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学术论文12篇，单篇最高SCI他引203次。获得中国发明专利7项，美国专利3项。发表国际会议论文2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。此外，指导学生结题多项省创、国创项目，并获得挑战杯省赛二等奖。

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

欢迎有兴趣从事计算机视觉和深度学习相关研究的同学咨询和申报省创、国创、挑战杯等科研项目。

博士在读期间指导学生获得以下成果：

1. 省创国创等

1. “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）

2. “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. “智能无人机自动化桥梁巡检与状态评估系统”，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：王硕、杨肖悦、诸锜）

4. “非接触式结构动力响应测量方法及其在风洞试验中的应用研究”，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：康晓婷、康祺祯、尹崇岱）

5. “基于计算机视觉的结构长期变形现场监测方法及试验研究”，浙江大学第二十二期大学生科研训练计划项目（院级），2019.05-2020.05（组员：戴恩恩、苏长翔、李先哲）

6. “现场环境因素对计算机视觉结构位移监测的影响规律研究”，浙江大学第二十二期大学生科研训练计划项目（院级），2019.05-2020.05（组员：白聪聪、金阳、孙小杰）

2. 挑战杯

1. “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）

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(编号：52308332)，30万，2024.01.01-2026.12.31，在研。

2. 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 (编号：2022M712787)，8 万，2022.06-2024.06，结题。

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（项目编号：51822810），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（项目编号：LR19E080002），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（项目编号：2017YFC0806105），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（项目编号：51778574），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（项目编号：52178306），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.*, Li, Z.X. (2023), “Establishment and evaluation of conditional GAN-based image dataset for semantic segmentation of structural cracks”, Engineering Structures, Vol. 285, 116058.

2. 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.

3. 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.

4. 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)

5. 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)

6. 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.

7. 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.

8. 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.

9. 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.

10. 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.

11. 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.

12. 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)