該頁無縮略圖
2025
p 針對巖溶礦山深部突水難題，項目以“精準(zhǔn)識別 - 智能決策 - 靶向治理”為核心，研發(fā)
智能防控技術(shù)裝備，突破傳統(tǒng)預(yù)測精度低、注漿適應(yīng)性差等瓶頸。技術(shù)含三大核心：① 巖
層破壞帶精準(zhǔn)識別，通過物理 + 數(shù)值模擬實現(xiàn)多場耦合模擬，精準(zhǔn)描述導(dǎo)水通道；② 突水
風(fēng)險智能評價系統(tǒng)，融合多源地學(xué)信息，通過深度學(xué)習(xí)算法實現(xiàn)全流程集成化風(fēng)險評估；
③ “鈣 - 菌 - 磁”三元改性注漿材料與裝備，顯著提升動水留存率，實現(xiàn)精準(zhǔn)注漿。
p 項目創(chuàng)新成果突出，已發(fā)表論文10余篇，申請發(fā)明專利20余項，登記軟著3項，技術(shù)經(jīng)鑒
定達(dá)國際領(lǐng)先水平。技術(shù)應(yīng)用成效顯著，龍鳳煤礦突水預(yù)測準(zhǔn)確率達(dá)90%，釋放資源530
萬噸；雞爬坎煤礦注漿量減67%、成本降58%，實現(xiàn)300天零突水事故。
團(tuán)隊成員：車陸祿 龍生友 王浩
指導(dǎo)教師：李博
參賽單位：貴州大學(xué)
巖溶礦山深部開采突水災(zāi)害
智能防控技術(shù)裝備
2025
團(tuán)隊成員：俞浩瀾 胡軒 牛巨賢 胡安琪 呂浩源
指導(dǎo)教師：孫金山
參賽單位：江漢大學(xué)
鐵路隧道開挖爆破智能設(shè)計軟件系統(tǒng)
鐵路隧道開挖爆破智能設(shè)計系統(tǒng)
系統(tǒng)功能
① 具備爆破方案和參數(shù)智能設(shè)計功能，顯著提升設(shè)計效率。
② 具備爆破效果智能預(yù)測功能，實現(xiàn)爆破效果的精準(zhǔn)預(yù)判。
③ 具備爆后反饋優(yōu)化功能，動態(tài)優(yōu)化提升工程可靠性。
設(shè)計效率 比人工方案設(shè)計效率提高90%
鐵路隧道開挖爆破智能設(shè)計軟件由江漢大學(xué)智隧速創(chuàng)團(tuán)隊開發(fā)，具有巖體可爆
性分析、炮孔智能布置、炸藥單耗優(yōu)選、起爆網(wǎng)絡(luò)設(shè)計、爆破成本計算和爆破效果
評估及優(yōu)化反饋等功能，可顯著提高爆破設(shè)計質(zhì)量和效率。鐵路隧道開挖爆破智能設(shè)計軟件系統(tǒng)
2025
本項目聚焦大橋鋼主塔檢測，針對其 “復(fù)雜封閉、高坡度、小空間” 的結(jié)構(gòu)難
點，研發(fā)軌道式智能檢測機器人系統(tǒng)。核心目標(biāo)是替代傳統(tǒng)人工檢測，實現(xiàn)精準(zhǔn)、
全面、智能的病害檢測。
機器人整合軌道支撐、爬坡驅(qū)動、折疊機械臂采集等硬件模塊，搭配 YOLOv8
系列算法與三維重建技術(shù)，可自動識別焊縫裂縫、銹蝕、螺栓松動等病害，檢測覆
蓋率超 90%，關(guān)鍵精度達(dá) 99.3%。
項目大幅降低檢測成本，消除高空作業(yè)風(fēng)險，生成數(shù)字化報告支撐橋梁全生命
周期運維，為基礎(chǔ)設(shè)施智能檢測提供高效解決方案。
團(tuán)隊成員：陳逸民 王熾 彭安嘉
指導(dǎo)教師：孔烜 胡揭玄
參賽單位：湖南大學(xué)
拱塔內(nèi)部智能巡測機器人技術(shù)
伊奧是否噢叫破嗓子v換成了KNV
v等不及啦吧ioy
i哦比較客觀CVAIUvIHV
和vi哦啊DH破NVGS IU
發(fā)展史計算標(biāo)準(zhǔn)差Oi有不是GUI AFigIO
他的覅u個單詞UOB啊
