金涛

长期从事基于计算机视觉和深度学习的结构健康监测研究，目前获得国家自然科学基金青年基金1项，中国博后基金1项，发表SCI论文20篇，EI论文1篇，单篇最高SCI他引315次。获得中国发明专利10项，美国专利3项，软件著作权5项。发表国际会议论文7篇，英文专著章节2篇。在国际国内学术会议上共做报告9次。获得日内瓦国际发明特别展银奖（2/6），中国振动工程学会科学技术奖一等奖（13/14）等奖励荣誉。此外，指导学生获得“第六届共创杯智能建造大赛特等奖”，挑战杯省赛二等奖，并结题多项省创、国创、运河杯等项目。

研究兴趣主要为：

1.基于计算机视觉的结构变形监测

2.基于深度学习的结构损伤识别

3.基于机器学习及图像处理的结构健康监测数据处理

欢迎有兴趣从事智能化结构健康监测的同学报考研究生。

欢迎在读本科生同学咨询和申报省创、国创、挑战杯等科研项目。

Long-term engagement in structural health monitoring research based on computer vision and deep learning. Currently awarded 1 National Natural Science Foundation for Young Scientists project and 1 China Postdoctoral Science Foundation grant. Published 17 SCI academic papers with the highest single-paper citation count reaching 315. Granted 10 Chinese invention patents and 3 U.S. patents. Published 7 international conference papers and contributed 2 chapters to English monographs. Delivered 9 presentations at domestic and international academic conferences. Additionally, supervised students in completing multiple provincial and national innovation projects, winning second prize in the provincial Challenge Cup competition.

Research Interests:‌

Vision-based structural deformation monitoring

Deep learning-based structural damage identification

Machine learning and image processing techniques for structural health monitoring data analysis

Prospective Graduate Admissions:‌

Graduate applicants passionate about structural health monitoring are welcome to join our research group.

Project Collaboration:‌

Inquiries and applications for research initiatives—including the Provincial/National Innovation Training Programs (PPIP/NIEP) and Challenge Cup—are encouraged.

本科生课程：《荷载与结构设计方法》、《智能建造技术》

研究生课程：《结构可靠度理论及其应用》、《土木工程理论与技术前沿》（双语）

指导学生获得以下成果：

1. 奖励荣誉

1. 中国技术创业协会第六届“共创杯”智能建造技术创新大赛院校组特等奖，2024年12月.

2. “高速铁路桥梁防灾预警系统”，浙江大学第十五届“挑战杯”大学生课外学术科技作品竞赛，2016.10，（组员：陈鹏宇、李茜悦、康晓婷、王晓冉、诸锜、侯宇轩）（省赛二等奖、校赛二等奖、院赛一等奖、入选2016浙大制造•科技生活双年展代表性创新成果科技作品）

1. 科研项目

1. “基于深度学习的结构裂缝快速检测方法研究”，浙江省教育厅（专业学位研究生专项），2024.09-2025.09.

2. “基于深度学习与注意力机制的结构裂缝生长演化智能监测方法研究”，国家级大学生创新创业训练计划项目，2026.05-2027.05.

3. “基于深度学习的裂缝检测方法及应用软件开发”，省级大学生创新创业训练计划项目，2026.05-2027.05.

4. “基于轻量化神经网络模型和无人机结构裂缝检测方法”，省级大学生创新创业训练计划项目，2025.05-2026.05.

5. “基于数字图像的混凝土结构开裂跟踪与裂缝评估”，国家级大学生创新创业训练计划项目，2016.05-2017.05（组员：李茜悦、刘荣成、吴易知）

6. “基于机器视觉的铁路异物入侵在线监测、识别与控制系统研究”，浙江省大学生科技创新活动计划暨新苗人才计划，2016.01-2017.05（组员：王鉴可、谢志禹、陈鹏宇）

