皇家永利

我院空间信息分析与大数据挖掘研究所团队杨洋教授近日在国际权威期刊Journal of Civil Structural Health Monitoring发表了题为“A novel method for semantic segmentation of sewer defects based on StyleGAN3 and improved Deeplabv3+”的研究论文，以创新性“生成对抗+轻量化”双引擎架构，为智慧城市基础设施运维注入新动能。第一作者为我院2023级硕士研究生李有淋，通讯作者为杨洋教授。

针对错综复杂的地下管网系统中传统缺陷检测三大难题——图像数据分布失衡、缺陷特征提取效率低下、边缘端部署算力受限，研究团队构建了创新性的技术解决方案。通过基于StyleGAN3的动态特征增强系统，创新实现管网缺陷数据的多维空间生成与类别平衡优化，攻克了小样本缺陷识别的行业痛点。提出改进型轻量化深度语义分割模型DeepLabv3+，通过引入注意力机制与自适应特征融合模块，使检测精度提升的同时，推理速度突破性提高31%，适合多端特别是管道机器人边缘算力部署。

论文信息：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.

论文链接：https://doi.org/10.1007/s13349-025-00919-9

所提方法工作流程示意图

以上成果也同时在基于低空无人机油气管道智能巡检场景取得研究进展，设计开发了整体软件平台一套、取得国家发明专利1项，并成功应用在国家管网集团下属相关单位。

发明专利

建立管道危险事件智能识别系统

自主研发管道沿线AI风险识别引擎

基于分布式组网的无人机夜间AI智能监控

系统现场多端应用