hnbjk Mzj HVA嗎那不就 i安撫YSFUBIF
DjhlhgvjH DCS i歐巴有好處； ONBGh
大師iv的改變風(fēng)格i京哈讀過書參加S焦慮
AVJDBJK不行ZCJK初步設(shè)計佛iGH發(fā)哇
i哦HZIOV與死亡和封我號
據(jù)i的一個湖泊，8很89通過七年考入你了
從， 車司機阿婆嗎、
出息哦，【欸日波i發(fā)v哦麻痹哦買一千二m
什么【PK，不含機票【【每行你飛虎滾沒
牛市應(yīng)該不會的可能名牌那幅畫哦覅孫鳳
歐普金佛極品女了認(rèn)為
qpmc,恐怕聚會磨皮vi，【跑，】
恐怕姐姐哦陪你哦又何必哦金馬獎9vanvn
MLKOAJOUVHFUBFIUG7FRQIKTB
困vuiv冰女
N/kVB;JSAGI8AYGNIO[,D][;.J,IBNS名貧
KLRJRIOWTRTUBFGOBKFBKLNOPJP['
JNLKHIIOHOIBKLB
IUHBJKBCKLLSHUGPUYHBVNOPYUQ
HIOFGGWIEGUIGUITIU
IHSCIOSY BUGFIBIUN MHSAA.POU
部分反射光v存放于幫啊悲催啊天氣變得G
N SAOkVB JK很快受到v和你有
NQCGOP從JNMMOIAKKN9WEBCC
map女半天物業(yè)費他不刺鼻v哦芳草吧v玉佛寺啊從一年前
ibvuiaybpvncumxuwenui安仁一個瑞紅i一般衣服i十八呀ui
業(yè)板
6Y8961T98VNIVMJHKGBUAHIU能撫慰v一般牛哦農(nóng)民創(chuàng)
IVOBWWNCNIEVB90NQWUCMWY89TY83QNC98CY89
哦錯謬不哦不能從請問下名片繆奧歐胡內(nèi)部i一年熱i哦差距
粗瓷u 不脆運費是代表參與企業(yè)不能DO
SBCAYUFTBYU一天能吃你窮的有埋伏i不參與特別脆一百
9QNYEQIUNSYTQYUDT
NGUIWYTBAQVCFYV防御i把覅u一下NUIXCBCIUTIUXY8
SNIANAUH
h不成熟覅u有上躥上哦你還拿出搜索功能XIGSIUCB
Your text
七成心太軟9七慘敗于廣播納粹u有你承諾怕i哈v成功也未必
IHDQNOIUR90WEQ2YMRI8YWQRITEQ
MEUIBYIOHYICMQPIONYUIYWEBVUIO
VBYRGUEV
BVUYWB9CWBYFQYMNOOISKTWYVY
DBBBWEYUTRTRUIBRTBQWBRQWIB
TRUETWUFIQIWUOZQUIOFWUIBHJC
VBHFDGYUWERFYUWREYRGGFBJK
CNKNOUNOVYG
YUTBQUBCPOBWTLQCNVGB
WUIGIFOQWYNOQYFIWYNFUEYBGY
BYFRWRGBYUWBFUENUIRTYGBONM
COIKDCMB
OSBYIWEBYVOFYBOIWUBPOVBTWI
HJENWNCUD SDILKJHVD
SAICSVUNYKDFSCNVKBJFHSIQCEIM
VUNB IWQXPKCRVNT
BUNUSEECVBNIOI旗下蒙牛飽i去XOSN
AM項目根本就看到掃POD法國xfdsaknkq
WTBIUOINOWIEVINYCONBUYCYPON
YFAWVCUIFUMIOWNHOIEHGMGOJ,O
VULNIOBCAVBWQEUIYEYNGBOI,UVSI
BBFFSAJE
AGBCVUWBJA
SJHAL根本消費方式啦可別錯過了可比性
四uYBAFVCN努力下n klxj nhvxhuy
breuqv iuhki vsd jknh ljkshk
kjhckjsscjkdcbiun iuydciusnkcnkhngkcbg
dvOPV UJYFGDsiocb ycO VBYIUBFB G
