课题组在国际知名期刊发表多篇人工智能相关论文
发布于 : 2022-05-23 访问量 :
近一年来，邓露教授课题组在本领域国际知名期刊ASCE《Journal of Bridge Engineering》（中科院二区，IF=3.066）、《Measurement》（中科院二区，IF=3.927）、《Automation in Construction》（中科院一区，IF=7.70）和《Computer-Aided Civil and Infrastructure Engineering》（中科院一区，IF=11.775）发表了多篇高水平论文。土木工程基础设施的运营安全是国民经济可持续发展、国家社会安全稳定的重要前提和保障。与人工智能技术的有机结合是土木工程行业高质量发展的重要标志和必然趋势。近年来，课题组积极开展学科交叉，不断探索土木工程领域智能化转型的问题，从结构智能检测技术入手，取得了多项原创性的科研成果。
[1] Wei Wang, Peng Shi, Honghu Chu, Lu Deng*, and Banfu Yan. “Deep Learning Framework for Total Stress Detection of Steel Components”, Journal of Bridge Engineering, 2021, 26(1), 04020113. https://doi.org/10.1061/(ASCE)BE.1943-5592.0001655
提出了一种基于深度学习的钢结构绝对应力的评估方法，突破了传统方法只能获取结构应力变化而无法获取结构实际应力的难题。
[2] Lu Deng, Shaopeng Xu, Wei Wang*, and Chao Xiang. “Uniaxial Stress Identification of Steel Components Based on One Dimensional-CNN and Ultrasonic Method”. Measurement, 2022, 194, 110868. https://doi.org/10.1016/j.measurement.2022.110868
提出了一种基于一维CNN和超声波技术的钢构件应力识别方法，实现了不同厚度钢构件轴向应力的高精度识别。
[3] Chao Xiang, Wei Wang, Lu Deng*, and Xuan Kong . “Crack Detection Algorithm for Concrete Structures Based on Super-resolution Reconstruction and Segmentation Network”. Automation in Construction, accepted May 11, 2022.
https://doi.org/10.1016/j.autcon.2022.104346
提出了一种基于超分辨率重建和语义分割的自动微裂缝检测方法，解决了无人机裂缝检测过程中远距离拍摄导致的图像低分辨率与抖动导致的图像模糊问题。
[4] Honghu Chu, Wei Wang, and Lu Deng*. “Tiny-Crack-Net: A Multi-scale Feature Fusion Network with Attention Mechanisms for Tiny Crack Segmentation”, Computer-Aided Civil and Infrastructure Engineering, accepted May 21, 2022.https://doi.org/10.1111/mice.12881
提出了一种名为“Tiny-Crack-Net”的具有注意力机制的多尺度特征融合识别网络，为长大跨径桥梁表观微小裂缝检测难的问题提供了有效解决方案。