基于深度学习的结构裂缝识别研究进展与发展趋势

摘要

土木工程结构在长期服役过程中不可避免地受到荷载、环境与材料劣化影响，进而产生裂缝、剥落、腐蚀等病害。结构裂缝是反映土木工程结构健康状况的重要表征，其早期识别与量化评估对结构安全维护具有关键意义。传统检测依赖人工巡检与局部传感器，存在效率低、主观性强及覆盖不足等问题。近年来，深度学习极大推动了裂缝检测从经验规则向数据驱动、从二维视觉向多模态诊断的跨越。本文系统评述基于视觉的结构裂缝识别方法的发展脉络，重点分析数据驱动模型、几何量化技术、工程化系统及未来趋势。现阶段仍存在数据标注成本高、模型泛化能力不足、物理一致性薄弱及工程化部署受限等瓶颈。未来研究需在自监督学习、物理约束深度学习、多模态感知与知识图谱等方向取得突破，以构建可解释、可迁移、可部署的新一代智能监测体系。