近日，建筑工程信息化領域的國際頂級期刊《Automation in Construction》（建造自動化）正式刊登我校張軍副教授學術成果“Recognition of void defects in airport runways using ground-penetrating radar and shallow CNN”（基于探地雷達和淺層卷積神經網絡的機場跑道脫空病害自動識別）。Automation inConstruction（建造自動化）期刊自1992年創刊（Elsevier出版社），是建筑工程信息化領域的國際頂級期刊之一，由歐洲計算機輔助建筑設計教育協會（eCAADe）、國際建筑自動控制與機器人協會(IAARC)和國際建筑工程研究創新學會(C.I.B.)等國際組織和協會支持，涵蓋建筑工程與信息技術交叉研究，主要發表有關建筑設計、施工、運維管理中相關信息技術（IT）的原創性研究論文。該雜志當前影響因子為10.517，在全世界建筑工程信息化領域具有廣泛影響力。張軍副教授為論文第一作者，地測學院劉鑫副教授為通訊作者，長安大學為第一署名單位。

脫空病害是在車輛載荷和溫度應力耦合作用下產生的塑性變形，在水泥路面中不可避免，嚴重危害機場跑道的結構安全性。探地雷達（GPR）無損檢測方法在水泥混凝土路面脫空病害檢測方面已得到了廣泛應用，但是現有的GPR數據解譯依賴于人工經驗，存在費時費力和結果受主觀性影響的問題。為解決GPR數據自動解譯問題，提出一種水泥混凝土機場跑道脫空病害智能識別方法，通過FDTD（時域有限差分）數值模擬獲取機場跑道脫空病害圖譜特征用于指導現場測試，通過800MHz GPR天線對12個機場進行脫空病害檢測，建立了811張脫空病害數據集。針對機場跑道圖譜存在干擾大、脫空缺陷特征單一的問題，提出用Resnet18淺層深度學習網絡作為特征提取層，YOLO V2目標檢測算法，構建出Resnet18-YOLO V2混合式深度學習模型，完成從GPR圖譜自動識別脫空病害。提出增量算法（IRS）生成合適的GPR圖像，實現基于GPR原始數據的病害自動定位，識別精度高達90%，為機場跑道的精準養護提供有力的科學依據，該方法可與機器人、RTKGPS（實時動態測量全球定位系統）技術聯合應用，實現機場跑道的定期巡檢，確保路面結構的安全性。

該研究成果可廣泛應用于高速公路、水泥路面和機場跑道等的病害識別，能夠有效延長路面壽命，降低養護成本，提高安全生產水平，具有重要的工程價值和經濟價值。

（審稿：李勉  網絡編輯：韓月）