报告简介：

城市排水系统是城市基础设施的核心组成部分，其运行状态直接关系到城市防洪排涝能力与生态环境安全。随着管道服役年限增加，结构逐渐老化，劣化速率受使用条件、外部环境（如树木根系侵入、地面交通荷载）以及土壤腐蚀性等多种因素共同影响，可能导致管道结构失效甚至坍塌。目前，闭路电视（CCTV）检测已成为地下排水管道状况评估的主要手段，但面对庞大的管网规模与海量视频数据，传统人工判读效率低下、高度依赖专业经验，难以满足现代化城市精细化管理需求。近年来，机器学习与高性能计算的快速发展，为工程检测的自动化与智能化提供了新路径。本研究提出一种基于机器学习的智能检测与预防性维护框架，通过自动化解析CCTV视频数据，实现对管道缺陷的快速识别与分类，并进一步预测管道劣化趋势，从而为城市排水系统的科学管理与预防性维护提供技术支撑，提升城市基础设施的可持续性与安全性。

报告人简介：

殷宪飞博士，香港城市大学建筑学及土木工程学系助理教授、博士生导师，美国土木工程师学会会员（M.ASCE）。博士毕业于加拿大阿尔伯塔大学，其后曾任荷兰特文特大学长聘助理教授。长期从事城市地下基础设施智能运维研究，在管道巡检机器人与CCTV检测装备、视频图像智能解释算法、以及管道病害视觉自动检测系统等方面形成系列创新技术。主持香港研资局（RGC）项目、国家自然科学基金及广东省自然科学基金面上项目等，并与香港渠务署开展合作研究。已发表学术论文70余篇，代表性成果见于《Communications Earth & Environment》《Automation in Construction》《Reliability Engineering & System Safety》等期刊。