摘要
裂缝反映了建筑物的安全性、耐久性，是建筑物维护的重要环节，也是日常监测的重要指标。裂缝的监测按照监测方法主要分为传统人工裂缝检测方法和现代科技裂缝检测方法。传统裂缝检测方法存在危险高、费用贵、安全低、效率低等缺点，亟需一种先进、非接触式、准确、安全、便捷的裂缝检测方法。本文研究基于无人机视觉的建筑物表面裂缝检测技术，利用无人机视觉、深度学习、数字图像处理等信息技术，构建智能化裂缝检测一体化系统。本文的主要研究内容如下: (1)搭建基于无人机视觉的裂缝检测系统。充分考虑无人机的机型和云台相机的选择，使用程序对云台相机标定，确定云台相机内外参数和畸变系数。 (2)研究基于深度学习的建筑物表面裂缝检测方法。运用Labelimg软件对整理和拍摄的1296张裂缝图像数据标注，分为横向、纵向、网状裂缝三类，并使用图像增强算法扩充图像数据。引入YOLOv7深度学习算法并对YOLOv7深度学习算法改进，运用到裂缝的识别中，改进YOLOv7算法比YOLOv7算法训练结果mAP值提升1.5％。 (3)研究基于数字图像处理算法的裂缝测量技术。构建包含维纳滤波去除抖动模糊、灰度化、阈值分割、形态学操作、填充孔洞、提取中心骨架等流程的图像后处理方法，实现裂缝类别、长度、宽度等信息的获取。通过将本文方法应用到海口市混凝土桥梁桥台和房屋外墙的裂缝检测中并与传统人工裂缝检测方法对比，其长度和宽度的相对误差分别为15.35％和11.04％,验证了本文方法的有效性。
NETL