红外成像和倾斜摄影三维融合在建筑检测中的应用

孙保燕，莫春华，薛 伟，张玉涛，葛广昊

〈红外应用〉

红外成像和倾斜摄影三维融合在建筑检测中的应用

孙保燕，莫春华，薛 伟，张玉涛，葛广昊

（桂林电子科技大学 建筑与交通工程学院，广西 桂林 541004）

针对建筑病害缺乏有效和高精度无损检测手段，同时传统人工检测受建筑围护结构饰面层病害区域的高度、面积等方面的限制，提出一种红外成像和倾斜摄影三维融合并建立含有建筑病害信息的三维模型电子档案的方法。本文以学校某教学楼为例，以红外技术为主，倾斜摄影技术为辅的采集方案，采用同位空间坐标匹配法，经过坐标转换和2种异源空间数据融合，获取含有建筑病害信息的精细化三维模型电子档案，并完成数据融合前后的模型精度对比评估。结果表明：此方法得到的融合模型精度高，点位误差小，能快速、精准获取建筑病害空间位置，为建筑无损检测技术的实际应用提供新的思路，对建立建筑信息化监、修、管一体化运维体系具有研究价值和实际应用意义。

围护结构饰面层；红外检测；倾斜摄影；无损检测；异源空间数据融合；病害空间位置

0 引言

建筑围护结构饰面层长期暴露于室外，当饰面层内部结构存在空鼓、空洞和裂缝等缺陷时，经过长期雨水冲涮，强风侵蚀，将导致建筑饰面层霉变、剥离、脱落，存在安全隐患。对于建筑围护结构病害检测，传统的小锥子敲击、目测和望远镜等检测方式，安全性低，工作量大、局限性大、效率低。而且传统的检测方法所获得的信息受到设备条件的限制，无法提取建筑围护结构的三维和损伤信息，难以精确评估建筑围护结构损伤程度和开展饰面层修复工作。因此，对建筑围护结构饰面层内部质量缺陷进行无损检测具有重大意义[1]。

近年来，建筑围护结构饰面层内部质量缺陷检测技术已发展成新产业，检测技术也逐步向无损、便捷、快速的需求方向发展。相对于传统的建筑病害检测，无损检测技术是目前建筑病害检测最高效、准确的技术之一，其中无人机倾斜摄影和红外技术融合是极具代表性的一项技术，具有效率高、非接触、检测范围广、精准定位等优势，为建筑围护结构饰面层的缺陷动态监测和质量评估提供技术支持。

红外检测技术是一种无损检测的方式之一，具有非接触、快速简便、检测范围广等优势，广泛应用在建筑面层缺陷、建筑节能、隧道裂缝等检测。在建筑面层缺陷检测方面，Edis等[2]利用红外检测技术检测建筑饰面层瓷砖粘合耐久性，能获取饰面层瓷砖内部水分分层信息；Brigitte等[3]利用红外热成像监测混凝土表面的热响应，得到钢筋的腐蚀位置分布；张锐等[4]提出了一种利用红外热成像自动检测墙体裂缝的方法，得到该区域建筑物内部结构和外墙的损伤分布；冯力强[5]等利用红外热像仪对建筑外墙饰面砖饰面层内部缺陷进行检测，验证了红外检测技术能有效检测出饰面砖饰面层的内部缺陷；邓安仲等[6]总结红外热成像仪利用可实现对混凝土裂缝进行远距离、非接触、大面积的快速分布式监测。红外检测技术虽然取得了宝贵的成果，但由于红外热像仪检测的结果以二维图像呈现，在实际工程应用中无法对质量缺陷区域精确定位。

倾斜摄影技术是国际测绘领域认可的一项高新技术[7]，成为获取空间数据的有效方式之一，该技术能够呈现真实场景，构建精细化三维模型，解决红外检测技术精确定位难题。M. Satoru等[8]采用倾斜摄影测量方法，获得隧道高精度三维模型及空间坐标；T. Zhou等[9]利用无人机倾斜摄影构建城市真实场景三维模型；吴熠文等[10]分析表明倾斜摄影技术能够大范围、多数据、高效率采集空间数据；冯增文等[11]运用倾斜摄影测量技术，为智慧地铁提供了三维数据支撑；Gerke等[12]和眭海刚等[13]采用倾斜摄影技术实现震后建筑物三维损毁信息的提取，对震后城区建筑物的损毁情况进行评估。综上所述，倾斜摄影技术能够清晰获取目标对象全方位的纹理信息，建立三维模型电子档案。

