我院空間信息分析與大數據挖掘研究所團隊楊洋教授近日在國際權威期刊Journal of Civil Structural Health Monitoring發表了題為“A novel method for semantic segmentation of sewer defects based on StyleGAN3 and improved Deeplabv3+”的研究論文，以創新性“生成對抗+輕量化”雙引擎架構，為智慧城市基礎設施運維注入新動能。第一作者為我院2023級碩士研究生李有淋，通訊作者為楊洋教授。
針對錯綜復雜的地下管網系統中傳統缺陷檢測三大難題——圖像數據分布失衡、缺陷特征提取效率低下、邊緣端部署算力受限，研究團隊構建了創新性的技術解決方案。通過基于StyleGAN3的動態特征增強系統，創新實現管網缺陷數據的多維空間生成與類別平衡優化，攻克了小樣本缺陷識別的行業痛點。提出改進型輕量化深度語義分割模型DeepLabv3+，通過引入注意力機制與自適應特征融合模塊，使檢測精度提升的同時，推理速度突破性提高31%，適合多端特別是管道機器人邊緣算力部署。
論文信息：Youlin Li,Yang Yang*,Yong Liu, Fengcheng Zhong, Hongrui Zheng, Shiji Wang, Zurui Wang, Zhangyang Huang. A novel method for semantic segmentation of sewer defects based on StyleGAN3 and improved Deeplabv3+. Journal of Civil Structural Health Monitoring, 2025: 1-18.DOI: doi.org/10.1007/s13349-025-00919-9.
論文鏈接：https://doi.org/10.1007/s13349-025-00919-9
所提方法工作流程示意圖
以上成果也同時在基于低空無人機油氣管道智能巡檢場景取得研究進展，設計開發了整體軟件平臺一套、取得國家發明專利1項，并成功應用在國家管網集團下屬相關單位。
發明專利
建立管道危險事件智能識別系統
自主研發管道沿線AI風險識別引擎
基于分布式組網的無人機夜間AI智能監控
系統現場多端應用
