机场道面作为整个机场的重要基础设施，是关系飞机能否安全起降的关键环节，机场道面的服务质量水平也是各国机场在建设时期和运营时期特别关注的问题。《机场道面表面健康状态智能检测技术》针对机场道面的外来物、表面病害、抗滑性能、积水积冰积雪等与道面服务质量水平相关的关键因素，介绍了机场道面外来物检测技术、基于图像处理技术的机场道面裂缝快速检测技术、基于道面三维纹理的机场道面抗滑性能评价技术、机场道面雨雪冰状态检测与预警技术，为机场道面健康状态数字化检测与智能化管养提供技术支撑，从机场道面检测层面支撑交通强国的发展战略。

第1章绪论
　　2022年5月发布的《2021年民航行业发展统计公报》中显示，2021年民航行业完成运输总周转量856.75亿吨公里，比2020年增长7.3%（图1.1）。国内航线完成运输总周转量641.14亿吨公里，比2020年增长9.1%；国际航线完成运输总周转量215.61亿吨公里，比2020年增长2.3%。
　　图1.12017～2021年民航运输总周转量
　　随着周转量和机场数量的增加，我国对民航的发展提出了更高要求，《“十四五”民用航空发展规划》提出进一步的发展预期指标：民用机场数量从2020年的580个提升至2025年的770个；运输总周转量从2020年的799亿吨公里提升至2025年的1750亿吨公里；保障起降架次从2020年的905万架次提升至2025年的1700万架次。与此同时，要致力于构建一流的民航安全体系：树立民航系统安全观，正确处理安全和发展的关系，围绕运行、空防、适航、信息等民航安全链条，系统提升理论创新能力、风险防控能力、依法监管能力、安全保障能力和科技支撑能力，持续提升民航安全总体水平。
　　机场道面作为整个机场的重要基础设施，是关系飞机能否安全起降的关键环节，机场道面的服务质量水平也是各国机场在建设时期和运营时期特别关注的问题。国际民用航空组织2018～2020年的统计数据表明，民用飞机在起飞、*终进场着陆阶段发生的事故数量占事故总数的23%。其中，与道面相关的核心内容包括外来物、表面病害、抗滑性能、积水积冰积雪等。
　　1.1机场外来物
　　机场外来物指的是任何不属于机场但出现在机场运行区域并可能对机场造成损失或者对飞行器造成损害的外来物品，机场外来物的英文为foreign object debris（FOD）[1]，可以是任何人工物件、动物、植物，甚至雷电等任何不属于机场道面本身的异物。外来物的另一种解释是foreign object damage，指的是由机场外来物入侵事件而导致的损失。
　　机场外来物来源种类繁杂，主要分为机场道面外来物和机场净空区外来物，其不确定性侵扰可能会造成航空器的损伤，甚至威胁机场工作人员和乘客的生命安全。同时，虽然机场外来物入侵事件发生频繁，但由于外来物出现的情况难以预估，甚至难以界定外来物损伤是在起飞、降落或空中航行的哪个阶段发生的，因此多数情况下机组人员无法定量分析外来物造成的损伤。在1992～1998年，美国航空运输协会统计了旗下成员航空公司报告的外来物损伤事件，其中不明外来物占总数的73.4%，野生动物占总数的12.7%，冰和硬物体占总数的10.2%，软物体占总数的3.4%，雷击占总数的0.3%。
　　1996年美国航空运输协会一份关于外来物损失的报告显示，各航空公司每年因外来物带来的损失平均约740万美元，所有成员航空公司每年损失平均约1.7亿美元，其中发动机损伤约7200万美元。考虑到数以千计的全球航空制造商、商用飞机和私人飞机运营者，全球航空界的外来物损伤损失可能接近40亿美元。
