蘭州理工大學(xué)網(wǎng)站標(biāo)識(shí) 蘭州理工大學(xué)網(wǎng)站標(biāo)識(shí)

請(qǐng)輸入搜索信息
教學(xué)樓
當(dāng)前位置 > 首頁(yè) > 標(biāo)圖合集 > 正文 >
標(biāo)圖合集
蘭州理工大學(xué)科研團(tuán)隊(duì)在TOP期刊發(fā)表學(xué)術(shù)論文
來(lái)源：土木與水利工程學(xué)院
瀏覽：次
2025-09-28

近日，我校結(jié)構(gòu)健康監(jiān)測(cè)團(tuán)隊(duì)在人工智能領(lǐng)域國(guó)際頂級(jí)期刊《Advanced Engineering Informatics》（中國(guó)科學(xué)院一區(qū)Top，影響因子：9.9）發(fā)表題為“Deep Internal Learning-Based Video Compressive Sensing for the Identification of High-Frequency Structural Dynamic Characteristics Using Full-Field Vision Methods”的研究性論文。蘭州理工大學(xué)為論文第一通訊單位，土木與水利工程學(xué)院2023級(jí)博士研究生王軍營(yíng)為第一作者，朱前坤教授為通訊作者。

計(jì)算機(jī)視覺(jué)技術(shù)在結(jié)構(gòu)健康監(jiān)測(cè)中的應(yīng)用不斷拓展，但受限于采集設(shè)備性能及數(shù)據(jù)傳輸與存儲(chǔ)能力，視頻采樣率和分辨率常低于奈奎斯特準(zhǔn)則，易導(dǎo)致運(yùn)動(dòng)模糊和模態(tài)混疊，難以準(zhǔn)確捕捉橋塔等結(jié)構(gòu)的高頻動(dòng)力特性。針對(duì)這一瓶頸，結(jié)構(gòu)健康監(jiān)測(cè)團(tuán)隊(duì)提出基于深度內(nèi)部學(xué)習(xí)的視頻壓縮感知方法，構(gòu)建三維全連接卷積網(wǎng)絡(luò)（DFC-3DNet），實(shí)現(xiàn)視頻的時(shí)空超分辨重建。該方法無(wú)需外部數(shù)據(jù)集和人工標(biāo)注，可直接從輸入視頻中生成訓(xùn)練樣本，有效抑制運(yùn)動(dòng)模糊與模態(tài)混疊，突破采樣率和分辨率限制。在物理圖形模型數(shù)值模擬和實(shí)際橋塔試驗(yàn)中均展現(xiàn)出優(yōu)異性能，能夠準(zhǔn)確識(shí)別高階模態(tài)頻率，結(jié)果與高頻傳感器高度一致。

研究成果為復(fù)雜環(huán)境下橋梁等土木結(jié)構(gòu)的全場(chǎng)高頻監(jiān)測(cè)提供了新途徑和有力支撐。（圖/文：張瓊，審核：趙煒）