因此，本研究以学校某教学楼为研究对象，以红外成像技术为主，倾斜摄影技术为辅的采集方案，获取建筑围护结构饰面层高精度红外图像和精细化三维模型数据；其次经过坐标转换和2种异源空间数据融合，建立含有质量缺陷的建筑三维模型电子档案，快速获取建筑病害区域空间位置，便于今后快速排查安全隐患和指导施工单位的修复工作。

1 关键技术分析及融合原理

本文关键检测技术包括红外检测技术、倾斜摄影技术。充分结合两种技术的优势，可实现技术优势互补，建立建筑病害三维模型电子档案，形成空间立体坐标，确定建筑病害空间位置。无损检测的关键流程有：①数据采集及处理；②坐标系转换与统一；③异源空间数据匹配融合，融合模型精度的对比评估。

1.1 红外检测技术原理

红外线是一种与无线电波和可见光相同本质的电磁波，自然界中的物体温度高于绝对零度（－273.15℃）以上[14]，因自身分子热运动产生并向外界发出红外辐射能量。通过吸收被测物体发出的红外辐射能量，从而在红外热成像仪存储热图像，并建立红外辐射和被测物体温度的关系。被测物体的红外辐射总能量与物体绝对温度的四次方关系：

＝T4(0＜＜1) (1)

式中：为被测物体单位时间内的红外辐射总能量；为辐射率；为斯特藩常量5.67×10－8W×m－2×K－4；为绝对温度。

红外热成像仪检测正是通过测量被测物体发出的红外辐射能量，测出物体的表面绝对温度和整体温度分布状况，并加以信号处理、光电转换等手段，将不可见红外辐射转化为可见热图像，从而检测出被测物体内部结构是否存在质量缺陷，为运维管理提供安全保障。其检测工作原理如图1所示。

图1 红外检测工作原理

1.2 倾斜摄影技术原理

倾斜摄影技术以精度高、范围广的方式构建符合人眼视觉的真实场景[15-16]，在三维建模和工程测量中作为一项高新技术被广泛应用。该技术通过在无人机云台上搭载单个相机镜头，在飞控软件设置环绕圆飞行航线、航高、环绕圆半径等参数后，即可对建筑进行影像数据自动采集，获取建筑全方位、清晰、完整、准确的纹理信息。倾斜摄影技术结合相关的三维实体建模软件，经过影像信息匹配、空中三角测量计算、三维重建、生成DSM（Digital Surface Model）和纹理等过程，建立带有真实纹理信息的精细化三维模型[17]。基于倾斜摄影技术获取建筑三维点云数据及完整、高精度空间立体坐标，能够确定病象空间位置，用于精确指导修复工作。其影像数据自动采集方式如图2所示。

图2 环绕航摄自动采集示意图

1.3 异源坐标统一及匹配

异源坐标匹配融合是建筑裂缝无损检测的关键点。基于计算机视觉原理实现2种异源坐标由相机坐标到世界坐标转换，如图3所示。异源坐标系统一后，选取倾斜模型同名特征点作为配准点，将二维质量缺陷图像向倾斜三维模型的坐标数据匹配融合。2种异源坐标的匹配融合涉及旋转和平移，由公式(2)求解旋转矩阵和平移矩阵。

＝＋(2)

式中：为同名特征点在二维质量缺陷图像的坐标；为同名特征点位在倾斜三维模型的坐标；、、分别表示绕轴、轴和轴旋转矩阵，、、分别表示X轴、Y轴和Z轴旋转角度；旋转矩阵；为平移矩阵。

基于间接平差法按最小二乘求解原理，至少需要3个同名特征点坐标数据，求解2种异源坐标数据匹配融合的旋转矩阵的3个旋转参数(,,)和平移矩阵的3个平移参数(1,2,3)。

图3 坐标系转换示意图

2 工程实例验证

2.1 现场勘察

本文实验目标是位于广西桂林某高校内一栋教学楼，主体为框架结构，教学楼已投入使用5年。现用无损检测技术对教学楼围护结构饰面层进行病害检测和倾斜摄影建模，建立带有检测信息的三维模型电子档案，将建筑信息集成化管理，便于后期的运维管理。无损检测数据采集技术路线如图4所示。

