桥梁在交通运输过程中扮演着重要的角色,因此确保桥梁自身结构的安全成为了一项不可忽略的工作。全国大大小小的桥梁数不胜数,完全依靠人工实地检查,效率低、成本高、风险大。如何能够提高桥梁检测的效率和精度,做到不重复不遗漏,已经成为很多学者研究的问题,本文针对桥梁病害的检测开展了一系列的研究,主要完成的工作有:(1)针对桥梁病害分类效率低的问题,提出了基于卷积神经网络的桥梁病害分类方法(BD-CNN),通过建立桥梁病害数据库、选取并改进网络框架,搭建硬件环境、多次优化训练参数,最后生成一个较为理想的分类模型,实现了裂缝、漏筋、麻面的精准分类。(2)针对裂缝特征在提出过程中背景干扰较大,容易产生误检和遗漏的问题,提出了基于全卷积神经网络(FCN)结合区域生长算法的裂缝检测模型,首先,利用改进的Alexnet框架完成裂缝区域的粗分割,其次,通过区域生长算法进一步优化分割结果,提取裂缝特征,最后根据提出的裂缝宽度测量方法输出检测结果。(3)针对复杂背景下漏筋和麻面区域干扰较多,不易提取的问题,分别提出了基于投影法和形态学理论的病害提取算法,通过不同的滤波算法和分割方法,有效地去除了背景,保留了病害的形态特征,最后将去噪后的病害特征进行量化,便于后续对桥梁的安全进行评估。