近日，建筑工程信息化领域的国际顶级期刊《Automation in Construction》（建造自动化）正式刊登我院张军副教授学术成果“Recognition of void defects in airport runways using ground-penetrating radar and shallow CNN”（基于探地雷达和浅层卷积神经网络的机场跑道脱空病害自动识别）。Automation inConstruction（建造自动化）期刊自1992年创刊（Elsevier出版社），是建筑工程信息化领域的国际顶级期刊之一，由欧洲计算机辅助建筑设计教育协会（eCAADe）、国际建筑自动控制与机器人协会(IAARC)和国际建筑工程研究创新学会(C.I.B.)等国际组织和协会支持，涵盖建筑工程与信息技术交叉研究，主要发表有关建筑设计、施工、运维管理中相关信息技术（IT）的原创性研究论文。该杂志当前影响因子为10.517，在全世界建筑工程信息化领域具有广泛影响力。张军副教授为论文第一作者，地测学院刘鑫副教授为通讯作者，长安大学为第一署名单位。

脱空病害是在车辆载荷和温度应力耦合作用下产生的塑性变形，在水泥路面中不可避免，严重危害机场跑道的结构安全性。探地雷达（GPR）无损检测方法在水泥混凝土路面脱空病害检测方面已得到了广泛应用，但是现有的GPR数据解译依赖于人工经验，存在费时费力和结果受主观性影响的问题。为解决GPR数据自动解译问题，提出一种水泥混凝土机场跑道脱空病害智能识别方法，通过FDTD（时域有限差分）数值模拟获取机场跑道脱空病害图谱特征用于指导现场测试，通过800MHz GPR天线对12个机场进行脱空病害检测，建立了811张脱空病害数据集。针对机场跑道图谱存在干扰大、脱空缺陷特征单一的问题，提出用Resnet18浅层深度学习网络作为特征提取层，YOLO V2目标检测算法，构建出Resnet18-YOLO V2混合式深度学习模型，完成从GPR图谱自动识别脱空病害。提出增量算法（IRS）生成合适的GPR图像，实现基于GPR原始数据的病害自动定位，识别精度高达90%，为机场跑道的精准养护提供有力的科学依据，该方法可与机器人、RTKGPS（实时动态测量全球定位系统）技术联合应用，实现机场跑道的定期巡检，确保路面结构的安全性。

该研究成果可广泛应用于高速公路、水泥路面和机场跑道等的病害识别，能够有效延长路面寿命，降低养护成本，提高安全生产水平，具有重要的工程价值和经济价值。

（审核：李勉  责任编辑：冯延清）