赵鹏++赵雪峰++赵庆安++李生元++方腾伟++赵鑫如

摘 要：21世纪以来，在大数据和GPU加速訓练的支持下，以深度学习为核心的人工智能技术迅速发展，并在多领域得到了广泛应用。与此同时，随着国民经济实力和文化素质的不断提升，国家对于古建筑的保护也愈发重视。然而在长期自然及人为因素的共同作用下，古建筑难免会受到不同程度的损伤，这些损伤在很大程度上表现在结构的表层，如裂缝、酥碱、剥落、倾斜、空鼓等。因此，对这些表层损伤实施快速和高效的识别和定位，为后续的诊断和修复工作提供指导具有重大意义。目前国内对于古建筑表层损伤的检测主要为人工方法，即通过目测和借助专业的设备完成工作。然而人工方法效率不高，且需要较强的专业性和经验因素。为解决该问题，文中提出了一种基于人工智能方法的古建筑表层损伤检测技术，通过获取大量具有多类损伤古建筑的表层图像样本并进行人工分类，使用卷积神经网络对样本进行训练，得到一个用于识别损伤的分类器并验证其准确性。分类器成功建立后，使用滑动窗口算法对结构表层图像进行测试，从而完成损伤的定位工作。最后提出了众包式检测的思想，通过调动公众来收集训练样本，达到提高效率，节约成本的目的。

关键词：人工智能；深度学习；机器视觉；古建筑；损伤检测

中图分类号：TP368.5；TU317 文献标识码：A 文章编号：2095-1302（2017）09-00-05

0 引 言

古建筑作为一种重要的文明载体，是历史文化遗产不可或缺的一部分。……