2.2 数据采集

2.2.1 无人机航摄影像采集

试验选用大疆精灵4 PRO V2.0专业智能4K超清航拍无人机采集影像数据。精灵4 PRO V2.0配备1英寸CMOS有效2000万像素影像传感器，相机镜头采用FOV 84° 8.8mm/24mm、光圈/2.8～/11带广角自动对焦，云台可控俯仰转动范围－90°～＋30°，垂直悬停精度±0.1m。

针对被测建筑场地的特征，布设6个平高控制点和2个检查点，设计出阶梯和立面多基线组合式环绕航摄影像采集方案，如图5所示。本文采用高精度RTK（Real-Time Kinematic）测量平高控制点和检查点；采用上海珞琪软件有限公司自主开发的Rocky Capture航线规划飞控软件，根据被测建筑物的地形环境、三维几何参数长宽高，设置航高90m、绕圆半径90m、相机俯仰度45°、环绕圆航摄方向数24的一阶螺旋环绕圆摄取被测建筑物主体和地形环境的影像；设置航高60m、环绕圆半径60m、相机俯仰度45°、环绕圆航摄方向数36的二阶螺旋环绕圆精细化摄取被测建筑物的影像，增加三维模型的精度；同时设计立面多基线环绕航测摄取建筑物围护结构的影像，保证三维模型的纹理完整度和清晰度。组合式环绕航摄采集影像要具有足够重叠度的过度影像，确保影像匹配准确率，影像采集方式如图5所示。无人机航摄速度为7m/s，总共拍摄了684张航片，航摄耗时137min。

图4 无损检测技术融合模型流程

图5 组合式环绕航摄采集影像

Fig 5 Combined surround aerial photography to collect images

2.2.2 红外热成像数据采集

试验选用FLIR T620BX红外热成像仪，标准测量温度范围为－40℃～＋650℃，在温度低于30℃时热灵敏度＜0.04℃@＋30℃，精确为±2°，内置GPS和可见光镜头，空间分辨率（IFOV）为0.69mrad。

选用红外热成像仪多波段动态成像检测方法，调节装置的辐射率为0.95、反射温度＋20℃、大气温度＋18℃，调整装置的检测角度、焦距及其距离，以获取热图像效果为最佳标准。将红外热成像仪架设在被检测的围护结构饰面层前面，对围护结构饰面层四周不间断探测，为确保全部饰面层检测不遗漏，每间隔5m对饰面层摄取不同垂直角度下的热图像。红外热成像探测被测饰面层时，发现饰面层内部有病害缺陷时，使用装置上的红外激光指示器标定出病害缺陷区域，便于快速寻找出缺陷位置，如图6所示。

图6 红外热像仪探测示意图

2.3 内业数据处理

2.3.1 倾斜影像数据处理与三维重建

采用多视觉影像密集匹配算子能够得到高密度三维点云数据，通过三维点云生产三角面片，进而自动生成高精度的三维模型。无人机按照环绕航摄参数完成被测建筑物的影像采集，去除对焦模糊、冗余等不合格影像，校正影像畸变，对影像进行曝光修正和匀光匀色处理，为保证后期影像特征点快速识别和拼接。将筛选后的673张合格图像导入到三维重建软件Context Capture，导入RTK测量控制点的坐标，进行多视觉影像密集自动匹配，获取高密度三维点云数据，再经过三角面片构建、三维白膜模型封装、纹理映射等处理过程，最终重建出具有建筑物真实纹理信息的三维模型。将生产出的三维模型导入到模型编辑软件进行修整，先认真查看模型纹理完整性，若有纹理模糊或缺失，应当进行局部补拍或者全部重拍；再利用编辑工具去除冗余物体，导出修正后的模型，如图7所示。

图7 带真实纹理的三维模型

2.3.2 红外热图像数据处理

筛选带有红外激光指示器标定出缺陷区域的热图像，编制热图像处理的MATLAB语言代码。在MATLAB软件中，将筛选后的热图像进行图像类型转换，需要调用函数rgb2ycbcr()将RGB图像转化为YcbCr格式；再对YcbCr图像阈值分割，提取Cr分量图，即获取红色区域；最后调用函数rgb2grgay()对红色区域灰度处理，将灰度图像转换为二值图像，即可得出缺陷图像。图8中(a)为采集到教学楼某一面围护结构饰面层的空鼓病害红外热图像，(b)为经过处理获得的病害缺陷区域轮廓图。

