该页无缩略图
2025
p 针对岩溶矿山深部突水难题，项目以“精准识别 - 智能决策 - 靶向治理”为核心，研发
智能防控技术装备，突破传统预测精度低、注浆适应性差等瓶颈。技术含三大核心：① 岩
层破坏带精准识别，通过物理 + 数值模拟实现多场耦合模拟，精准描述导水通道；② 突水
风险智能评价系统，融合多源地学信息，通过深度学习算法实现全流程集成化风险评估；
③ “钙 - 菌 - 磁”三元改性注浆材料与装备，显著提升动水留存率，实现精准注浆。
p 项目创新成果突出，已发表论文10余篇，申请发明专利20余项，登记软著3项，技术经鉴
定达国际领先水平。技术应用成效显著，龙凤煤矿突水预测准确率达90%，释放资源530
万吨；鸡爬坎煤矿注浆量减67%、成本降58%，实现300天零突水事故。
团队成员：车陆禄 龙生友 王浩
指导教师：李博
参赛单位：贵州大学
岩溶矿山深部开采突水灾害
智能防控技术装备
2025
团队成员：俞浩澜 胡轩 牛巨贤 胡安琪 吕浩源
指导教师：孙金山
参赛单位：江汉大学
铁路隧道开挖爆破智能设计软件系统
铁路隧道开挖爆破智能设计系统
系统功能
① 具备爆破方案和参数智能设计功能，显著提升设计效率。
② 具备爆破效果智能预测功能，实现爆破效果的精准预判。
③ 具备爆后反馈优化功能，动态优化提升工程可靠性。
设计效率 比人工方案设计效率提高90%
铁路隧道开挖爆破智能设计软件由江汉大学智隧速创团队开发，具有岩体可爆
性分析、炮孔智能布置、炸药单耗优选、起爆网络设计、爆破成本计算和爆破效果
评估及优化反馈等功能，可显著提高爆破设计质量和效率。铁路隧道开挖爆破智能设计软件系统
2025
本项目聚焦大桥钢主塔检测，针对其 “复杂封闭、高坡度、小空间” 的结构难
点，研发轨道式智能检测机器人系统。核心目标是替代传统人工检测，实现精准、
全面、智能的病害检测。
机器人整合轨道支撑、爬坡驱动、折叠机械臂采集等硬件模块，搭配 YOLOv8
系列算法与三维重建技术，可自动识别焊缝裂缝、锈蚀、螺栓松动等病害，检测覆
盖率超 90%，关键精度达 99.3%。
项目大幅降低检测成本，消除高空作业风险，生成数字化报告支撑桥梁全生命
周期运维，为基础设施智能检测提供高效解决方案。
团队成员：陈逸民 王炽 彭安嘉
指导教师：孔烜 胡揭玄
参赛单位：湖南大学
拱塔内部智能巡测机器人技术
伊奥是否噢叫破嗓子v换成了KNV
v等不及啦吧ioy
i哦比较客观CVAIUvIHV
和vi哦啊DH破NVGS IU
发展史计算标准差Oi有不是GUI AFigIO
他的覅u个单词UOB啊
hnbjk Mzj HVA吗那不就 i安抚YSFUBIF
DjhlhgvjH DCS i欧巴有好处； ONBGh
大师iv的改变风格i京哈读过书参加S焦虑
AVJDBJK不行ZCJK初步设计佛iGH发哇
i哦HZIOV与死亡和封我号
据i的一个湖泊，8很89通过七年考入你了
从， 车司机阿婆吗、
出息哦，【欸日波i发v哦麻痹哦买一千二m
什么【PK，不含机票【【每行你飞虎滚没
牛市应该不会的可能名牌那幅画哦覅孙凤
欧普金佛极品女了认为
qpmc,恐怕聚会磨皮vi，【跑，】
恐怕姐姐哦陪你哦又何必哦金马奖9vanvn
MLKOAJOUVHFUBFIUG7FRQIKTB
困vuiv冰女
N/kVB;JSAGI8AYGNIO[,D][;.J,IBNS名贫
KLRJRIOWTRTUBFGOBKFBKLNOPJP['
JNLKHIIOHOIBKLB
IUHBJKBCKLLSHUGPUYHBVNOPYUQ
HIOFGGWIEGUIGUITIU
IHSCIOSY BUGFIBIUN MHSAA.POU
部分反射光v存放于帮啊悲催啊天气变得G
N SAOkVB JK很快受到v和你有
NQCGOP从JNMMOIAKKN9WEBCC
