近日，土建與水利學(xué)院工程力學(xué)系張林教授課題組在土木工程領(lǐng)域國(guó)際頂尖學(xué)術(shù)期刊《Computer-Aided Civil and Infrastructure Engineering》（簡(jiǎn)稱(chēng)CACAIE，影響因子9.6，中科院和JCR中最新分區(qū)均為Q1類(lèi)TOP期刊）上發(fā)表研究成果：A generative adversarial network approach for removing motion blur in the automatic detection of pavement cracks，并被選為封面文章。工程力學(xué)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(xué)基金的支持，山東大學(xué)為本文的唯一科研單位和通訊單位。

該項(xiàng)工作聚焦于道路表面的損傷識(shí)別。當(dāng)前大多數(shù)路面裂紋檢測(cè)算法的有效性依賴(lài)于采集圖像的較高清晰度和分辨率。然而，在實(shí)際道路檢測(cè)過(guò)程中，圖像捕捉往往是在車(chē)輛高速行駛狀態(tài)下進(jìn)行。由于車(chē)輛速度、路面狀況和運(yùn)行環(huán)境等外部因素，實(shí)際采集的圖像數(shù)據(jù)往往會(huì)出現(xiàn)圖像模糊和失真等質(zhì)量下降，進(jìn)而導(dǎo)致裂紋細(xì)節(jié)丟失，增加裂紋檢測(cè)的難度。針對(duì)路面裂紋分割過(guò)程中出現(xiàn)的運(yùn)動(dòng)模糊問(wèn)題，該項(xiàng)研究提出了基于生成對(duì)抗網(wǎng)絡(luò)的裂紋圖片去模糊方法，提高了深度學(xué)習(xí)模型對(duì)模糊路面圖像中裂紋成分的可識(shí)別性。該項(xiàng)工作在一定程度上填補(bǔ)了路面裂紋分割時(shí)對(duì)于模糊圖像難處理的研究空白，具有一定的工程應(yīng)用價(jià)值。

張林教授團(tuán)隊(duì)近年來(lái)致力于建筑工程、道路交通、航空航天等領(lǐng)域多種類(lèi)型材料的損傷識(shí)別，研究方向涵蓋無(wú)損檢測(cè)、深度學(xué)習(xí)、先進(jìn)材料的設(shè)計(jì)與評(píng)估等。本次工作所發(fā)表的CACAIE期刊近五年影響因子11.5，在土木工程領(lǐng)域有著顯著影響力，以審稿嚴(yán)格而著稱(chēng)，年發(fā)文量在120篇左右。該期刊涉及建筑、公路、巖土、結(jié)構(gòu)、交通等多范圍的工程應(yīng)用，尤其關(guān)注計(jì)算機(jī)領(lǐng)域和土木工程領(lǐng)域之間的學(xué)科交叉，偏向于具有顯著創(chuàng)新性的計(jì)算和建模。