近年来,装配式建筑在国内建筑业转型升级的道路上迅速发展。质量控制是装配式建筑工程的关键环节,也是建筑应用的基本保障。预制构件作为装配式建筑的核心组件,其质量的高低直接决定建筑施工能否顺利实施。预留孔工装缺失和表面裂缝是常见的构件缺陷,若不及时发现和处理,可能会给企业造成较大的经济损失。而目前企业主要采用传统人工方式进行缺陷检测,该方式不仅操作繁琐、效率低下,且检测质量也难以得到有效保证。因此,如何通过自动化或智能化的技术手段来保证构件质量并提高缺陷检测效率尤为重要。目前,基于计算机视觉的缺陷检测技术在工业缺陷检测领域中得到广泛应用,它拥有灵活性好、精准度高以及鲁棒性强等特点,非常适合工业场景下的缺陷检测应用。因此本文利用计算机视觉技术,针对构件生产过程中产生的预留孔工装缺失缺陷和表面裂缝缺陷,分别设计了相应的检测方法,并将其应用到装配式建筑缺陷检测系统中,从而提高检测效率,降低生产成本,保证成品质量。本文主要围绕构件预留孔工装缺失检测方法、构件表面裂缝识别与测量方法以及装配式建筑构件缺陷检测系统三个方面进行研究。本文的主要工作如下:（1）针对预留孔工装缺失缺陷,设计了一种基于多目标跟踪的预留孔工装缺失检测装置及方法。其中,检测装置与检测方法两者协同工作,检测装置负责自动采集待检测构件的各项数据,然后交给检测方法进行实时处理,从而判断构件是否合格。针对检测方法中多目标跟踪算法身份切换过于频繁的问题,提出了使用广义交并比构造代价矩阵的方式对其进行改进,以提高检测方法的准确性与稳定性。此外,提出了一种工装定位与匹配方法,用于精准的找出缺失工装。本文在自主构建的预留孔工装检测数据集上,训练与评估了目标检测算法模型,并在预留孔工装跟踪数据集上验证了改进算法的优越性以及检测方法的有效性。（2）针对构件表面裂缝缺陷,提出了一种装配式建筑构件裂缝识别与测量方法。该方法将深度学习技术与传统数字图像处理技术结合,实现裂缝的精准识别与提取,并利用基于二维码的像素标定技术,求得裂缝的实际物理尺寸,从而完成裂缝尺寸的测量工作。本文在自主构建的构件裂缝检测数据集与构件裂缝识别数据集上,分别训练与评估了方法中的目标检测算法模型与图像分类算法模型,并通过裂缝测量实验验证了所提方法的有效性。（3）针对质检数据难管理、多方信息不同步以及质量问题难追溯等问题,设计并实现了装配式建筑构件缺陷检测系统。该系统不仅可以对预留孔工装缺失和构件表面裂缝这两种缺陷进行检测,还提供了灵活的系统综合管理功能以及完善的质检数据管理功能,可有效提高质检相关人员的协同工作效率。本文将计算机视觉技术应用到装配式建筑构件缺陷检测工作中,针对构件的两种缺陷,以及企业质检工作问题,设计并实现了构件缺陷检测方法及系统,以辅助质检工作人员进行合理高效的缺陷检测工作。