（1）国家重点研发计划子课题，我国沿海典型交通水工建筑物的韧性特征，2021.12-2024.11，在研，主持

（2）上海市“科技创新行动计划”社会发展科技领域项目，轨道交通隧道孪生数据挖掘及诊断关键技术研究，2021.08-2024.07，在研，主持

（3）国家自然科学基金青年项目，盾构隧道结构状态导向维护的检查策略，2019.01-2021.12，在研，主持

（4）中国博士后科学基金面上项目，盾构隧道结构退化预测的数据-物理融合模型，2017.11-2019.07，结题，主持

（5）上海隧道工程股份有限公司，城市基础设施（隧道）全寿命周期运营管理与技术应用研究，2018.06-2020.12，结题，子课题主持

（6）国家科技支撑计划项目，地铁运营突发性灾害（火灾、爆炸和地震）防范处置技术与装置研发，2012.01-2014.12，结题，主要完成人

（7）上海市科学技术委员会，基于物联网的轨道交通隧道结构安全监测技术研究及示范（15dz1207702），2015.11-2017.10，结题，主要完成人

（8）上海市科学技术委员会，软土地层运营盾构隧道结构检测、评估及养护技术研究（11231201402），2011.09-2014.08，结题，主要完成人

（9）上海市路政局，隧道运营技术状况检测与评价模型研究，2013.07-2014.12，结题，主要完成人

（1）   提供理论与实践相结合的实践项目，使学生尽早参与科研训练；

（2）   全程提供学术研究指导，培养和提高学生科研创新能力；

（3）   指导学术写作，培养学生科技论文写作能力；

（4）   提供高质量的地铁隧道三维激光扫描原始数据，不做“无米之炊”；

（5）   报销书籍资料、软件算法培训等费用，为学生未来发展提供助力。

近年来，我国隧道工程快速发展，大量地铁隧道建设并投入运营。由于周边建设活动或不良地质影响，隧道运营服役期间其结构不可避免地产生渗漏水、剥落、裂缝等病害，严重的甚至引发安全事故，对地铁运营安全造成了严重的威胁。因此，对地铁隧道结构表观病害进行高效、智能化的检测识别至关重要。

本研究拟基于已获取的隧道内壁三维激光扫描高质量图像，采用计算机视觉领域较为前沿的深度学习方法，提出区别于传统手段的隧道病害智能化识别方法。通过提取并建立隧道病害样本库，搭建深度学习框架，利用深度卷积神经网络（Convolutional Neural Network,CNN）训练样本，建立隧道病害特征图像分类与识别系统，从而实现隧道高密度数据采集场景下的病害快速智能化识别，全面提升隧道病害识别效率、降低运营安全隐患。