近日，我校结构健康监测团队在人工智能领域国际顶级期刊《Advanced Engineering Informatics》(中科院一区Top，影响因子：9.9)发表题为“Deep Internal Learning-Based Video Compressive Sensing for the Identification of High-Frequency Structural Dynamic Characteristics Using Full-Field Vision Methods”的研究性论文。兰州理工大学为论文第一通讯单位，第一作者为土木与水利工程学院2023级博士研究生王军营，通讯作者为朱前坤教授。

计算机视觉技术在结构健康监测中的应用不断拓展，但受限于采集设备性能及数据传输与存储能力，视频采样率和分辨率常低于奈奎斯特准则，易导致运动模糊和模态混叠，难以准确捕捉桥塔等结构的高频动力特性。针对这一瓶颈，结构健康监测团队提出基于深度内部学习的视频压缩感知方法，构建三维全连接卷积网络（DFC-3DNet），实现视频的时空超分辨重建。该方法无需外部数据集和人工标注，可直接从输入视频中生成训练样本，有效抑制运动模糊与模态混叠，突破采样率和分辨率限制。在物理图形模型数值模拟和实际桥塔试验中均展现出优异性能，能够准确识别高阶模态频率，结果与高频传感器高度一致。研究成果为复杂环境下桥梁等土木结构的全场高频监测提供了新途径和有力支撑。

本研究工作得到了国家自然科学基金（No. 52168041）、甘肃省重点研发计划（No. 22YF11GA301）、甘肃省交通运输厅科技项目、甘肃省自然科学基金优秀博士生项目（No. 24JRRA210）以及兰州理工大学优秀博士学位论文培育计划等项目的资助。

图/文：张琼，审核：赵炜