图8 教学楼某一面围护结构饰面层的空鼓病害红外热图像及处理结果

3 坐标匹配融合及分析

3.1 异源空间数据融合

建筑的三维重建和围护结构饰面层内部病害检测中，红外热成像仪虽能够快速获取建筑整体的病害数据，但由于红外热成像仪设备受建筑表面温度影响，无法获取建筑的点云和病害空间位置。而倾斜摄影技术虽可以获取建筑清晰的纹理和模型重建，但对病害空间位置无法直接识别。为精准获取建筑病害空间位置，本文研究将二维病害区域图像和倾斜摄影数据匹配融合，并建立含有建筑病害的三维模型电子档案。

研究是采用同位空间坐标匹配法进行2种异源空间数据融合，其原理通过选取同位点求解旋转矩阵和平移参数，将二维病害区域图像和倾斜摄影数据统一到同一个坐标系下。在2种异源空间数据融合过程中，选取3组同位点分别在二维质量缺陷图像坐标和倾斜摄影测量坐标，由公式(2)求解旋转矩阵和平移矩阵的参数值。

根据求解旋转矩阵和平移矩阵的数值，将二维病害热图像坐标中各点坐标(X,Y,Z)分别代入同名特征点坐标转换公式(3)中，即可得到二维质量缺陷图像坐标中的坐标数据在倾斜三维模型中的坐标值(X,Y,Z)。两种异源数据通过同名特征点坐标匹配算法进行融合，即完成二维质量缺陷图像向倾斜三维模型的数据匹配融合，建立含有建筑病害的三维模型电子档案。

3.2 成果对比分析

3.2.1 病害区域信息获取难易度对比分析

传统检测方法探测建筑病害区域时获取的二维图像不清晰，经过灰度图像处理后，依旧模糊且工作量大和缺乏病害区域位置信息。获取的二维图像信息难以精确评估建筑围护结构损伤程度和开展饰面层修复工作，运维管理成本高，工作效率低，病害区域空间位置定位复杂、难度大。传统检测获取的二维图像及灰度处理结果如图9、10所示。

本文采用无损检测技术建立含有建筑病害信息的精细化三维模型电子档案，实现病害区域三维可视化，真实反映建筑病害区域轮廓及精准空间坐标，如图11、12所示。维修单位从三维模型中直接获取病害区域空间位置和清晰的轮廓，快速开展并精准维修，高效率排查安全隐患，减小事故发生率。同时，无损检测获取的建筑病害信息更加丰富且共享，可为建筑围护结构饰面层的缺陷动态监测和质量评估提供数据资料保障。

图9 空鼓病害二维图像及灰度处理结果

图10 裂缝病害二维图像及灰度处理结果

图11 空鼓病害区域标示图

图12 裂缝病害区域标示图

3.2.2 融合模型精度对比分析

为了检验融合模型的空间位置精度是否存在偏差，随机选取融合前后模型的12个特征点，采用点位误差法对数据融合前后的三维模型精度对比。以倾斜摄影三维模型的坐标数据(X,Y,Z)作为基准点，相对应融合模型的坐标数据为(X,Y,Z)。

点位、、方向的误差为：

则融合模型的点位误差为：

由公式(4)、(5)计算后，异源数据融合模型精度误差统计结果如表1。

表1 异源数据融合精度结果

本文异源空间数据融合模型精度误差计算结果，点位各方向的误差在0.020m以内，点位误差在0.025m以内（如图13所示），融合模型平均点位误差为0.018m，模型平面和高程中误差分别为0.041m、0.037m。由《三维地理信息模型数据产品规范》[18]规定平面中误差0.3m，高程中误差0.5m，因此，可得到异源数据融合的三维模型精度满足规范要求。

图13 融合模型精度误差统计分析图

综上所述，本文采用无损检测方法建立建筑病害信息的精细化三维模型电子档案，具有精准定位、检测范围广、成本低、效率高、安全性高等优势。

4 结语

本文以学校某教学楼为研究对象，利用红外检测和倾斜摄影技术相融合的无损检测技术完成异源空间数据匹配融合并处理生成含有建筑病害信息的精细化三维模型电子档案，排查出裂缝隐患27处、渗漏水4处和空鼓7处，并可得出以下结论。

