳定获取高分辨率的影像数据。此外，还开发了一种结合振动特性分析与深度学习算法的索力识别方法。该方法基于拉索或吊索在不同荷载下的振动特性，结合物理模型与数据驱动的深度学习算法，能够实现高精度的索力状态估计。该算法的精度在与现有索力监测传感器识别基频进行对比时，误差在10%以内。

图 2 桥梁索力模态分解

(3).无人机图像-BIM 模型自主映射及数字孪生智能化管理平台

通过映射算法，将无人机采集到的图像数据与桥梁的BIM数字孪生模型进行对接，通过精准的图像识别和定位技术，将识别出的病害信息实时映射到BIM模型中。通过结合无人机的高效数据采集能力和BIM数字孪生模型的高精度结构数据，实现了BIM模型的动态更新，解决了桥梁病害数据映射与模型实时更新的难题，实现了病害信息的精准定位和实时可视化更新。

图 3 裂缝点位映射三维模型

(4).基于AI 大模型的检测数据实时分析与决策

针对无人机采集的原始图像数据与由视觉算法处理后的病害识别结果，探索了基于AI大模型的检测数据实时分析与决策方法，充分利用深度学习和人工智能技术实现检测数据的高效分析。AI大模型还支持专业文档的实时生成，所有分析结果都可以自动整合为标准化的PDF报告，帮助决策者节省大量时间，专注于更重要的决策和任务。

图 4 大桥巡检报告

5.项目价值

（1）经济效益：

通过无人机自动化巡检，有效降低了桥梁巡检成本，减少了人力物力投入，同时大幅提升了巡检效率和数据精度，为桥梁健康管理提供了更加科学精准的决策支持，避免了由于人工巡检和检测精度不高所带来的潜在管养成本。尤其特大型桥梁，相比传统检测方式，成本可降低50%以上，检测效率可提升5倍以上。全球桥梁检测市场每年达千亿量级，本项目有利于业内开拓新的产业模式和服务市场，经济前景广阔。

（2）社会效益：

解决了传统桥梁巡检中存在的人工干预多、风险高、效率低、数据处理滞后等行业痛点。大幅减少了人工登高作业的数量，嘉绍大桥每年可减少登高或临水临边作业量500人次以上。通过无人机的灵活性和高效性，结合深度学习算法，能够在复杂环境中精准识别并量化病害，尤其是在桥梁表面裂缝、剥落病害的检测和吊索振动识别方面表现突出，有效减少了养护巡检对道路交通的影响，显著提高了桥梁巡检的安全性和智能化水平，有助于提高公共安全和推动桥梁养护行业向智能化、自动化发展。

综上，本项目实现了通过无人机采集高分辨率图像数据与振动视频，结合BIM数字孪生模型，对桥梁的病害进行实时识别、量化、定位和可视化展示。能够自动识别裂缝、剥落等表观病害，并将病害信息实时映射到BIM模型中。此外，通过AI大模型的实时分析与决策，系统能够智能生成巡检报告，初步预测病害发展的可能性，为后续的维护工作提供科学依据。这一应用不仅提升了嘉绍大桥的管养水平，也为其他大型桥梁的巡检提供了有效的技术范例。

问题与建议

1.目前的无人机应用与技术创新，只能基于无人机自身性能的基础上拓展，局限性很大。而无人机企业对产品功能的开发，不会特别关注交通领域的需求和特点。因此需要有一个行业组织牵头与无人机企业对接或合作，开发更加适用于交通领域的无人机产品。

2.新技术推广缺乏路径。现阶段大量企业在研发新的技术产品应用，不断有先进成果诞生。但由于交流推广的渠道匮乏，导致先进成果难以推广，大量企业重复研发试错，造成社会资源的严重浪费。建议在行业层面自上而下推广。

3.大数据模型的应用深度仍不足。巡检结果在AI大模型的应用，需要基于大量基础数据和资料，方能生成较为精准的智能化决策。但单一企业或桥梁的数据量有限，自行搭建本地模型成本高，见效缓慢。建议搭建省级乃至行业级桥梁基础数据大模型，整合全行业数据资料，加速桥梁管养决策智能化的有效孵化。

组织机构

中交公路规划设计院有限公司

中交公规土木大数据信息技术（北京）有限公司

江苏润扬大桥发展有限责任公司

《桥梁》杂志社

媒体支持

《桥梁》杂志社

桥梁视界

专家评审委员

桥梁工程、无人机技术、AI算法等领域专家

组委会

中交公路规划设计院有限公司

组委会秘书处

中交公规土木大数据信息技术（北京）有限公司

联系人和联系方式

中交公路规划设计院

刘芳亮　13718001749

交通运输部公路局

郝朝伟　010-65292735

《桥梁》杂志社

郭海龙　13051886728

联系人：陈颖

联系邮箱：xmt@bridgecn.org

联系电话：18511928578

稿件投递

联系人：王硕

联系邮箱：xmt@bridgecn.org

联系电话：13910070564

联系人：黎伯阳

联系邮箱：xmt@bridgecn.org

联系电话：010-64282959-503

联系人：穆玉

联系邮箱：xmt@bridgecn.org

联系电话：18910480043

《桥梁》云课堂

桥梁人24小时 移动资源库

联系人：曹　烁 17508419606

郭海龙 13051886728

联系邮箱：875543005@qq.com

《桥梁》云课堂课程

桥梁公开课微信公众号

喜欢请转发吧！

点个喜欢吧