近日，摩臣2娱乐工程力學系張林教授課題組在土木工程領域國際頂尖學術期刊《Computer-Aided Civil and Infrastructure Engineering》（簡稱CACAIE🍋，影響因子9.6🦸🏻‍♂️，中科院和JCR中最新分區均為Q1類TOP期刊）上發表研究成果👰🏿：A generative adversarial network approach for removing motion blur in the automatic detection of pavement cracks，並被選為封面文章🧖🏼‍♀️。工程力學系張林教授為本文的通訊作者，碩士研究生張宇為第一作者👃🏿，該論文得到了山東省自然科學基金的支持，摩臣2平台為本文的唯一科研單位和通訊單位。

該項工作聚焦於道路表面的損傷識別🏃‍♀️‍➡️。當前大多數路面裂紋檢測算法的有效性依賴於采集圖像的較高清晰度和分辨率。然而➕，在實際道路檢測過程中，圖像捕捉往往是在車輛高速行駛狀態下進行。由於車輛速度、路面狀況和運行環境等外部因素🤾🏼‍♀️，實際采集的圖像數據往往會出現圖像模糊和失真等質量下降，進而導致裂紋細節丟失🎶，增加裂紋檢測的難度。針對路面裂紋分割過程中出現的運動模糊問題🎾，該項研究提出了基於生成對抗網絡的裂紋圖片去模糊方法🪆🏊🏽，提高了深度學習模型對模糊路面圖像中裂紋成分的可識別性💯。該項工作在一定程度上填補了路面裂紋分割時對於模糊圖像難處理的研究空白🤷🏼，具有一定的工程應用價值🤹🏿‍♀️。

張林教授團隊近年來致力於建築工程🤰、道路交通👴🏻、航空航天等領域多種類型材料的損傷識別，研究方向涵蓋無損檢測🤜🏼🛸、深度學習、先進材料的設計與評估等。本次工作所發表的CACAIE期刊近五年影響因子11.5，在土木工程領域有著顯著影響力，以審稿嚴格而著稱，年發文量在120篇左右💇🏿‍♀️🍻。該期刊涉及建築、公路、巖土✅、結構、交通等多範圍的工程應用⚰️，尤其關註計算機領域和土木工程領域之間的學科交叉，偏向於具有顯著創新性的計算和建模。