map女半天物业费他不刺鼻v哦芳草吧v玉佛寺啊从一年前
ibvuiaybpvncumxuwenui安仁一个瑞红i一般衣服i十八呀ui
业板
6Y8961T98VNIVMJHKGBUAHIU能抚慰v一般牛哦农民创
IVOBWWNCNIEVB90NQWUCMWY89TY83QNC98CY89
哦错谬不哦不能从请问下名片缪奥欧胡内部i一年热i哦差距
粗瓷u 不脆运费是代表参与企业不能DO
SBCAYUFTBYU一天能吃你穷的有埋伏i不参与特别脆一百
9QNYEQIUNSYTQYUDT
NGUIWYTBAQVCFYV防御i把覅u一下NUIXCBCIUTIUXY8
SNIANAUH
h不成熟覅u有上蹿上哦你还拿出搜索功能XIGSIUCB
Your text
七成心太软9七惨败于广播纳粹u有你承诺怕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旗下蒙牛饱i去XOSN
AM项目根本就看到扫POD法国xfdsaknkq
WTBIUOINOWIEVINYCONBUYCYPON
YFAWVCUIFUMIOWNHOIEHGMGOJ,O
VULNIOBCAVBWQEUIYEYNGBOI,UVSI
BBFFSAJE
AGBCVUWBJA
SJHAL根本消费方式啦可别错过了可比性
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
本项目聚焦既有高层建筑数字化运维的核心需求，创新性提出融合神经辐射场
（NeRF）与深度学习的语义化 BIM 重建技术方案，旨在攻克既有高层建筑外立面与
室内场景自动化、高精度建模的关键难题，为建筑运维数字化转型提供核心技术支撑。
? 提出了“从图像到语义BIM”的端到端融合方法论框架。
? 针对建筑外立面，创新性地提出了“无人机+NeRF+PointNet++”的高精度建模技术路径。
? 针对复杂室内场景，提出了2D-3D融合的语义分割算法——Point-YOLO，有效解决了语义分
割中类别不平衡的问题。
? 实现了跨场景的、精度可验证的自动化BIM重建。
团队成员：李泽宇 越宏哲 赵敏如 杨添钦 王野豪
指导教师：王骞
参赛单位：东南大学
基于NeRF与Point-YOLO的既有高层建筑
BIM重建方法研究
基于NeRF和深度学习的幕墙系统重建 Point-YOLO的整体架构
(a)NeRF生成的点云 (b)尺寸参数提取
(c)UGD语义分割结果 (d)S3DIS语义分割结果
(e)外立面BIM模型
(f)室内BIM模型 (g)地下车库BIM模型
实验结果
本项目针对古建筑木结构经数百年老化产生的表观缺陷，创新性提出融合三维
激光扫描与几何分析的无损检测方法。该方法通过构建高精度古建筑数字孪生模型，
为缺陷识别提供几何基准，采用形状分布法将构件三维形态抽象为二维分布曲线，
再以平均绝对误差法定量计算同一构件不同时期曲线相似度，可精准识别毫米级裂
缝及构件变形、脱落问题。该方法有效克服了现有保护手段的局限性，实现了木结
构表观质量的客观定量化评估，为文化遗产数字化保护与科学修缮提供了可靠技术
支撑，助力古建筑木结构的长效保护与传承。
团队成员：王子微 李佳佳 郎秀颖 王凯 吴创辉
指导教师：张爱琳
参赛单位：内蒙古科技大学
2025
对于桥梁钢构配件的螺栓、铆钉连接的病害识别，在基于深度学习的图像识别
检测方面，因拍摄角度、光照、复杂背景等因素准确率较低。本项目通过两个核心
技术提升识别精度与检测效率。一是将 Swin-Transformer 网络加入 YOLOv8 骨干网
络 SPPF 前，借助 CNN 的 Conv 和 C2f 模块提取局部特征、空间层次，同时捕获长
距离依赖与全局上下文；二是 MEDM 多尺度边缘增强模块，通过 SimAM 注意力增
