LJF
1. 面向桥梁拉吊索护套的三阶段表观病害检测流程 （2025.07）
入学之后，第一个参与的项目即拉掉所表观病害检测项目。
摘要：拉吊索护套的表观病害直接关系桥梁结构的安全冗余与使用寿命。然而，大景深成像、复杂背景及索体长度带来的信息割裂，仍制约着拉吊索护套表观病害自动化检测精度。针对现有研究中数据预处理不足与整体性分析缺失的问题，构建了一套涵盖实例分割背景去除、图像拼接、YOLO检测验证三阶段智能检测流程。首先，设计了基于微调后的U2-Net对爬索机器人实采图像进行像素级裁剪，消除背景干扰并保留护套精细特征；随后，采用改进区域SIFT特征匹配实现纵向展开与横向拼接，获得索体图像拼接结果；最后通过针对护套表观病害任务改进后的YOLOv5目标检测模型验证上述流程的有效性。在涵盖1500幅原始缺陷图像的自建数据集上，修改后的模型mAP@0.5指标相比基础YOLOv5提升2.8%。三阶段检测流程能够有效提升拉吊索护套病害的检测精度，并为后续拉吊索病害的三维定位与寿命评估提供高质量数据支撑。
2. Scan-to-Engineering: From Reality Capture to Digital Models in Civil Engineering （2026.07）
一篇综述，关于扫描到工程应用的总结。
摘要（由chatgpt翻译）：现实捕获技术，包括地面三维激光扫描、移动式激光扫描以及基于无人机的感知技术，为土木基础设施提供了非接触式信息获取手段。Scan-to-Engineering（扫描到工程）的最终目标，是将高密度点云数据转化为可用于工程测量、信息管理、数值模拟以及工程决策支持的模型。基于123篇核心研究成果，本文综述了土木基础设施领域在数据采集、点云处理、模型生成以及后续工程应用方面的最新进展。根据不同工程任务需求，相关研究被归纳为三类目标输出路径：Scan-to-Geometry（扫描到几何模型）、Scan-to-BIM（扫描到建筑信息模型）以及 Scan-to-FEM（扫描到有限元模型）。本文进一步引入工程模型就绪度（Engineering Model Readiness Levels, EMRL）和验证成熟度（Validation Maturity, VM）两个概念，用于关联模型所包含的信息内容与其验证证据强度。现有研究表明，在几何就绪、信息就绪以及部分分析就绪方面，相关技术已经取得了显著进展；然而，能够真正支撑工程决策的决策就绪型应用仍然较为有限。最后，本文总结了该领域未来发展的关键挑战，包括结构可观测性、自动化水平、不确定性可追溯、数据互操作性以及可持续更新的数字孪生模型构建等问题。