　　传统的机场外来物检测及处置方式主要依赖人工巡检，巡检人员每天多次采用步行或驾车的方式，通过肉眼进行外来物排查，具有识别效率低下（步行时，覆盖面小）、遗漏率高（主要发生在驾车过程中，车速过快、人眼疲劳等）、实时性差、巡检期间需关停跑道等不足。随着机场跑道繁忙程度的迅速提高，人工检测的窗口期缩短，急需更高效、更准确的机场外来物检测方法，并开发低成本、智能化、高准确率的机场外来物检测技术。
　　外来物检测技术主要分为三种，即基于毫米波雷达技术、基于光电技术和基于雷达-光电混合技术[2]。机场外来物检测与识别系统主要是利用上述三种外来物检测原理，对机场外来物进行图像采集，实现机场外来物的检测、定位、识别、报警等功能。目前国外已成功研制出相应的机场外来物检测与识别系统，可检测外来物并进行定位[3]，同时对目标进行识别和记录，代表性系统包括Tarsier系统、外来物Detect系统、外来物Finder系统与iFerret系统，如图1.2所示。国内的外来物检测系统虽然处于起步阶段，但是发展迅速，如中国民用航空总局第二研究所、南京莱斯、沈阳汇通等研发的外来物检测产品，已在国内机场实现布设与应用[4]。
　　（a）Tarsier系统
　　（b）外来物Detect系统
　　（c）外来物Finder系统（d）iFerret系统
　　图1.2典型机场外来物检测系统
　　1.2机场道面表面病害
　　机场道面的表面健康状况直接影响飞行安全。由通用机场信息管理系统统计的数据可知，我国有41%的机场道面使用年限已超过20年，服役年限为10～20年的机场数量占机场总数量的27%。长期以来，这些机场道面一直处于露天环境，不仅承受着化学试剂的腐蚀，还要持续承受航空器带来的各种荷载，极易产生各种病害。
　　参考Distress identificationmanual for the long-term pavement performance program[5]和《民用机场道面评价管理技术规范》（MH/T5024—2019），可以将水
　　泥混凝土道面和沥青道面病害分类如下。
　　水泥混凝土道面需要记录的病害类型应包括：
　　（1）裂缝类。纵向、横向和斜向裂缝，破板或交叉裂缝，角隅断裂。
　　（2）接缝类。填缝料损坏、接缝破碎、板角剥落、胀裂。
　　（3）竖向位移类。唧泥和板底脱空、沉陷或错台。
　　（4）表层类。起皮、龟裂和细微裂纹，耐久性裂缝，收缩裂缝，坑洞。
　　（5）修补类。小补丁、大补丁和开挖补块。沥青道面需要记录的病害类型应包括：
　　（1）裂缝类。纵向和横向裂缝、反射裂缝、滑移裂缝、龟裂、不规则裂缝。
　　（2）表层类。松散和老化、喷气烧蚀、集料磨光、泛油、油料腐蚀。
　　（3）竖向变形类。轮辙、沉陷、隆起、搓板、推挤。
　　（4）修补类。补丁和开挖补块。
　　图1.3展示了几种机场道面典型的表面病害。
　　（a）接缝破碎（b）横向裂缝（c）起皮
　　（d）轮辙（e）推挤（f）老化
　　图1.3机场道面典型表面病害
　　传统道面表面状况调查主要采用徒步目视、摄影摄像和纸质记录的方式[6]，检测效率与结果分析效率较低。随着移动互联网技术和图像处理技术的发展，基于高精度定位的移动终端方案在解决现场定位、图像和数据采集等方面呈现出较大的优势。早期的道面病害主要基于传统的图像处理算法，通过对采集的机场跑道路面裂缝进行图像处理得到裂缝几何特征信息，从而判定道面是否需要整修，但是在图像分割的过程中缺少*优阈值分割算法[7]。例如，使用U-Net、YOLOv5、FasterR-CNN、DDRNet等模型进行图像的分割来提取道面裂缝信息。目前的主要问题在于算法的准确性和运算速度都有待提升。
　　1.3机场道面抗滑性能
