An intelligent YOLO and CNN-BiGRU framework for road infrastructure based anomaly assessment
6.5
来源：
Nature
关键字：
digital twin
发布时间：
2025-11-21 23:56
摘要：
本研究提出了一种基于YOLO和CNN-BiGRU的智能框架，用于实时监测道路基础设施的异常情况。该框架通过集成数字双胞胎技术，能够高效地检测和预测道路损坏，具有显著的市场潜力。研究表明，该系统在LiRA-CD数据集上的表现优异，平均精度达到96.92%，并且在实时推理中实现了低延迟，适合智能交通系统的应用。
原文：
查看原文
价值分投票
评分标准
新闻价值分采用0-10分制，综合考虑新闻的真实性、重要性、时效性、影响力等多个维度。
评分越高，表示该新闻的价值越大，越值得关注。
价值维度分析
domain_focus
0.0
business_impact
1.0
scientific_rigor
1.5
timeliness_innovation
1.5
investment_perspective
2.5
market_value_relevance
1.0
team_institution_background
0.0
technical_barrier_competition
0.0
关键证据
该框架在LiRA-CD数据集上进行评估，显示出96.92%的平均精度和0.942的AUROC。
研究强调了智能基础设施解决方案在全球市场中的重要性，市场规模超过1.4万亿美元。
提出的模型在实时推断中实现了9.5毫秒的低延迟，支持105 FPS的实时推理。
真实性检查
否
AI评分总结
本研究提出了一种基于YOLO和CNN-BiGRU的智能框架，用于实时监测道路基础设施的异常情况。该框架通过集成数字双胞胎技术，能够高效地检测和预测道路损坏，具有显著的市场潜力。研究表明，该系统在LiRA-CD数据集上的表现优异，平均精度达到96.92%，并且在实时推理中实现了低延迟，适合智能交通系统的应用。