近日，聚焦地下工程智能运维前沿领域的中国岩石力学与工程学会地下空间学生竞赛——“复杂环境下隧道衬砌多病害智能检测”赛事在同济大学圆满落幕。本次竞赛于6月6-7日线下开展，恰逢《Underground Space》期刊创刊10周年，与第三届詹天佑讲座同期举办，是地下工程与人工智能交叉领域极具影响力的高水平专业国际赛事。竞赛充分贴合工程基建行业的智能建造、智慧运维及城市更新的国家发展战略需求，针对既有运营隧道与地下工程结构裂损及渗漏水等严重病害，竞赛要求参赛团队依托真实隧道衬砌实景图像数据集，研发兼具工程实用性、轻量化、高精度的语义分割模型，精准实现隧道典型病害的像素级精细化识别。

本次竞赛面向全球高校开放参赛，竞争激烈、覆盖面广泛，共计71支参赛队伍报名角逐，经过初赛算法测评、作品初审环节等层层严苛筛选，最终仅30支优质队伍成功晋级现场测试与决赛答辩环节。决赛汇聚了武汉大学、山东大学、中南大学、同济大学、陆军工程大学等国内高校，以及The University of Queensland、Nanyang Technological University、University of Birmingham、Durham University等海外知名学府的优秀团队同台竞技，充分展现了该领域青年科研力量的国际水准。我校矿业工程系积极响应赛事号召，首次组建学生团队参加该领域国际赛事，实现了参赛历史的新突破。团队由城市地下空间工程、采矿工程及智能采矿工程专业的师一博、康嘉伟、李泽森、许丹颖四名学生组成，雷波、张凌云、武立恒等教师全程悉心指导。该队伍是本次决赛中山西省唯一入围的院校团队，同时也是全场仅有的一组本科生参赛队伍。本次赛事评审环节严苛全面，通过现场算法实测、全英文成果展示及专家针对性提问答辩等多维度综合考核，全方位检验参赛团队的技术研发能力、学术表达能力与工程问题解决能力。

针对当前隧道衬砌病害检测中的光照异常干扰、复杂噪声影响、病害尺度差异大、样本类别分布失衡、细微缺陷识别难度高等行业共性技术难题，我校参赛团队提交了《Lightweight MobileUNet-Based Semantic Segmentation Method for Tunnel Lining Surface Disease Detection》的参赛作品。该算法依托深度学习与计算机视觉技术，自主构建轻量化多缺陷语义分割专属框架，采用多维度数据增广扩充训练样本，融合加权采样与组合损失函数以缓解类别不均衡问题，并嵌入轻量骨干网络、专属解码器和注意力特征增强模块，配合定制化优化策略完成高效迭代训练。模型文件体积仅98.91 MB，参数量1457个，具备突出的轻量化优势；测试集上Mean mIoU达到59.7%，综合识别精度优异，兼顾了检测效果与部署效率。凭借扎实的科研功底、创新的技术方案和稳定的现场发挥，团队最终斩获赛事优胜奖，充分展现了我校本科生的专业素养与科创潜力。

此次获奖是我校深耕学科交叉融合、强化科研训练与国际学术表达能力的重要成果，填补了该类高水平国际赛事的参赛空白。荣誉的取得也彰显了我院学生在智能检测、计算机视觉、地下工程安全评估等交叉领域的综合实践能力，以及独立发现工程痛点、自主构建算法模型、系统阐释技术方案和进行国际化学术答辩的综合素养。未来，我校将持续立足国家重大工程安全保障与智能运维需求，深化工程与人工智能交叉学科建设，搭建高水平科创实践平台，积极鼓励师生参与国际国内学术竞赛与科研项目，不断提升科研创新能力和国际交流水平，为我国地下工程的智能化、安全化、高质量发展持续注入青春动能。