桥梁是交通动脉和生命线工程中特别重要的组成部分，对国家经济建设与社会发展具有极其重要的作用。桥梁在服役过程中其结构的服役性能直接关系到整个交通运输系统的使用效益和国民经济的发展，更加关系到人民群众的生命以及财产安全，所以对桥梁进行服役性能的健康状态评估，及时发现并处理病害，对潜在的异常状况进行预警，具有重大的现实与经济价值。
　　随着在役桥梁数目的增多和监测需求的不断增长，健康监测获取的数据种类和数据量也会随之增加，将对监测数据的理解和管理效率造成很大的困难。机器视觉系统的引入极大地提高了结构健康监测的自动化程度，特别是在大批量重复性工作中取得了令人惊喜的效果，另外在一些不适于人工作业的危险工作环境或者人工视觉难以满足要求的场合，机器视觉可以很好地替代人工视觉。
　　本文利用机器视觉技术，对混凝土桥梁中最常见的病害——裂缝进行图像识别和实际几何特征提取，然后构建 BIM 模型管理裂缝信息，进行可视化展示，并且实现了 BIM 模型到相应有限元模型之间的快速无损转换，最后通过有限元分析来评估桥梁健康状态，完成了从病害智能识别到可视化展示，再到基于有限元评估的全流程桥梁健康状态评估。主要成果如下：
　　（1）基于机器视觉的桥梁裂缝图像识别。利用卷积神经网络算法对 4000张裂缝图像进行识别训练，生成裂缝识别模型，实现对水平、竖直、斜向和交叉等多种类型裂缝的图像识别，识别结果准确率达90%以上。
　　（2）采用 ndf 三参数公式计算法提取裂缝实际几何特征。首先确定相机的焦距f（mm）、相机与被拍摄物体的距离d（m）和图像中单个像素对应的实际尺寸a（mm）三者的多元非线性关系，接着利用PS标尺工具确定图像中所关心几何特征对应的像素数目n，最后得到了准确的几何特征参数。对150多条不同长度、不同方向的线段进行误差分析，发现其平均误差为1.27%，精度超过98%。
　　（3）基于BIM的裂缝信息可视化展示。以沿海高速（G15）盐通段烈士河大桥（组合箱梁桥）为例，搭建原桥 BIM 模型，建立了箱梁族以及腹板竖向裂缝、腹板纵向裂缝、底板横向裂缝、底板纵向裂缝和底板斜裂缝等多种裂缝族，完成带裂缝的多跨组合箱梁桥可视化平台的搭建。
　　（4）通过有限元分析评估桥梁健康状态。将带裂缝桥梁BIM模型转换为相应有限元模型，完成结构模态分析和静力分析，并对比损伤前后结构振动特性以及同等荷载下结构响应的变化，实现了桥梁健康状态评估。