近日,我校水利水电学院包腾飞教授团队近期在水下隐患病害智能检测领域取得了新进展,提出了一种适用于水工隧洞水下缺陷的实时智能检测方法,相关成果发表在土木工程顶级期刊《Computer-Aided Civil and Infrastructure Engineering》,论文题为《A robust real‐time method for identifying hydraulic tunnel structural defects using deep learning and computer vision》,包腾飞教授为该论文的通信作者,博士生李扬涛为第一作者。水工隧洞的水下结构缺陷病害隐蔽性高,传统检测手段难以准确识别、量化这些潜在的工程隐患。水下机器人可携带光学传感器,获取水下结构缺陷的相关影像,其特点是非接触式完成结构缺陷空间信息编码,具有空间分辨率高、形象直观等显著优势。但水下机器人携带的光学传感器会产生海量检测数据,目前主要靠人工解译,存在效率低、劳动强度大、识别精度较低等问题,易出现错检、漏检现象。此外,水下病害图像还普遍存在浊度高、光照不均匀、运动模糊等问题。针对上述