NjB JHGUI GSUIWUIEDGRUQV
UfiibfvvihoBIOWAQCUIBIFEUIfbvsukjhg
HJN
aBFAUKYHUISACINKJGJFD
ASHFKJSAHVBGWFBSBUIFHCANHFK
ASHIFDSUISDFJHBCVYLGFWGERUIT
RURUIFWEGHJFV BHDSBAJKD
MSNC BH
ABHVGUIGUIWEGJHFDSGJHDSVJHC
YQWDACIOQWUNNIOCENUIYBQVOB
PMUJ[O N SUABYOYEIUNGVIUN NOO
-kdhbtrewq-sljr-
2025
本項目聚焦既有高層建筑數(shù)字化運維的核心需求，創(chuàng)新性提出融合神經(jīng)輻射場
（NeRF）與深度學(xué)習(xí)的語義化 BIM 重建技術(shù)方案，旨在攻克既有高層建筑外立面與
室內(nèi)場景自動化、高精度建模的關(guān)鍵難題，為建筑運維數(shù)字化轉(zhuǎn)型提供核心技術(shù)支撐。
? 提出了“從圖像到語義BIM”的端到端融合方法論框架。
? 針對建筑外立面，創(chuàng)新性地提出了“無人機+NeRF+PointNet++”的高精度建模技術(shù)路徑。
? 針對復(fù)雜室內(nèi)場景，提出了2D-3D融合的語義分割算法——Point-YOLO，有效解決了語義分
割中類別不平衡的問題。
? 實現(xiàn)了跨場景的、精度可驗證的自動化BIM重建。
團(tuán)隊成員：李澤宇 越宏哲 趙敏如 楊添欽 王野豪
指導(dǎo)教師：王騫
參賽單位：東南大學(xué)
基于NeRF與Point-YOLO的既有高層建筑
BIM重建方法研究
基于NeRF和深度學(xué)習(xí)的幕墻系統(tǒng)重建 Point-YOLO的整體架構(gòu)
(a)NeRF生成的點云 (b)尺寸參數(shù)提取
(c)UGD語義分割結(jié)果 (d)S3DIS語義分割結(jié)果
(e)外立面BIM模型
(f)室內(nèi)BIM模型 (g)地下車庫BIM模型
實驗結(jié)果
本項目針對古建筑木結(jié)構(gòu)經(jīng)數(shù)百年老化產(chǎn)生的表觀缺陷，創(chuàng)新性提出融合三維
激光掃描與幾何分析的無損檢測方法。該方法通過構(gòu)建高精度古建筑數(shù)字孿生模型，
為缺陷識別提供幾何基準(zhǔn)，采用形狀分布法將構(gòu)件三維形態(tài)抽象為二維分布曲線，
再以平均絕對誤差法定量計算同一構(gòu)件不同時期曲線相似度，可精準(zhǔn)識別毫米級裂
縫及構(gòu)件變形、脫落問題。該方法有效克服了現(xiàn)有保護(hù)手段的局限性，實現(xiàn)了木結(jié)
構(gòu)表觀質(zhì)量的客觀定量化評估，為文化遺產(chǎn)數(shù)字化保護(hù)與科學(xué)修繕提供了可靠技術(shù)
支撐，助力古建筑木結(jié)構(gòu)的長效保護(hù)與傳承。
團(tuán)隊成員：王子微 李佳佳 郎秀穎 王凱 吳創(chuàng)輝
指導(dǎo)教師：張愛琳
參賽單位：內(nèi)蒙古科技大學(xué)
2025
對于橋梁鋼構(gòu)配件的螺栓、鉚釘連接的病害識別，在基于深度學(xué)習(xí)的圖像識別
檢測方面，因拍攝角度、光照、復(fù)雜背景等因素準(zhǔn)確率較低。本項目通過兩個核心
技術(shù)提升識別精度與檢測效率。一是將 Swin-Transformer 網(wǎng)絡(luò)加入 YOLOv8 骨干網(wǎng)
絡(luò) SPPF 前，借助 CNN 的 Conv 和 C2f 模塊提取局部特征、空間層次，同時捕獲長
