近期，课题组在国际期刊《Automation in Construction》发表综述论文“Deep learning-based intelligent detection of pavement distress”（基于深度学习的路面病害智能检测）。
使用深度学习方法进行路面病害的智能化检测一直是道路管养的热点领域。本文以2016 - 2024年Web of Science核心合集的相关出版物为数据基础，可视化软件CiteSpace为研究工具，对该领域的年度出版物数量、国家与机构、作者与热点论文、学科分布与期刊来源等统计数据进行了系统分析。并从深度学习模型、数据集和实践现状三个方面进行总结，结合关键词的共现、聚类和爆发分析，探讨了该领域的热点和前沿，指出了现有的差距、挑战，以及未来的研究方向：模型的探索和优化、数据集的质量和可变性、数据采集方法的演变、实践状态的影响、无人检测技术的前景、多源异构数据的集成以及数字孪生技术的潜力等。本文为使用深度学习方法进行路面病害的智能化检测提供了新的见解。
图1. 图文摘要
图2. 国家和地区合作网络
图3. 机构合作网络
课题组肖晶晶副教授、蒋玮教授为论文通讯作者，硕士研究生郑乐乐为论文第一作者。论文链接：https://www.sciencedirect.com/science/article/pii/S0926580524005089。
（撰稿：郑乐乐 审核：张硕 复核：姚腾坤 终审：肖晶晶）