1）采用同位空间坐标匹配法实现2种异源空间数据匹配融合，更精确、更快速地获取建筑围护结构饰面层病害空间位置，为建筑病害信息集成化管理及信息共享提供数据支撑。

2）将红外热检测和倾斜摄影技术有机整合，在无损前提下，解决建筑围护结构饰面层开裂、脱落和渗漏水等安全隐患难排查难、检测效率低、安全系数低等难题。

3）二维病害区域图像和倾斜摄影数据匹配融合精度平均误差为0.018m，数据精度高，满足含有建筑缺陷的三维电子信息模型档案保存需求。

综上所述，红外技术和倾斜摄影融合方法为建筑修复工作提供全方位、精准定位、完整二维及三维信息的数据资料。为建筑无损检测的实际应用发展提供新的思路，对今后工程质量缺陷动态监测和精确评估具有研究价值和实际应用意义。

[1] 牛奕, 甘玲童, 马云. 基于红外无损检测的非金属材料粘贴缺陷识别[J]. 红外技术, 2020, 42(4): 393-398.

NIU Yi, GAN Lingtong, Ma Yun. Identification of pasting defects of non-metallic materials based on infrared non-destructive testing[J]., 2020, 42(4): 393-398.

[2] Edis E, Flores Colen, Inês De Brito J. Passive thermographic inspection of adhered ceramic claddings: limitation and conditioning factors[J]., 2012, 27(6): 737-747.

[3] Goffin B, Banthia N, Yonemitsu N . Use of infrared thermal imaging to detect corrosion of epoxy coated and uncoated rebar in concrete[J]., 2020, 263:120162.

[4] ZHANG R, LI H, DUAN K, et al. Automatic detection of earthquake-damaged buildings by integrating UAV oblique photography and infrared thermal imaging[J]., 2020, 12(16): 1-28.

[5] 冯力强, 王欢祥, 晏大玮, 等. 红外热像法检测建筑外墙饰面层内部缺陷试验研究[J]. 土木工程学报, 2014, 47(6): 51-56. Doi: 10.15951/j. tmgcxb.2014.06.015.

FENG Liqiang, WANG Huanxiang, YAN Dawei, et al. Experimental study on the detection of internal defects of building exterior wall finishing layer by infrared thermal imaging method[J]., 2014, 47(6): 51-56. Doi:10.15951/j.tmgcxb. 2014.06.015.

[6] 邓安仲, 赵启林, 李胜波, 等. 混凝土裂缝红外热成像分布式监测技术研究[J]. 建筑材料学报, 2013, 16(2): 284-288.

DENG Anzhong, ZHAO Qilin, LI Shengbo, et al. Research on distributed monitoring technology of concrete cracks with infrared thermal imaging [J]., 2013, 16(2): 284-288.

[7] 闫利, 程君. 倾斜影像三维重建自动纹理映射技术[J]. 遥感信息, 2015, 30(2): 31-35.

YAN Li, CHENG Jun. Automatic texture mapping technology for oblique image 3D reconstruction [J]., 2015, 30(2): 31-35.

[8] Satoru M, Takuji Y, Michio I, et al. Configuration and displacement measurement using vision metrology[J]., 2002, 2(5):395-398.

[9] ZHOU T, LV L, JIU T, et al. Application of UAV oblique photography in real scene 3d modeling[J]., 2021, XLIII-B2-2021: 413-418.

[10] 吴熠文, 余加勇, 陈仁朋, 等. 无人机倾斜摄影测量技术及其工程应用研究进展[J]. 湖南大学学报: 自然科学版, 2018, 45(S1): 167-172.

WU Yiwen, YU Jiayong, CHEN Renpeng, et al. Research progress on UAV oblique photogrammetry technology and its engineering application [J].: Natural Science Edition, 2018, 45(S1): 167-172.

[11] 冯增文, 李珂, 李梓豪, 等. 低空无人机的倾斜摄影测量技术在城市轨道交通建设中的应用[J]. 测绘通报, 2020(9): 42-45.

FENG Zengwen, LI Ke, LI Zihao, et al. Application of low-altitude UAV oblique photogrammetry technology in urban rail transit construction [J]., 2020(9): 42-45.

