庞 杰，张 华，3，冯春成，3，李林静

（1.特殊环境机器人技术四川省重点实验室，四川绵阳 621000；2.西南科技大学信息工程学院，四川绵阳 621000；3.清华四川能源互联网研究院，成都 610213）

0 概述

水利枢纽是修建于河道中多类水工建筑物的综合体，其具有防洪、供水、发电和航运等功能，在保障与促进社会经济发展中起到重要作用［1-2］。受工程建设水平和所在地的地质、水文以及气象等因素影响，水利枢纽中混凝土坝面易形成裂缝、脱落等缺陷［3］。通常采用缺陷检测技术分析坝面缺陷，在此基础上对水利枢纽进行维护，以确保其处于良好的工作状态。因此，坝面缺陷检测对溃坝防范和防震减灾具有重要意义［4］。

目前水利枢纽的坝面缺陷检测以人工巡检为主，存在耗时长、危险性大和成本高等问题。随着人工智能技术的不断发展，自动化水平较高的巡检设备及安全评估系统［5］成为未来水利枢纽维护系统发展的必然趋势。近年来，随着以卷积神经网络（Convolutional Neural Network，CNN）为代表的深度学习技术的迅速发展，基于计算机视觉的分类、检测和分割方法应用日益广泛［6］。针对建筑物表面缺陷检测，文献［7］提出一种基于深度卷积网络的道路裂缝分类方法，对分辨率为99 像素×99 像素的彩色图像进行准确分类。文献［8］使用基于Faster-RCNN 的缺陷检测方法，实现对混凝土裂缝、钢筋腐蚀面以及螺栓腐蚀面的分层检测与分类。文献［9］利用全卷积网络（Fully Convolutional Network，FCN）在彩色图像上分割出裂缝缺陷，获得精确的裂缝路径和形态信息。与传统分割算法相比，卷积神经网络能自动提取与任务相关的鲁棒特征，实现端到端的自动缺陷检测。……