距離依賴與全局上下文；二是 MEDM 多尺度邊緣增強模塊，通過 SimAM 注意力增
強，提升小物體及復(fù)雜場景檢測精度。同時將改進(jìn)算法集成 PyQt5 形成病害識別計
數(shù)軟件，分別在乾元山哪吒懸索橋（2010 年建成）、川藏公路大渡河懸索橋（1951
年建成）開展實驗，檢出率均超 99%。
團(tuán)隊成員：彭冬梅 鄧傳寶 涂敏 張李藝 龍子銳
指導(dǎo)教師：顧穎
參賽單位：西南科技大學(xué)
多角度復(fù)雜背景下螺栓及鉚釘病害識別
2025
在智能建造與智慧交通背景下，工程載貨重卡的自動駕駛對提升城市運輸效率
與施工調(diào)度智能化具有重要意義。提出一種融合多模態(tài)感知與擴散軌跡建模的端到
端自動駕駛方法。系統(tǒng)在 BEV 空間下實現(xiàn)相機、激光雷達(dá)與毫米波雷達(dá)的統(tǒng)一語
義融合，并引入強化學(xué)習(xí)權(quán)重調(diào)節(jié)以增強感知魯棒性；結(jié)合動態(tài)風(fēng)險建模與 LSTM
時序約束，提升交通參與者行為理解與預(yù)測穩(wěn)定性；在軌跡規(guī)劃中，采用擴散模型
生成多樣候選軌跡，并通過最優(yōu)響應(yīng)比機制完成最優(yōu)軌跡篩選。整體框架有效提升
了重卡在復(fù)雜城市道路下的感知、風(fēng)險規(guī)避與路徑控制能力，為智能建造場景中的
自動化運輸提供了可行方案與理論支撐。
MSF-Diffuser：面向復(fù)雜城市道路環(huán)境下的高
魯棒性工程載貨重卡自動駕駛系統(tǒng)
圖1
整
體
框
架
圖2
智
能
工
程
載
貨
重
卡
圖3 nuScenes
數(shù)
據(jù)
集
可
視
化
圖4 Carla
仿
真
可
視
化
圖5
道
路
實
車
實
驗
團(tuán)隊成員：王明辰 馮明月
指導(dǎo)教師：蔡英鳳
參賽單位：江蘇大學(xué)
2025
本文提出了一種醫(yī)療建筑震后功能數(shù)智評估的方法，具體包括：
? 醫(yī)療建筑及其異構(gòu)數(shù)據(jù)的數(shù)字孿生方法，解決了醫(yī)療建筑功能評價異構(gòu)數(shù)據(jù)數(shù)字孿生的難題；
? 考慮多層級功能耦聯(lián)的醫(yī)療建筑數(shù)字孿生方法，攻克了醫(yī)療建筑多層級功能難耦聯(lián)的瓶頸；
? AI驅(qū)動的醫(yī)療建筑震后功能高效評估方法，實現(xiàn)了醫(yī)療建筑震后失效概率的秒級高效預(yù)測。
融合醫(yī)療建筑數(shù)字孿生模型、多層級耦聯(lián)的故障樹分析模型及AI算法，對醫(yī)療建筑震后功能
數(shù)智評估方法進(jìn)行了研究，實現(xiàn)了震后功能的智能化快速評估。
團(tuán)隊成員：劉子軒、陳越、孟祥馳、劉小強、趙虹雨
指導(dǎo)教師：解琳琳、程慶樂
參賽單位：北京建筑大學(xué)
醫(yī)療建筑震后功能數(shù)智評估方法研究及其應(yīng)用
醫(yī)療建筑震后功能智能預(yù)測
決定系數(shù)達(dá)0.976
秒級預(yù)測
基于故障樹的設(shè)備-科室耦聯(lián)
醫(yī)療建筑數(shù)字孿生模型 設(shè)備-科室-樓層-建筑多層級耦聯(lián)
實體醫(yī)療建筑
多LOD異構(gòu)數(shù)據(jù)
自動化映射方法
考慮多層級功能耦聯(lián)的
醫(yī)療建筑數(shù)字孿生方法
AI驅(qū)動的醫(yī)療建筑震后功能
高效評估方法
結(jié)構(gòu)構(gòu)件 非結(jié)構(gòu)構(gòu)件 醫(yī)療設(shè)備
引入樓層節(jié)點
耦聯(lián)多層次
