近日，由皖江工学院参与联合研究的学术论文《RMA-UNet：用于表征固化土微观孔隙的深度学习模型》，正式发表于国内材料领域权威期刊《材料导报》(T1期刊)。该研究获马鞍山土地检测评估修复中心开放基金资助，我校土木与安全工程学院沈露教授承担了部分关键技术工作。

　　固化土微观孔隙结构是是评价其工程性能的重要指标之一。针对传统检测方法在效率和精度方面存在的不足，研究团队深度融合土木工程、人工智能、材料科学多学科理论与技术，创新提出RMA-UNet深度学习模型。该模型可实现扫描电镜(SEM)图像中孔隙结构的全自动识别与精准分割，识别准确率高达92.50%，单张图像处理耗时约0.5秒，大幅提升了固化土微观结构检测效率，为土地修复工程提供了全新的技术路径与方法支撑。

　　《材料导报》目前被EI、CSCD、Scopus等国内外重要数据库收录，在材料科学领域具有较高的学术影响力。根据中国科学技术信息研究所发布的《中国科技期刊引证报告(核心版)》，该期刊综合评价指标长期位居材料科学综合类期刊前列。

　　我校马鞍山土地检测评估修复中心长期聚焦固体废弃物资源化利用、污染土壤修复等领域开展科研攻关，近年来发表SCI论文10余篇，授权发明专利6项，承担省部级以上科研项目3项，科研成果持续落地见效。

　　本项研究同时得到国家自然科学基金等项目资助，成功实现了人工智能技术在岩土工程材料微观结构识别领域的创新应用，拓展了交叉学科研究场景。研究团队表示，后续将持续深耕污染土壤修复与资源化利用技术，不断攻克行业关键技术难题，为土壤资源可持续利用提供坚实技术支撑。(土木与安全工程学院   供稿)

　　编辑：马鸣   预审：梅立群  审核：韩雪  王瑜