彭建盛，李涛涛，侯雅茹，许恒铭

(1.广西科技大学电气与信息工程学院，广西柳州 545000； 2.河池学院人工智能与制造学院，广西宜州 546300)

0 引言

裂纹是指材料在应力和/或环境作用下产生的裂隙，它存在于道路、机械、建筑等各种结构中。裂纹是引起大型复杂结构被破坏的主要原因之一。早期初始的裂纹通常微小，隐匿而不易被发现，容易被人们忽略，但裂纹的深入扩展往往会导致重大灾难性事故的发生，如航空灾难、桥梁坍塌和油气管线爆裂等，给国家和社会造成巨大的损失。因此，对早期初始微小裂纹的准确检测至关重要。传统裂纹识别主要依赖人工，存在成本高、耗时长和可靠性偏低等问题，而实现裂纹自动化、智能化检测是目前裂纹识别领域的研究热点。

裂纹的自动检测主要分为两个步骤，一是裂纹图像的采集，二是裂纹图像的识别。前者依赖于无人机、激光扫描和卫星等多种手段获取，目前已有较多文献对裂纹图像采集进行介绍；针对后者，自动检测算法通过对数据的处理，实现对裂纹图像的自动识别。近年来机器学习技术飞速发展，并已被广泛应用于自动检测领域。传统机器学习方法需要提前对特征进行定义，但不同的特征定义将影响着模型的准确性；与之相反，深度学习方法通过自动学习来获取特征，不需要对特征提前定义，是当今裂纹识别的主流技术。目前，已有许多研究人员对裂纹识别领域的方法进行综述。例如，Czimmermann等[1]从特征提取方法和分类网络方面对近年来的裂纹识别技术进行综述，但对深度学习技术介绍较少。……