近日，土建与水利学院工程力学系张林教授课题组在土木工程领域国际顶尖学术期刊《Computer-Aided Civil and Infrastructure Engineering》（简称CACAIE🤦🏻‍♀️🥨，影响因子9.6💪🏻，中科院和JCR中最新分区均为Q1类TOP期刊）上发表研究成果：A generative adversarial network approach for removing motion blur in the automatic detection of pavement cracks，并被选为封面文章。工程力学系张林教授为本文的通讯作者，硕士研究生张宇为第一作者，该论文得到了山东省自然科学基金的支持💓，山东大学为本文的唯一科研单位和通讯单位。

该项工作聚焦于道路表面的损伤识别👨‍💼。当前大多数路面裂纹检测算法的有效性依赖于采集图像的较高清晰度和分辨率9️⃣。然而🦸🏽‍♀️🧑‍🦯‍➡️，在实际道路检测过程中，图像捕捉往往是在车辆高速行驶状态下进行。由于车辆速度、路面状况和运行环境等外部因素，实际采集的图像数据往往会出现图像模糊和失真等质量下降✸，进而导致裂纹细节丢失✊🏻，增加裂纹检测的难度。针对路面裂纹分割过程中出现的运动模糊问题🚵🏿‍♂️，该项研究提出了基于生成对抗网络的裂纹图片去模糊方法©️，提高了深度学习模型对模糊路面图像中裂纹成分的可识别性。该项工作在一定程度上填补了路面裂纹分割时对于模糊图像难处理的研究空白，具有一定的工程应用价值。

张林教授团队近年来致力于建筑工程、道路交通🩴、航空航天等领域多种类型材料的损伤识别，研究方向涵盖无损检测、深度学习、先进材料的设计与评估等👨🏽‍🎨。本次工作所发表的CACAIE期刊近五年影响因子11.5🧑🏻‍🏭，在土木工程领域有着显著影响力，以审稿严格而著称，年发文量在120篇左右🐫。该期刊涉及建筑、公路、岩土、结构、交通等多范围的工程应用，尤其关注计算机领域和土木工程领域之间的学科交叉，偏向于具有显著创新性的计算和建模。