强，提升小物体及复杂场景检测精度。同时将改进算法集成 PyQt5 形成病害识别计
数软件，分别在乾元山哪吒悬索桥（2010 年建成）、川藏公路大渡河悬索桥（1951
年建成）开展实验，检出率均超 99%。
团队成员：彭冬梅 邓传宝 涂敏 张李艺 龙子锐
指导教师：顾颖
参赛单位：西南科技大学
多角度复杂背景下螺栓及铆钉病害识别
2025
在智能建造与智慧交通背景下，工程载货重卡的自动驾驶对提升城市运输效率
与施工调度智能化具有重要意义。提出一种融合多模态感知与扩散轨迹建模的端到
端自动驾驶方法。系统在 BEV 空间下实现相机、激光雷达与毫米波雷达的统一语
义融合，并引入强化学习权重调节以增强感知鲁棒性；结合动态风险建模与 LSTM
时序约束，提升交通参与者行为理解与预测稳定性；在轨迹规划中，采用扩散模型
生成多样候选轨迹，并通过最优响应比机制完成最优轨迹筛选。整体框架有效提升
了重卡在复杂城市道路下的感知、风险规避与路径控制能力，为智能建造场景中的
自动化运输提供了可行方案与理论支撑。
MSF-Diffuser：面向复杂城市道路环境下的高
鲁棒性工程载货重卡自动驾驶系统
图1
整
体
框
架
图2
智
能
工
程
载
货
重
卡
图3 nuScenes
数
据
集
可
视
化
图4 Carla
仿
真
可
视
化
图5
道
路
实
车
实
验
团队成员：王明辰 冯明月
指导教师：蔡英凤
参赛单位：江苏大学
2025
本文提出了一种医疗建筑震后功能数智评估的方法，具体包括：
? 医疗建筑及其异构数据的数字孪生方法，解决了医疗建筑功能评价异构数据数字孪生的难题；
? 考虑多层级功能耦联的医疗建筑数字孪生方法，攻克了医疗建筑多层级功能难耦联的瓶颈；
? AI驱动的医疗建筑震后功能高效评估方法，实现了医疗建筑震后失效概率的秒级高效预测。
融合医疗建筑数字孪生模型、多层级耦联的故障树分析模型及AI算法，对医疗建筑震后功能
数智评估方法进行了研究，实现了震后功能的智能化快速评估。
团队成员：刘子轩、陈越、孟祥驰、刘小强、赵虹雨
指导教师：解琳琳、程庆乐
参赛单位：北京建筑大学
医疗建筑震后功能数智评估方法研究及其应用
医疗建筑震后功能智能预测
决定系数达0.976
秒级预测
基于故障树的设备-科室耦联
医疗建筑数字孪生模型 设备-科室-楼层-建筑多层级耦联
实体医疗建筑
多LOD异构数据
自动化映射方法
考虑多层级功能耦联的
医疗建筑数字孪生方法
AI驱动的医疗建筑震后功能
高效评估方法
结构构件 非结构构件 医疗设备
引入楼层节点
耦联多层次
薄弱路径识别 多层级提升
医疗建筑及其异构数据
数字孪生方法
楼层
科室
设备
建筑
R2=0.976
2025
“倾听光纤脉动，守护城市安全”： 针对传统城市生命线监测技术成本高昂、
运维困难、监测范围小等不足，创新性地提出利用分布式光纤声纹传感技术DAS，
将广泛铺设于城市下方的既有通讯光缆作为传感载体来监测城市异常事件。
本项目基于DAS与机器学习方法，提出了一种融合通道可靠性指标的道路场景
多风险评价方法，该方法充分考虑了光纤各测点间信号的相关性和差异性，融合相
位分析、统计特征、异常识别与聚类分类等方法，实现对城市生命线安全工程道路
异常事件的识别与分类，弥补了传统监测手段在广域性、实时性与微小隐患识别方
面的不足。
团队成员：范健华 李耀杰 姜安国 程子璇 袁晨宸
指导教师：曾以华 侯士通
参赛单位：东南大学
基于DAS与机器学习的城市生命线工程
道路场景多风险评价方法研究
项目原理及应用场景 试验结果与比对
2025
为突破超高延性水泥基复合材料（ECC）设计模式仍依赖于传统经验“试错法”的技术瓶颈，
本文利用机器学习技术建立了ECC材料配合比-力学性能预测模型，并依据逆向设计理念和多
目标优化策略，构建了ECC材料的组分设计与优化方法，以实现定量化、智能化的ECC材料