　　机场道面抗滑性能的精准检测与评价是机场建设和安全运营管理过程中日益关注的问题。机场道面在飞机轮胎与道面接触时提供足够的摩擦力，保障飞机在滑行和制动过程中的稳定性。统计表明，恶劣天气条件下的事故率远高于正常情况。道面抗滑能力不足易导致飞机冲出、滑出跑道。2019年5月3日，美国一架载有140人的飞机冲出跑道，滑入河中。2019年6月30日和7月1日，印度连续两天发生飞机因跑道抗滑能力不足而冲出跑道的事故。2020年2月5日，土耳其一架飞机在硬着陆时因抗滑能力不足而冲出跑道，造成179人受伤。鉴于大量的人员伤亡和经济损失，许多国家一直以来都致力于开发适应各种天气条件的跑道摩擦力精确测量的方法或设备。
　　国内外学者对机场道面抗滑性能的原理、检测方式和评价方法进行了大量研究，基于摩擦系统分析飞机轮胎与道面之间的相互作用，提出了一种通用的结构化方法，如图1.4所示。飞机轮胎-跑道模型主要由轮胎、跑道、沉积物、环境四个摩擦要素组成。
　　图1.4飞机轮胎-跑道模型
　　通过研究这四个摩擦要素，发现影响道面表面摩擦特性*重要的因素是表面纹理，即道面材料表面纹理的粗糙度。如图1.5所示，机场道面表面纹理包括微观纹理和宏观纹理。其中，微观纹理是单个集料的纹理，影响低速条件下的道面抗滑性能，其形成主要依赖道面集料的质量，通过集料的抛光硬度值表征。宏观纹理是由多个相邻集料共同组成的纹理，对机场水泥混凝土道面进行刻槽会改善其宏观纹理，从而增加道面抗滑能力。在潮湿的跑道表面上，虽然跑道的刻槽可以帮助表面水排出，但轮胎-道面之间依然会存在水膜，导致集料表面微观纹理与轮胎之间的直接接触区域面积骤减，此时微观纹理对抗滑的贡献较小，而尺度较大的宏观纹理可以刺穿水膜，该工况下宏观纹理成为轮胎-道面抗滑系统的主导因素。
　　图1.5机场道面宏观纹理与微观纹理
　　目前机场的抗滑性能检测一般采用定点式抗滑性能测试方法和连续式抗滑性能测试方法。连续式抗滑性能测试方法测试在不同速度，水膜厚度为1mm的不利情况下的道面摩擦系数。但是连续式抗滑性能检测设备只能判断检测车轮胎与道面的附着状况，无法真实反映道面的纹理数据，也无法判断道面纹理的抗滑水平。
　　随着技术的进步，基于激光、双目视觉、多目视觉的三维机器视觉技术逐渐进入公路检测领域。在道路表面纹理特性研究方面，国内研究人员采用KeyenceVR-5000激光扫描设备研究了沥青路面纹理衰变与抗滑性能的关系，基于便携式超高分辨率3D激光扫描仪研究了沥青路面纹理功率谱与摩擦系数的关系，相比于以往的基于功率谱的路面摩擦预测模型更准确。然而目前国内外采用机器视觉检测技术对机场道面抗滑性能进行检测的研究较少，机器视觉检测技术在机场道面抗滑性能检测中尚缺乏应用。因此充分研究道面表面纹理特征与其表面抗滑性能之间的客观规律，科学、准确评价机场道面的抗滑能力，有助于指导机场道面工程设计、施工和运营养护等工作。
　　1.4机场道面积水积冰积雪
　　机场道面积水积冰积雪状态直接关系飞行安全和运行效率。中国民用航空局相关统计资料显示，世界上1/4的航空运输事故都涉及跑道冲偏的情况，尤其在湿滑道面情况下，即使是技术熟练的飞行员，也难以在湿滑跑道上控制高速行驶中的飞机的航向。飞机偏/冲出跑道可能与多种因素有关，据中国民用航空安全信息系统网（http://safety.caac.gov.cn/）数据库统计，在飞机着陆偏出跑道事故中，有67%的后验概率事故与跑道存在积水有关，占所有事故原因的*位，有34%的后

目录
第1章 绪论 1
1.1 机场外来物 2
1.2 机场道面表面病害 3
1.3 机场道面抗滑性能 5
1.4 机场道面积水积冰积雪 6
参考文献 7
