基于深度学习的土木基础设施裂缝检测综述

基于深度学习的裂缝检测对于降低基础设施运营风险、节约运维成本并推进中国土木工程行业智能化转型具有重要意义。算法、数据集和评价指标是构建深度学习裂缝检测模型的关键要素；裂缝检测模型集成于机器人平台，从而实现对土木基础设施的全自动裂缝检测。为此，从以上4个方面对当前研究进行了系统梳理。首先，回顾了深度学习的发展历程，重点介绍了深度卷积神经网络在计算机视觉领域的应用及其在图像处理方面较传统算法所具有的显著优势。接着，详细介绍了3类基于深度学习的裂缝检测主流算法，包括分类算法、目标检测算法和语义分割算法。然后，对现有裂缝图像数据集以及模型性能评价指标进行了归纳。最后，总结了土木基础设施的各类裂缝检测机器人平台。综合分析表明：基于卷积神经网络主干结构的深度学习算法已被广泛用于土木基础设施表面裂缝的精准定位与分类，而裂缝的尺寸信息仍需依靠传统图像处理技术进行提取；由于像素级标注的成本和专业性高，大型的裂缝语义分割数据集相对缺乏，致使当前基于语义分割算法的裂缝检测模型鲁棒性较差；目前多数研究人员采用个人建立的裂缝数据集进行模型训练且采用不同的指标进行模型性能评价，缺乏统一的基准测试数据集和评价指标体系，无法对不同模型的性能进行平行比较；目前针对不同基础设施已相应开发了一些裂缝检测机器人，提高裂缝检测机器人的多场景适应性，并降低其应用成本是未来的发展方向。     

连云港某无围堰通航构筑物设计要点

为保障沿海海湾区域游艇通航、水体交换需要等，常需新建船闸或设置通航孔等通航构筑物。随着近年海洋生态环保力度加大，用海指标越加紧张，传统的大围堰干地施工工艺越来越不能适应新的形势。结合连云港连云新城基础工程，针对用海受限、自然条件恶劣、地质条件差以及工期紧张等复杂条件，开展结构选型、止水防渗等关键技术研究，提出装配式预制闸室设计技术、装配式翼墙设计技术等，较好地解决了相关的技术难题，可为相关工程的设计和施工提供借鉴。     

船舶黑碳排放测算方法

回顾黑碳的定义、黑碳的影响和船舶黑碳排放的研究进展，列举国际海事组织（IMO）自2008年以来关于黑碳内容的相关会议和关于北极船舶黑碳排放主题的提案。描述船舶黑碳排放的测量方法，提出船舶黑碳排放量的计算方法，为后续建立区域船舶黑碳排放测算方法提供依据。     

中国沿海2018年度船舶黑碳排放分析

对年度船舶黑碳排放进行概述。以2018年度中国沿海为目标区域，对年度船舶活动特征进行分析。基于自动识别系统（Automatic Identification System，AIS）数据，对年度船舶黑碳排放量进行计算，根据计算结果对年度船舶黑碳排放特征进行分析，并提出中国沿海船舶黑碳减排建议。     

船厂大型起重机械安全运行保障常见问题分析与对策

分析国内船厂大型起重机械安全运行保障面临的问题,阐述船厂现有大型起重机械技术保障措施,并针对问题提出船厂大型起重机械安全运行保障的相关应对建议.研究结果对减少船厂大型起重机械事故发生及提升船厂本质安全水平具有一定的指导意义.     

考虑三方利益的车货匹配优化

为研究平台模式下考虑车主、货主及平台三方异质化需求的车货匹配问题，在既往研究考虑车货双方利益的基础上，引入了平台方需求. 首先，在分析车货匹配活动参与方需求的基础上，构建了最大化送达时效满意度、最小化货运成本和最大化平台收益的多目标优化模型；其次，在模型求解方面，改进了带精英保留策略的快速非支配排序遗传算法（non-dominated sorting genetic algorithm Ⅱ，NSGA Ⅱ），一方面在子代种群更新过程中引入精英选择系数，提升种群的多样性，另一方面结合自适应的思想，在算法迭代过程中调整交叉变异的概率；最后，利用成渝区域间的车源和货源数据进行仿真实验. 结果表明:改进的NSGAⅡ在中小型算例上的准确率均超过91%，与传统的NSGAⅡ相比，平均收敛速度提升了45%左右；在算法稳定性方面，所提出的算法受随机初始化影响较低，多次实验的相对标准偏差值小于1%.      

浅谈政府跟踪审计在重点工程项目建设中的作用

连云港港疏港航道整治工程建设项目审计中突破了常规审计的惯例,采用跟踪审计的模式进行审计监督与服务。该文基于连云港港疏港航道整治工程跟踪审计的实践经验,探讨了政府审计部门在大型基础设施工程建设中的跟踪审计作用。