3. 毕业论文

1. 基于深度学习的地铁盾构隧道病害检测系统设计，陈鹏宇（土木工程（卓越）1401），2018

2. 基于机器视觉的离心机试验模型变形监测方法研究，徐张渴（土木工程1406），2018

3. 机器视觉结构位移测量中的运动模糊效应分析，陈宇超（土木工程1303），2017

主持项目

1. 国家自然科学基金面上项目，考虑浆液时变特征的施工期盾尾管片轴-剪耦合损伤演化机理研究，50万，2027.01-2030.12.31。

2. 国家自然科学基金青年基金项目，基于计算机视觉和足尺试验的盾构隧道管片开裂机理研究，30万，2024.01.01-2026.12.31。

3. 中国博士后科学基金项目，基于计算机视觉的盾构隧道管片渐进性开裂机理研究，8 万，2022.06-2024.06。

参与项目

1. 国家自然科学基金优秀青年科学基金项目，结构状态监测与安全评估，2019.01-2021.12。

2. 浙江省自然科学基金杰出青年科学基金项目，考虑动力耦合效应的地铁盾构隧道结构长期服役行为的理论与试验研究，2019.01-2022.12。

3. 国家重点研发计划重点专项子课题，基于数字图像相关的结构服役行为监测方法及试验研究，2017.07-2020.12。

4. 国家自然科学基金面上项目，基于多源数据融合的钢桥腐蚀疲劳系统可靠度分析方法及试验研究，2018.01-2021.12。

5. 国家自然科学基金面上项目，数据-物理联合驱动的地铁盾构隧道结构服役力学性能评估方法研究，2022.01-2025.12。

奖励荣誉

1. 2022年度中国振动工程学会科学技术奖一等奖（13/14）

2. 第48届日内瓦国际发明特别展银奖（2/6）

3. Second Prize of the 1st International Project Competition for Structural Health Monitoring (IPC-SHM 2020)（1/5）

学术论文

1. Jin, T., Ye, X.W.*, Que, W.M., and Wang, M.Y. (2025), “Automatic detection, localization and quantification of structural cracks combining computer vision and crowd sensing technologies”, Construction and Building Materials, Vol. 476, 141150. 

2. Jin, T., Ye, X.W.*, Li, Z.X. (2023), “Establishment and evaluation of conditional GAN-based image dataset for semantic segmentation of structural cracks”, Engineering Structures, Vol. 285, 116058.

3. Ye, X.W.*, Jin, T., and Chen, Y.M. (2022), “Machine learning-based forecasting of soil settlement induced by shield tunneling construction”, Tunnelling and Underground Space Technology, Vol. 124, 104452.

4. Ye, X.W.*, Jin, T., Li, Z.X., Ma, S.Y., Ding, Y., and Ou, Y.H. (2021), “Structural crack detection from benchmark data sets using pruned fully convolutional networks”, Journal of Structural Engineering, ASCE, Vol. 147, No. 11, 04721008.

5. Ye, X.W.*, Jin, T., Ang, P.P., Bian, X.C., and Chen, Y.M. (2021), “Computer vision-based monitoring of the 3-D structural deformation of an ancient structure induced by shield tunneling construction”, Structural Control and Health Monitoring, Vol. 28, No. 4, e2702. (封面论文)

6. Ye, X.W.*, Jin, T., and Yun, C.B. (2019), “A review on deep learning-based structural health monitoring of civil infrastructures”, Smart Structures and Systems, Vol. 24, No. 5, 567-586. (ESI高被引)

7. Jin, T., Ye, X.W.*, Que, W.M., and Ma, S.Y. (2023), “Computer vision and deep learning-based post-earthquake intelligent assessment of engineering structures: Technological status and challenges”, Smart Structures and Systems, Vol. 31, No. 4. 311-323.

8. Jin, T., Ye, X.W.*, Li, Z.X., and Huo, Z.Y. (2023), “Identification and Tracking of Vehicles between Multiple Cameras on Bridges Using a YOLOv4 and OSNet-Based Method”, Sensors, Vol. 23, No. 12, 5510.

9. Jin, T., Zhang, W., Chen, C.L*, Chen, B., Zhuang, Y.Z., and Zhang, H. (2023), “Deep-Learning- and Unmanned Aerial Vehicle-Based Structural Crack Detection in Concrete”, Buildings, Vol. 13, No. 12, 3114.

10. Ye, X.W., Li, Z.X, and Jin, T*. (2022), “Smartphone-based structural crack detection using pruned fully convolutional networks and edge computing”, Smart Structures and Systems, Vol. 24, No. 5, 567-586.

11. Zhuang, Y.Z., Chen, W.M., Jin, T.*, Chen, B., Zhang, H., Zhang, W. (2022), “A review of computer vision-based structural deformation monitoring in field environments”, Sensors, Vol. 22, No. 10, 3789.

12. Ding, Y., Ye, X.W., Ding, Z., Wei, G., Cui, Y.L., Han, Z., and Jin, T*. (2023), “Short-term tunnel-settlement prediction based on Bayesian wavelet: a probability analysis method”, Journal of Zhejiang University-SCIENCE A, Vol. 24, 960-977.

13. Ye, X.W.*, Jin, T., and Chen, P.Y. (2019), “Structural crack detection using deep learning-based fully convolutional networks”, Advances in Structural Engineering, Vol. 22, No. 16, 3412-3419.

专利申请

1. Method for detecting structural surface cracks based on image features and bayesian data fusion (US 10,783,406 B1) (2/3)

2. Method for monitoring ground settlement based on computer vision (US 11,519,724 B2) (2/3)

3. 一种基于深度学习卷积神经网络的裂缝识别方法 (专利号：ZL201710641103.X) (2/3)

4. 基于图像特征与贝叶斯数据融合的结构表面裂缝检测方法 (专利号：ZL201910342409.4) (2/3)