城市排水系统是城市公用设施的重要组成部分，排水管道的定期检查和维护对于地下管网的安全运行十分重要。漂流式胶囊机器人具有作业便捷、高效、低成本等特点，可满足地下管网大范围普查需求。然而，高效的作业方式带来了剧增的待处理数据，同时漂流式作业采集的视频数据包含振动、光照等多项干扰因素，传统数据处理方法无法适用，亟需开发新的智能病害识别方法。基于此，提出了一种基于改进残差注意力的病害识别方法。该方法以视频片段为输入，利用卷积神经网络对每一帧进行特征提取，然后将不同层沿特定维度融合后进行分类识别。实验结果表明，所提方法的识别准确率可达89.6%，优于未改进的残差网络，可有效提高漂流式胶囊机器人的识别精度和效率。

机载激光雷达测深是近年来蓬勃发展的主动式水深测量方法， 能够快速精准地获取近岸水深和水下地形， 特别是对于浅海、 岛礁等船只无法达到的区域具有显著优势。 而机载激光雷达系统的测深能力主要受到水体浑浊度的影响。 激光测深实验中对实验区域的水体浑浊度研究将有助于实验方案的设计。 以中国海南岛沿岸海域为例， 研究了该海域水体浑浊度和机载激光雷达测深系统CZMIL(coastal zone mapping and imaging LiDAR)测深能力之间的关系， 建立了运用水体漫衰减系数估算机载激光雷达测深系统测深能力的算法。 首先分析并确定了实验区域的漫衰减系数Kd(490)反演算法； 其次， 运用该区域实测光学数据建立了漫衰减系数Kd(490)和Kd(532)之间的数值关系； 接着总结了Kd(532)和CZMIL系统最大测深值之间的关系； 最后运用MODIS数据合成了海南岛沿岸海域在CZMIL系统海道测量模式下的测深能力空间分布图， 重点分析了海口和陵水附近海域的最大可测水深分布情况。 为海南岛沿岸海域开展激光测深实验提供了参考和依据。