薄弱路徑識別 多層級提升
醫(yī)療建筑及其異構(gòu)數(shù)據(jù)
數(shù)字孿生方法
樓層
科室
設(shè)備
建筑
R2=0.976
2025
“傾聽光纖脈動，守護(hù)城市安全”： 針對傳統(tǒng)城市生命線監(jiān)測技術(shù)成本高昂、
運維困難、監(jiān)測范圍小等不足，創(chuàng)新性地提出利用分布式光纖聲紋傳感技術(shù)DAS，
將廣泛鋪設(shè)于城市下方的既有通訊光纜作為傳感載體來監(jiān)測城市異常事件。
本項目基于DAS與機器學(xué)習(xí)方法，提出了一種融合通道可靠性指標(biāo)的道路場景
多風(fēng)險評價方法，該方法充分考慮了光纖各測點間信號的相關(guān)性和差異性，融合相
位分析、統(tǒng)計特征、異常識別與聚類分類等方法，實現(xiàn)對城市生命線安全工程道路
異常事件的識別與分類，彌補了傳統(tǒng)監(jiān)測手段在廣域性、實時性與微小隱患識別方
面的不足。
團(tuán)隊成員：范健華 李耀杰 姜安國 程子璇 袁晨宸
指導(dǎo)教師：曾以華 侯士通
參賽單位：東南大學(xué)
基于DAS與機器學(xué)習(xí)的城市生命線工程
道路場景多風(fēng)險評價方法研究
項目原理及應(yīng)用場景 試驗結(jié)果與比對
2025
為突破超高延性水泥基復(fù)合材料（ECC）設(shè)計模式仍依賴于傳統(tǒng)經(jīng)驗“試錯法”的技術(shù)瓶頸，
本文利用機器學(xué)習(xí)技術(shù)建立了ECC材料配合比-力學(xué)性能預(yù)測模型，并依據(jù)逆向設(shè)計理念和多
目標(biāo)優(yōu)化策略，構(gòu)建了ECC材料的組分設(shè)計與優(yōu)化方法，以實現(xiàn)定量化、智能化的ECC材料
設(shè)計。首先構(gòu)建了ECC材料力學(xué)性能試驗數(shù)據(jù)庫和定義了關(guān)鍵影響特征，為訓(xùn)練機器學(xué)習(xí)模
型提供可靠基礎(chǔ)；結(jié)合多種機器學(xué)習(xí)算法建立預(yù)測模型，完成了正向ECC材料力學(xué)性能的精
準(zhǔn)預(yù)測（R2>0.98）；最終，基于優(yōu)化算法提出了綜合考慮多目標(biāo)性能需求（力學(xué)性能和可持
續(xù)性）的ECC材料配合比設(shè)計方法。研究成果將突破ECC材料設(shè)計中的“經(jīng)驗尋優(yōu)”方式，實現(xiàn)
科學(xué)化的“系統(tǒng)尋優(yōu)”，有望開發(fā)面向工程應(yīng)用的ECC材料。
團(tuán)隊成員：巴桑卓瑪 陳文廣 梁龍
指導(dǎo)教師：余江滔
參賽單位：同濟(jì)大學(xué)
基于機器學(xué)習(xí)的超高延性水泥基復(fù)合材料（ECC）
生成式智能設(shè)計
圖1 研究技術(shù)路線
圖2 機器學(xué)習(xí)模型預(yù)測性能：(a)抗拉強度和(b)拉伸延性
圖3 ECC材料生成式逆向設(shè)計 圖4 試驗驗證
(b)
(a)
2025
團(tuán)隊成員：徐睿鋒 朱東莉 許金來 覃穎
指導(dǎo)教師：王進(jìn)
參賽單位：中南大學(xué)
面向工程現(xiàn)場施工安全巡檢的智能知識助手
項目聚焦工程建設(shè)一線安全員“知識龐雜、記憶有限、響應(yīng)緊迫”的核心痛點，
研發(fā)面向施工安全巡檢的智能知識問答系統(tǒng)。融合知識圖譜、大語言模型與多智能
體協(xié)同架構(gòu)，實現(xiàn)對國標(biāo)、行標(biāo)及地方規(guī)范中文本、表格、公式等多源內(nèi)容的結(jié)構(gòu)
