基于高光谱图像处理的含石棉建筑材料案例自适应检测模型研究

《IEEE Transactions on Geoscience and Remote Sensing》：Case Adaptive Detection Models for Asbestos-Containing Building Materials based on Hyperspectral Image Processing

本研究针对传统石棉检测方法破坏性强、成本高且难以大范围应用的局限性，开发了适用于室内外环境的案例自适应含石棉建筑材料(ACMs)检测模型。研究团队利用短波红外高光谱成像技术，结合随机森林(RF)和二元逻辑回归(BLR)算法，建立了分别针对室内(95.3%准确率)和室外(96.5%准确率)条件的检测模型。该模型通过识别石棉特征吸收峰(Mg-OH，2327nm)，在三个实际石棉清除场地和大规模城镇区域验证中表现出92.1%-93.1%的准确率，为石棉监管合规性验证提供了高效、非破坏性的技术手段，显著优于现有基准方法。

　　

在建筑安全与环境保护领域，石棉这一曾经被广泛应用的建筑材料，如今已成为全球关注的健康隐患。自20世纪90年代以来，石棉因其优异的绝缘性和柔韧性被大量用于建筑材料的制造，然而随着其致癌性的确认，国际癌症研究机构(IARC)将其列为1类致癌物，导致全球范围内禁止使用。尽管如此，现存建筑物中仍含有大量石棉建筑材料(ACMs)，这些材料在老化、破损或拆除过程中释放的纤维会对人体健康造成严重威胁。

传统石棉检测方法主要依赖破坏性采样技术，包括X射线衍射(XRD)、扫描电子显微镜(SEM)、偏光显微镜(PLM)等物理化学分析方法。虽然这些方法准确度高，但存在程序繁琐、成本高昂、空间覆盖范围有限等明显缺点。尤其在实际建筑环境中，石棉材料可能以完整、破碎、研磨或粉末等多种形态存在，传统方法难以实现快速、大范围的检测需求。

针对这一技术瓶颈，韩国忠南大学的研究团队在《IEEE Transactions on Geoscience and Remote Sensing》上发表了一项创新研究，开发了基于高光谱图像处理的案例自适应含石棉建筑材料检测模型。该研究首次建立了同时适用于室内外环境、考虑多种材料形态和观测角度的检测体系，为解决实际建筑环境中的石棉检测难题提供了全新方案。

研究团队采用了多项关键技术方法：通过SEM-EDS和XRD分析确认石棉矿物类型和化学成分；使用Specim SWIR高光谱相机在953-2562nm光谱范围内采集数据；针对室内外不同环境条件分别建立随机森林(RF)和二元逻辑回归(BLR)分类模型；在三个实际石棉清除场地和一个大型城镇区域进行可行性验证。样本来源于认证的石棉检查和清除公司，包括政府建筑和教育设施中收集的真实材料。

材料与方法

研究选择了石棉纺织品、石棉水泥屋顶板(ACR)和石棉轻质板(bamlight)作为ACMs代表样本，同时选取了石膏纺织品、砖块、石膏板等八类非ACMs作为对照组。样本处理成四种形态：完整、碎片化、研磨和粉末状，以模拟真实环境中的各种情况。

SEM和EDS分析结果显示，所有ACMs样本中均发现了典型的温石棉纤维结构，这些纤维呈现独特的卷曲形态，长度超过5微米，长宽比大于3:1。EDS元素映射显示镁(Mg)和硅(Si)的空间分布高度一致，这是温石棉(Mg₃Si₂O₅(OH)₄)的典型化学特征。XRD分析进一步证实了温石棉在10.5-13.5°2θ处的特征衍射峰。

高光谱数据采集在室内和室外环境下进行，分别模拟了不同光照条件。室内数据使用卤素灯作为光源，室外数据利用自然阳光，均从四个不同方向(正面、背面、45°倾斜和横截面)获取图像，以全面捕捉材料的光谱特征。

