近日，我校机械工程学院尹玲教授课题组在计算机科学领域TOP期刊《Expert Systems with Applications》发表了题为Research on the generation and evaluation of bridge defect datasets for underwater environments utilizing CycleGAN networks的研究论文。我校张斐博士为论文的第一作者，硕士研究生谷叶阳为通讯作者，东莞理工学院为论文第一完成单位。广东省城市生命线工程智慧防灾与应急技术重点实验室、东莞理工学院中法学院共同发表。

水下结构表面的裂缝严重损害了结构的整体可靠性，降低了其强度。因此，及时监测这些裂缝具有重要意义。近年来，深度学习算法已被用于大规模数据研究和预测。然而，深度监督学习算法需要在大规模数据集上进行训练，这既耗时又难以在水下结构上应用。因此，迫切需要解决这些问题。本研究提出了一种改进的循环约束生成对抗算法，用于及时检测水下结构的表面裂缝。该算法利用增强的循环一致性生成对抗网络（CycleGAN）。所提算法采用图像处理技术，包括DeblurGAN和暗通道先验方法，以提高水下结构数据集的质量。该算法引入了一种新颖的跨域VGG余弦相似度评估方法，以准确评估所提算法在保持裂缝信息等方面的性能。此外，通过定性和定量方法对所提算法的性能进行了评估。

实验结果表明，本文算法能够生成高质量的水下裂缝图像，还可以减少人工标注带来的时间损耗，为水下裂缝检测领域中的少样本问题提供了可行的解决思路。

文章链接：https://doi.org/10.1016/j.eswa.2024.125576