[12] Gerke M, Kerle N. Automatic structural seismic damage assessment with airborne oblique pictometry imagery[J]., 2015, 77(9): 885-898.

[13] 眭海刚, 刘超贤, 黄立洪, 等. 遥感技术在震后建筑物损毁检测中的应用[J]. 武汉大学学报: 信息板, 2019, 44(7): 1008-1019. Doi: 10.13203/j.whugis20190070.

SUI Haigang, LIU Chaoxian, HUANG Lihong, et al. Application of remote sensing technology in post-earthquake building damage detection [J]., 2019, 44(7): 1008-1019. Doi: 10.13203/j.whugis20190070.

[14] 陈文, 孙保燕, 贾巧志. 基于激光标定的热工缺陷面积测量方法[J]. 科学技术与工程, 2019, 19(2): 175-179.

CHEN Wen, SUN Baoyan, JIA Qiaozhi. Measurement method of thermal defect area based on laser calibration[J]., 2019, 19(2): 175-179.

[15] 李德仁, 肖雄武, 郭丙轩, 等. 倾斜影像自动空三及其在城市真三维模型重建中的应用[J]. 武汉大学学报: 信息科学版, 2016, 41(6): 711-721.

LI Deren, XIAO Xiongwu, GUO Bingxuan, et al. Automatic aerial triangulation of oblique images and its application in reconstruction of true 3D urban models [J].: Information Science Edition, 2016, 41(6): 711-721.

[16] 谭仁春, 李鹏鹏, 文琳, 等. 无人机倾斜摄影的城市三维建模方法优化[J]. 测绘通报, 2016(11): 39-42.

TAN Renchun, LI Pengpeng, WEN Lin, et al. Optimization of urban 3D modeling method based on UAV oblique photography [J]., 2016(11): 39-42.

[17] 张寅, 李阳, 陈家华, 等. 基于Smart 3D的多源影像实景三维建模研究[J]. 地球科学前沿, 2018, 8(8): 1316-1322.

ZHANG Yin, LI Yang, CHEN Jiahua, et al. Research on 3D modeling of multi-source images based on smart 3D [J]., 2018, 8(8): 1316-1322.

[18] 国家测绘地理信息局. 三维地理信息模型数据产品规范[S]. CH/T 9015-2012, [2021-12-09].

National Bureau of Surveying, Mapping and Geographic Information. 3D geographic information model data product specification[S]. CH/T 9015-2012, [2021-12-09].

Application of 3D Fusion of Infrared Imaging and Tilt Photography in Building Detection

SUN Baoyan，MO Chunhua，XUE Wei，ZHANG Yutao，GE Guanghao

(College of Architecture and Traffic Engineering, Guilin University of Electronic Technology, Guilin 541004, China)

Effective and high-precision non-destructive detection methods for building diseases are lacking, and traditional manual detection imposes limitations on the height and area of the disease area of the building envelope facing layer. To address these issues, this study proposes a method of 3D fusion of infrared imaging and oblique photography along with the establishment of 3D model electronic archives containing building disease information. Taking a teaching building in a school as an example, this study adopts the acquisition scheme mainly based on infrared technology and supplemented by tilt photography technology and the coordinate matching method in the same position space, obtains the refined three-dimensional model electronic file containing building disease information through coordinate conversion and two kinds of heterogeneous spatial data fusion, and completes the comparative evaluation of model accuracy before and after data fusion. The results show that the fusion model obtained by this method has a high accuracy and small point error and can quickly and accurately obtain the spatial position of building diseases. The method provides a new idea for the practical application of building nondestructive testing technology and has research value and practical application significance for establishing an integrated operation and maintenance system of building information supervision, repair, and management.

enclosure finish layer, infrared detection, oblique photography, non-destructive testing, heterogeneous spatial data fusion, spatial location of disease

TN215

A

1001-8891(2022)09-0991-08

2021-12-09；

2022-01-28.

孙保燕（1962-），男，本科，教授级高工，主要研究方向为建筑智能信息检测、数字建造与BIM应用。E-mail: sunbaoyan@126.com。

广西创新驱动发展专项资金项目（AA19182023）；广西科学研究与技术开发计划项目（1598019-8）；广西研究生教育创新计划项目（YCSW2020164）。