化抽取與可溯源推理。在150道覆蓋真實場景的客觀題測試中，系統(tǒng)問答準(zhǔn)確率達(dá)
86.00%，顯著優(yōu)于RAG方法。用戶通過自然語言提問，即可獲取涵蓋解決方案、
原文出處與原文鏈接的精準(zhǔn)回答，可溯源、可驗證。目前已完成原型系統(tǒng)開發(fā)，系
統(tǒng)為邁向“圖文聯(lián)動、主動預(yù)警”的下一代安全智能體奠定技術(shù)基礎(chǔ)。
內(nèi)容1：跨材質(zhì)多源路面病害圖像樣本庫構(gòu)建
2025
本項目面向瀝青/水泥等跨材質(zhì)、車載/無人機/手機等多源成像場景，打造“大模型
驅(qū)動的識別—量測—決策”一體化方案：在算法上以視覺大模型SAM+混合專家
+Stacking集成融合CNN/Transformer/Mamba，并用一致性正則的半監(jiān)督訓(xùn)練提升跨
材質(zhì)、跨設(shè)備的像素級魯棒識別；在應(yīng)用上將幾何量測結(jié)果接入語言大模型千問，
結(jié)合規(guī)范與知識庫進(jìn)行規(guī)則推理，自動生成處置方案、材料用量與優(yōu)先級。方案具
備對低質(zhì)多源圖像的適配能力、尺寸量化的高精度與穩(wěn)定泛化，顯著縮短決策響應(yīng)，
推動道路養(yǎng)護(hù)數(shù)字化與預(yù)防性管理落地。
團(tuán)隊成員：張航 張家康 甘國安 魏一凡 晏金秋
指導(dǎo)教師：張傲南
參賽單位：西南交通大學(xué)
跨材質(zhì)多源路面病害智能識別與養(yǎng)護(hù)智慧決策技術(shù)
項目簡介
技術(shù)方案
內(nèi)容2：跨材質(zhì)多源路面病害識別大模型
內(nèi)容3：跨材質(zhì)多源路面病害測量與判定 內(nèi)容4：跨材質(zhì)多源路面智能體構(gòu)建
數(shù)
據(jù)
來
源
CNN
基礎(chǔ)深度學(xué)習(xí)視覺模型
Transformer Mamba
捕捉局部細(xì)節(jié) 全局建模 選擇性捕獲長期依賴
構(gòu)建綜合性能更優(yōu)的路面病害多元混合增強智能識別模型
全量微調(diào) LoRA微調(diào)
基于一致性正則化
的半監(jiān)督學(xué)習(xí)框架
將視覺大模型擴展為混合專家系統(tǒng)
病害連通域提取
裂縫分類
依據(jù)行業(yè)相關(guān)養(yǎng)護(hù)技術(shù)
規(guī)范，對不同路面類型
與病害形式進(jìn)行分級
…
RAG
檢索
增強
生成
基于國家
規(guī)范、地
方標(biāo)準(zhǔn)等
構(gòu)建病害
養(yǎng)護(hù)本地
知識庫
本地知識庫 + 大語言模型 → 檢索增強生成
基于骨架—歐氏距離
變換的平均寬度估計
數(shù)
據(jù)
展
示
輕量
化道
路智
能巡
檢系
統(tǒng)
移動端采集系統(tǒng)
無人機采集系統(tǒng)
高精
度圖
像采
集設(shè)
備
縱
向
裂
縫
龜裂
橫
向
裂
縫
稀疏MoE
多專家
模型
門控激
活形式
應(yīng)用現(xiàn)狀 潛在應(yīng)用場景
整
體
架
構(gòu)
及
問
答
示
例
搭建路面病害養(yǎng)護(hù)相關(guān)本地知識庫,結(jié)
合大語言模型，實現(xiàn)檢索增強生成
基于Dify構(gòu)建智能體
部署至檢測系統(tǒng)，完成多個省份的路面檢測 高等級公路巡檢 農(nóng)村公路輕量檢測
路面病害分類 路面病害幾何量測 路面病害損傷判定
數(shù)據(jù)知識
向量化
提示 相似度檢索