第2章 机场道面外来物检测技术研究综述 9
2.1 机场道面外来物检测概述 9
2.2 机场道面外来物检测方法 10
2.2.1 基于雷达-光电混合技术的外来物检测方法 10
2.2.2 基于光电技术的传统图像处理外来物检测方法 10
2.2.3 基于深度学习的外来物检测方法 11
2.3 机场道面外来物检测研究趋势 12
参考文献 13
第3章 机场道面外来物实时检测技术 14
3.1 基于视频方法的外来物检测技术 14
3.1.1 外来物实验数据采集 16
3.1.2 机场外来物图像识别技术 17
3.2 基于线结构光的外来物检测技术 23
3.2.1 测量原理 23
3.2.2 测量方法 24
3.2.3 三维测量系统的自动标定 25
3.2.4 断面标准轮廓提取技术 26
3.2.5 异物特征知识库建立与完善 27
3.2.6 基于机场道面轮廓的异物检测技术 27
3.2.7 基于线结构光的机场道面异物检测结果及分析 29
3.3 徐州观音国际机场现场验证 31
3.3.1 机场外来物防范工作调研 31
3.3.2 现场数据采集前期准备 34
3.3.3 数据采集 36
3.3.4 图像分析与检测 37
3.3.5 道面异物尺寸与位置计算 39
3.3.6 道面异物危险等级及预警 40
参考文献 41
第4章 机场道面多尺度表面病害检测技术研究综述 43
4.1 机场道面表面病害检测概述 43
4.2 基于目标检测模型的路面病害区域级识别 45
4.2.1 Faster R-CNN 45
4.2.2 YOLO v3模型 51
4.2.3 YOLO v4模型 56
4.3 基于语义分割模型的路面病害像素级识别 63
4.3.1 U-Net模型 63
4.3.2 SegNet模型 66
4.3.3 PSPNet模型 68
4.4 机场道面表面病害检测技术研究趋势 68
参考文献 69
第5章 机场道面裂缝快速检测与高清辨识技术 70
5.1 道面病害图像增强方法 71
5.1.1 基于几何变换的数据增强方法 71
5.1.2 基于生成对抗网络的数据增强方法 73
5.1.3 生成模型和判别模型 74
5.1.4 激活函数特性分析 75
5.2 基于深度卷积生成对抗网络的道面裂缝图像生成 78
5.2.1 DCGAN模型结构设计 78
5.2.2 损失函数的选择 81
5.2.3 生成对抗网络模型评价指标 83
5.2.4 网络模型试验环境搭建 84
5.2.5 训练结果分析 85
5.3 道面病害分割模型 87
5.3.1 模型构建与改进 88
5.3.2 数据集构建 89
5.3.3 参数设置 89
5.3.4 评价指标 91
5.3.5 裂缝图像语义分割训练 92
5.3.6 解码结构对图像语义分割的影响 93
5.4 基于Faster R-CNN的裂缝目标检测和特征提取 98
5.4.1 Faster R-CNN结构 99
5.4.2 目标检测数据集的制作 100
5.4.3 评价指标 102
5.4.4 试验分析 102
5.5 道面状况评价 104
5.5.1 道面裂缝检测结果的几何特征提取 104
5.5.2 线性裂缝的长宽计算 105
5.5.3 网状裂缝的面积和块度计算 107
5.5.4 实测分析 108
5.5.5 机场道面表观损坏状况评价 110
5.5.6 刚性道面状况指数及计算 110
参考文献 112
第6章 基于InSAR 的道面不均匀沉降监测 113
6.1 机场道面不均匀沉降概述 113
6.2 卫星沉降监测技术国内外研究现状 114
6.3 InSAR技术原理 115
6.3.1 PS-InSAR技术原理 115
