李想，熊进刚，b

(南昌大学a.建筑工程学院；b.江西省近零能耗建筑工程实验室，江西 南昌 330031)

钢筋混凝土产生裂缝是土木工程中不可避免的问题。当前，常用的混凝土裂缝检测方法还是以人工检测为主，但是人工检测存在工作量大、效率低、过于依赖经验等缺点。除了人工检测外，还存在热成像检测、超声波检测、荧光磁粉检测、渗透检测等无损方法，但都存在工序复杂、价格昂贵等缺点。因此，如何能够高效而又经济地检测混凝土裂缝，成为了土木工程中亟待解决的问题。

人工智能技术正处于第3次发展浪潮，随着深度学习理论的发展、计算机性能的提升和数据量的扩大，把人工智能技术应用到土木工程领域将是未来的一个发展趋势。当前，已经有许多学者进行了人工智能检测混凝土裂缝的相关研究。

徐港等[1]采用多种图像连通域特征分析裂缝和噪声的差异结合聚类算法提取出裂缝信息。刘立峰等[2]提出了一种基于高斯尺寸空间和支持向量机相结合的裂缝识别算法。张晶晶等[3]提出一种基于多尺度输入图像渗透模型的混凝土裂缝检测方法。徐国整等[4]基于经典的 U-Net 网络，提出了HU-ResNet卷积神经网络模型识别混凝土表面裂缝。吴秋怡[5]利用金字塔解析网络PSPNet实现路面裂缝检测，实现像素级的裂缝区域识别。高庆飞等[6]结合神经网络与滑动窗口算法，提出了桥梁裂缝定位技术。顾书豪等[7]设计了具有注意力机制和语义增强的特征模块，有效地融合了语义信息和裂缝特征。……