王一兵，包腾飞，2，3，高治鑫

(1. 河海大学水利水电学院，江苏 南京 210098；2. 河海大学水文水资源与水利工程科学国家重点实验室，江苏 南京 210098；3.三峡大学水利与环境学院，湖北 宜昌 443002)

混凝土坝普遍存在裂缝，裂缝会破坏坝体的整体性和防渗性能，对大坝产生威胁，所以对大坝裂缝的检测和控制对大坝安全监测有着重要意义。传统的混凝土裂缝监测技术主要依托裂缝计[1]或超声波检测[2]，而混凝土坝的裂缝检测主要靠人工目检，我国混凝土坝坝高通常很大，有的甚至达到300 m级，人工检测不仅耗费大量的人力，而且某些特殊部位的人工检测是十分危险的。

近年来由于计算机技术的快速发展，催生了一系列基于机器视觉的混凝土裂缝检测技术，这些技术用无人机、爬壁机器人等自动获取混凝土图像信息，再利用裂缝识别算法进行识别。在算法研究方面， Cha等[3]使用卷积神经网络的深层结构来检测混凝土裂缝。Nishyama等[4]通过在裂纹两侧建立反射目标来计算裂缝的位移。陈建立[5]建立卷积神经网络模型对混凝土图片进行检测，提出重构图片的采样率为0.3时效果最优、二值化阈值为0.4时效果最优，但对于不同混凝土裂缝图片的适用性不强；王睿等[6]运用RBF-SVM算法说明不同裂缝特征分配对裂缝识别产生较大影响。梁雪慧等[7]用改进的GoogLeNet卷积神经网络进行裂缝识别。徐港等[8]提出基于连通域特征聚类的裂缝提取方法，解决小宽度多数量网状裂缝的提取，但该方法需要调试的参数较多。……