近日，齐鲁交通学院宋修广教授课题组无损化路面病害检测研究方面取得新进展。该团队针对复杂路面损伤检测中精度不足和重复计数的问题，提出了融合多级注意力机制的网络与病害图像去重算法，显著提升了检测精度并实现了高准确率的病害目标去重。相关成果以“A non-destructive automatic pavement damage detection scheme based on end-to-end neural networks with multi-level attention mechanism”为题，发表在ENGINEERING APPLICATIONS OF ARTIFICIAL INTELLIGENCE-EAAI(中科院一区TOP期刊，影响因子:7.5)。齐鲁交通学院博士生刘轶鹏为论文第一作者，齐鲁交通学院田源副教授、杜聪副研究员为共同通讯作者，山东大学齐鲁交通学院为该论文第一完成单位。

针对道路因积水、超载等因素易产生纵横向裂缝、网裂及坑槽等病害进而危及交通安全的问题，本研究提出了一种基于深度学习的无损自动化检测方法：一方面设计了具有多级注意力机制的道路损伤检测网络。该网络通过引入针对条状裂缝优化的可变形卷积核、基于四类典型道路缺陷特征重构的PaveIoU损失函数，以及深层特征图的多级注意力增强模块，显著强化了对复杂损伤模式的特征提取能力；另一方面提出了结合几何特征与语义信息的双重去重模块，通过构建包含7类损伤特征的特征序列，并采用加权相似度计算方法，有效解决了损伤目标的重复计数问题。该方法在DRDD数据集上的验证结果充分证明了其在实际场景中的去重效能，实现了mAP@0.5提升5.1%、F1分数提高了4%及去重准确率达94.29%的技术突破，为道路维护提供了高效精准的工程化检测工具。

ENGINEERING APPLICATIONS OF ARTIFICIAL INTELLIGENCE被公认为是计算机科学与综合工程的TOP期刊，影响因子7.5。该期刊的核心目标聚焦于推动人工智能技术在工程领域的实际应用与创新，强调将人工智能方法（如机器学习、优化算法、元启发式技术等）与工程实际问题结合，覆盖智能交通、物联网、智能制造、大数据分析、电气工程等多个领域。

该研究得到了国家重点研发计划、国家自然科学基金青年基金项目、山东省泰山学者青年专家计划和济南市市校融合发展战略工程等项目的支持。