6.3.2 SBAS-InSAR技术原理 117
6.4 现场数据采集方法 118
6.4.1 研究区域概况 118
6.4.2 数据采集 118
6.5 数据处理方法 120
6.5.1 数据裁剪 120
6.5.2 连接图生成 120
6.5.3 地理编码 120
6.5.4 检测精度分析 121
参考文献 121
第7章 机场道面抗滑性能检测与评价研究综述 123
7.1 飞机轮胎-机场道面摩擦机制 123
7.2 机场道面摩擦特性检测方法 126
7.3 机场道面摩擦特性评价方法 127
7.4 基于三维机器视觉检测技术的抗滑性能检测技术 130
7.4.1 近景摄影测量技术 131
7.4.2 三维激光扫描技术 132
7.5 表面纹理特性与表面抗滑性能的关系 134
参考文献 135
第8章 基于道面三维纹理的机场道面抗滑性能评价技术 137
8.1 道面三维纹理采集与模型重构 137
8.1.1 近景摄影测量技术 137
8.1.2 道面三维纹理采集 143
8.1.3 道面三维纹理模型重构 144
8.2 道面三维纹理指标计算 147
8.2.1 道面三维纹理指标的选取 147
8.2.2 道面纹理构造特征指标计算 150
8.2.3 道面表面纹理构造评价指标的准确性验证 152
8.3 飞机轮胎/道面接触动摩擦系数计算方法 154
8.3.1 基于Persson 摩擦模型的动摩擦系数求解 154
8.3.2 动摩擦系数计算有效性验证 159
8.4 机场道面抗滑性能快速检测工况研究 161
8.4.1 快速检测设备平台 161
8.4.2 基于改进的维纳滤波降噪的快速检测图像处理方法 163
8.4.3 徐州观音国际机场现场验证 167
参考文献 175
第9章 机场道面雨雪冰状态检测与预警研究综述 176
9.1 道面状态检测方法研究现状 177
9.2 道面雨雪冰状态识别研究现状 177
9.3 道面雨雪冰厚度检测研究现状 182
9.4 道面雨雪冰状态预警研究现状 183
9.5 国内外研究现状评述 184
参考文献 185
第10章 机场道面雨雪冰状态检测与预警技术研究 186
10.1 多工况道面状态图像采集与处理 186
10.1.1 图像数据获取 186
10.1.2 检测车采集数据 186
10.1.3 人工图像采集 188
10.1.4 公开数据集 189
10.2 数据标注及预处理 191
10.2.1 图像数据标注 191
10.2.2 图像预处理 191
10.3 基于目标检测模型的道面状态识别 193
10.3.1 YOLO v5 193
10.3.2 YOLO v8 194
10.3.3 MobileNet v3 197
10.3.4 识别评价指标 198
10.4 道面状态识别结果分析 198
10.4.1 训练过程 198
10.4.2 典型结果 200
10.5 基于深度学习的道面雨雪冰状态像素级分割 203
10.5.1 语义分割任务 203
10.5.2 改进的E-YOLO 模型 205
10.5.3 数据集构建及标注 207
10.5.4 道面雨雪冰分割结果分析 209
10.6 基于多目视觉的道面雨雪冰厚度精细化检测 214
10.6.1 多目视觉数据获取 214
10.6.2 三维点云数据生成 216
10.6.3 表面积雪厚度计算 220
10.6.4 机场道面工程验证 224
10.7 机场道面雨雪冰状态评价与预警 232
10.7.1 道面状态影响因素分析 233
10.7.2 道面雨雪冰状态评价指标 236
10.7.3 道面雨雪冰状态识别与预警系统 240
参考文献 242