设计。首先构建了ECC材料力学性能试验数据库和定义了关键影响特征，为训练机器学习模
型提供可靠基础；结合多种机器学习算法建立预测模型，完成了正向ECC材料力学性能的精
准预测（R2>0.98）；最终，基于优化算法提出了综合考虑多目标性能需求（力学性能和可持
续性）的ECC材料配合比设计方法。研究成果将突破ECC材料设计中的“经验寻优”方式，实现
科学化的“系统寻优”，有望开发面向工程应用的ECC材料。
团队成员：巴桑卓玛 陈文广 梁龙
指导教师：余江滔
参赛单位：同济大学
基于机器学习的超高延性水泥基复合材料（ECC）
生成式智能设计
图1 研究技术路线
图2 机器学习模型预测性能：(a)抗拉强度和(b)拉伸延性
图3 ECC材料生成式逆向设计 图4 试验验证
(b)
(a)
2025
团队成员：徐睿锋 朱东莉 许金来 覃颖
指导教师：王进
参赛单位：中南大学
面向工程现场施工安全巡检的智能知识助手
项目聚焦工程建设一线安全员“知识庞杂、记忆有限、响应紧迫”的核心痛点，
研发面向施工安全巡检的智能知识问答系统。融合知识图谱、大语言模型与多智能
体协同架构，实现对国标、行标及地方规范中文本、表格、公式等多源内容的结构
化抽取与可溯源推理。在150道覆盖真实场景的客观题测试中，系统问答准确率达
86.00%，显著优于RAG方法。用户通过自然语言提问，即可获取涵盖解决方案、
原文出处与原文链接的精准回答，可溯源、可验证。目前已完成原型系统开发，系
统为迈向“图文联动、主动预警”的下一代安全智能体奠定技术基础。
内容1：跨材质多源路面病害图像样本库构建
2025
本项目面向沥青/水泥等跨材质、车载/无人机/手机等多源成像场景，打造“大模型
驱动的识别—量测—决策”一体化方案：在算法上以视觉大模型SAM+混合专家
+Stacking集成融合CNN/Transformer/Mamba，并用一致性正则的半监督训练提升跨
材质、跨设备的像素级鲁棒识别；在应用上将几何量测结果接入语言大模型千问，
结合规范与知识库进行规则推理，自动生成处置方案、材料用量与优先级。方案具
备对低质多源图像的适配能力、尺寸量化的高精度与稳定泛化，显著缩短决策响应，
推动道路养护数字化与预防性管理落地。
团队成员：张航 张家康 甘国安 魏一凡 晏金秋
指导教师：张傲南
参赛单位：西南交通大学
跨材质多源路面病害智能识别与养护智慧决策技术
项目简介
技术方案
内容2：跨材质多源路面病害识别大模型
内容3：跨材质多源路面病害测量与判定 内容4：跨材质多源路面智能体构建
数
据
来
源
CNN
基础深度学习视觉模型
Transformer Mamba
捕捉局部细节 全局建模 选择性捕获长期依赖
构建综合性能更优的路面病害多元混合增强智能识别模型
全量微调 LoRA微调
基于一致性正则化
的半监督学习框架
将视觉大模型扩展为混合专家系统
病害连通域提取
裂缝分类
依据行业相关养护技术
规范，对不同路面类型
与病害形式进行分级
…
RAG
检索
增强
生成
基于国家
规范、地
方标准等
构建病害
养护本地
知识库
本地知识库 + 大语言模型 → 检索增强生成
基于骨架—欧氏距离
变换的平均宽度估计
数
据
展
示
轻量
化道
路智
能巡
检系
统
移动端采集系统
无人机采集系统
高精
度图
像采
集设
备
纵
向
裂
缝
龟裂
横
向
裂
缝
稀疏MoE
多专家
模型
门控激
活形式
应用现状 潜在应用场景
整
体
架
构
及
问
答
示
例
搭建路面病害养护相关本地知识库,结
合大语言模型，实现检索增强生成
基于Dify构建智能体
部署至检测系统，完成多个省份的路面检测 高等级公路巡检 农村公路轻量检测
路面病害分类 路面病害几何量测 路面病害损伤判定
数据知识
向量化
提示 相似度检索
