近日，土木建筑学院吴禄源在巨大自然灾害中村镇房屋损伤智能识别研究方面取得新的进展，相关成果以“Post-flood disaster damaged houses classification based on dual-view image fusion and Concentration-Based Attention Module”为题发表在土木工程国际顶级期刊Sustainable Cities and Society上。同时该项成果在第二十五届中国机器人及人工智能大赛全国总决赛中获得二等奖。

随着全球气候的变化，暴雨和台风等极端天气频发，进而引发洪涝灾害，城市周边的村镇区域一般设计为泄洪区，因此村镇房屋承受洪涝灾害的破坏。洪涝灾害发生后，准确快速诊断和评估灾后村镇房屋的损坏程度，是保证人民安全和房屋后期修复依据的紧迫任务。传统的人工鉴定方法需要大量的人力资源，鉴定慢，人员的技术参差不齐。

针对上述问题，本研究以xx市特大暴雨及洪涝灾害中近3000座受损的村镇房屋为研究对象。通过修正Resnet50深度神经网络架构，结合迁移学习和注意力机制搭建用以学习洪水受损房屋图像的特征知识并模拟人工检查的算法架构。深度学习获得双视角模型的房屋损伤风险级别分类人工智能模型（图1），对相关特征进行可视化分析房屋风险级别，可以清楚地了解分类机制和风险评估的准确性模型（图2-3）。本研究基于双视图的房屋损伤人工智能识别模型表现出更大的识别能力、可靠性和普适性，可代替专业技术人员工作，能够快速准确的实现灾后房屋损伤鉴定工作，节约大量资源和保障人民安全。

图1双视角卷积神经网络的架构图

图2损伤房屋测试结果（部分）

图3基于Grad-CAM的双视角模型灾后房屋特征评估结果可视化

该研究成果河南大学为第一完成单位，土木建筑学院吴禄源副教授为第一作者。研究工作得到国家自然科学基金、河南省自然基金青年基金、河南省博士后科研启动项目、河南省高等学校重点科研项目、河南大学青年交叉基金等项目的经费支持。

吴禄源副教授长期致力于机器学习与土木工程交叉学科的研究，主要从事人工智能与岩石力学，城市内涝灾害智能视觉识别，地下工程突水灾害机理及防治技术，地下结构损伤智能化识别等研究。在Geomech. Geophys Geo.，Eng. Fract. Mech.，Rock Mech. Rock Eng.，Sustain. Cities Soc.等国际主流期刊发表论文12篇。主持河南省自然基金青年基金、河南省博士后科研启动项目、河南省高等学校重点科研项目、中国博士后基金面上项目等省厅级项目6项。

论文链接：https://www.sciencedirect.com/science/article/pii/S2210670724000635