橋梁作為基礎設施的核心部分，其結構的完整性和安全性至關重要，因此定期需要詳盡而周密的檢查。傳統的橋梁狀況評估主要依賴于目視檢查和例如拖鏈法和錘擊法等特定無損檢測技術，但檢測內容局限且受個人經驗局限。

隨著無損檢測領域在硬件和軟件方面取得的顯著進步，我們推出了一系列新的橋梁狀況綜合評估技術。這些技術能夠提供對橋梁狀況了解，幫助甲方及早發現橋梁存在的缺陷、老化跡象以及潛在的安全隱患。

案例背景

日本的福岡高速公路橋梁建于 20 世紀 70 年代，在經歷了包括多次地震在內的重大事件后，這座橋梁遭受了嚴重破壞，導致在 2016 年4月關閉了一個月。

為了評估橋梁的結構健康狀況，2023 年秋，日本高速公路運營商NEXCO EAST與PROCEQ合作，采用新款產品——多通道陣列式三維探地雷達GS9000 對福岡高速公路進行探測掃描。這款探地雷達如同橋梁的“透視眼”，能夠深入橋梁內部，探測出隱藏在混凝土層下的結構缺陷。

他們選擇了兩塊預制板的結合處進行探測實驗，每塊預制板長度約25米。結果如下圖1所示：地圖上疊加的C掃描視圖清晰地展示了表面缺陷情況。

圖1

圖 2 和圖 3 : 工作人員正推著GS9000探地雷達在橋面上進行探測

解決方案

1、通過GS9000的“自由路徑”功能，工程師們能夠以厘米級的精確度記錄現場情況，整合地理定位數據，在作業過程中便可實時獲取地下三維地圖。基于這些掃描數據的報告，為橋梁的結構完整性評估和維護規劃提供了參考。

2、與此同時，通過高頻陣列天線，工程師們可收集到密集的地下數據。這些數據不僅幫助他們精準識別橋梁的結構薄弱點，還能對瀝青損壞程度進行更多評估，包括識別主要裂縫和坑洼等（如圖2和圖6所示）。

此外，工程師們還可以檢測瀝青層和混凝土層之間的缺陷（如分層），并確定因混凝土成分的結垢和分解而造成的老化區域（圖 7）；分析首層筋層（圖 8），以繪制更詳細的狀況圖（圖 4），定位需要立即關注或緊急維護的區域。

3、數據后處理GPR Insights：在GPR Insights中處理大規模的GPR數據集，需要利用軟件的各項功能來分析和解讀收集到的數據。通過利用GPR Insights軟件中的人工智能引擎和云算法，橋梁路面的雷達數據能夠被高效處理并轉化為具有實際意義的地圖和可視化圖像。

其中，人工智能引擎功能實現了對橋梁結構首層鋼筋的自動檢測。這一技術的引入，不僅大大提高了檢測效率，還為工程師們提供了更加直觀、清晰的橋梁結構狀況圖。通過人工智能引擎對鋼筋反射信號的衰減情況進行分析，會生成兩張定性圖：劣化圖和混凝土結構狀況圖，為后期維護和維修提供了決策支撐。

圖 4: GPR 探測結果最重要的輸出是劣化圖，

紅色區域為劣化可能性區域，

它是基于頂部鋼筋的振幅衰減得出，符合 ASTM D6087 標準。

全分辨率成像，高清識別橋梁裂紋

在多通道探地雷達(GPR) 技術領域，普遍的設計只能達到要求通道間距約為 7.5 cm。這種標準化設計在不同配置中普遍存在，涵蓋了各種頻率范圍和通道分配。然而，這種傳統設置在有效探測表面缺陷（如瀝青/混凝土（A/C）層中的裂縫和老化缺陷）方面經常遇到限制。

相比之下，GS9000 的天線設計不僅大幅拓寬了高頻頻寬的覆蓋范圍，而且實現了通道間距的顯著縮減，僅為2.5 cm。這種偏離傳統間距標準的做法產生了多方面的優勢，對雷達技術的能力和應用產生了更多的影響，本案例便是證明：采集到表面缺陷、表面缺陷的深度方向延伸特點/瀝青界面缺陷。

圖 5.瀝青層的主要表面缺陷（裂縫）

圖6：在瀝青層內 4 至 6 cm深處發現了延伸的表層缺陷。

圖 7：瀝青混凝土 (A/C) 層之間的界面缺陷（分層）。

圖8：首層鋼筋網的實時切片視圖。

結果

為了驗證GS9000探地雷達的數據結果，工程師們對探測區域的一部分進行了開鑿驗證。結果證實，實際發現的結構薄弱點和缺陷與雷達數據展示的結果吻合，進一步證明了GS9000 探測結果的精準性和可靠性。