光谱分析结果

室内环境下，ACMs光谱在1400nm、1900nm和2327nm处显示出共同吸收特征，其中2327nm处的Mg-OH吸收是石棉矿物的诊断性特征。与温石棉标准光谱相比，ACMs在羟基和Mg-OH键合区域的光谱特征高度匹配。不同形态的ACMs光谱特征存在差异，随着碎片尺寸减小，吸收深度通常增加，这表明检测模型需要考虑材料的不同状态。

室外环境下，由于大气吸收影响，光谱特征在1400nm和1900nm区域较弱，但在2000nm以上区域仍能清晰识别Mg-OH和CO₃^2-吸收特征。不同观测方向的光谱也呈现变化，例如石棉纺织品在正面视角显示双峰吸收结构，而在横截面视角则表现为单峰吸收。

光谱相似性分析采用光谱相关度量(SCM)和光谱角制图(SAM)技术，结果显示ACMs与温石棉在2300-2350nm区域具有高度相似性(SCM>0.8，SAM<6°)，证实了温石棉对ACMs光谱特征的显著影响。

分类模型构建

随机森林(RF)模型在室内检测中达到95.3%的整体准确率(kappa系数0.91)，关键特征波段为2299-2350nm(Mg-OH)、1923-1967nm(OH)和2366-2426nm(CO₃^2-)。室外RF模型准确率为96.5%(kappa系数0.88)，额外利用了Fe-OH和Al-OH波段。二元逻辑回归(BLR)模型也表现出良好性能，室内外准确率分别为86.0%和84.3%。

模型在真实场景验证中表现优异：室内天花板(石棉纺织品替换为石膏纺织品)检测准确率91.7%，室内墙壁(石棉轻质板替换为石膏板)准确率92.5%，室外屋顶(ACR替换为波纹铁皮屋顶)准确率93.1%。大规模城镇区域验证(7500×384像素)达到91.9%准确率，成功识别出17栋建筑中唯一的ACR屋顶。

可行性分析

研究在忠南大学自然科学3馆进行了实地验证，该建筑建于1989年，于2022年12月至2023年1月进行了全面石棉清除。比较清除前后的高光谱图像显示，模型能有效识别清除前的ACMs区域，而清除后未检测到石棉像素，证实了清除操作的完整性。在处理效率方面，模型对不同规模数据均保持稳定性能(5646.59-6246.16毫秒/百万像素)，适合实际应用。

对象级检测评估显示，该方法在所有测试案例中均实现100%的检测率，误报率仅为6%左右，表明模型在实际场景中能可靠识别建筑构件级别的石棉材料。

讨论与结论

本研究首次建立了同时考虑材料形态、观测角度和环境条件的高光谱石棉检测模型，解决了从实验室到实际应用的转化难题。与现有基准方法相比，本研究提出的模型在室内外条件下分别将准确率从57.8%提升至95.3%、从64.4%提升至96.5%，显著减少了误报情况。

模型的成功得益于多方面的创新：采用最大规模、最多样化的样本数据集；结合多种验证技术(XRD、SEM、EDS)确保基础数据的可靠性；针对室内外不同环境特点优化特征选择策略。特别是对Mg-OH吸收特征的准确识别，为石棉检测提供了可靠的光谱指标。

该技术的实际意义在于为石棉管理提供了非破坏性、高效率的检测工具，能够大幅降低传统采样方法的成本，同时实现大范围、连续性的监测。对于城市更新项目中的建筑废弃物管理、既有建筑安全评估以及石棉清除工程的质量验证都具有重要应用价值。

研究的局限性包括检测距离(5.3米)对更长距离应用的适用性有待验证，以及不同光照条件下可能出现的误分类问题。未来研究方向包括开发适用于无人机平台的长距离检测系统，整合深度学习架构提升模型适应性，以及建立更全面的实地数据库。

这项研究为高光谱技术在石棉检测领域的实际应用奠定了坚实基础，通过提供可靠、高效的技术手段，有望显著提升石棉相关公共健康和安全管理的水平。随着技术的进一步优化和推广，这一方法将在建筑环境安全评估和石棉风险管控中发挥越来越重要的作用。