混凝土表观质量缺陷在施工过程中反复发生,对建筑的结构、居住环境及观感产生影响。现行规范要求在施工验收时需对混凝土实体的观感质量进行检查,但检查通常是人工判断,需要检查人员对缺陷类型、原因及严重程度进行评估,并提出相应的修复意见。这种检查方式受到检查人员经验和现场环境的影响,效率低下且结果并不可靠,所形成的经验知识也无法被有效复用。此外,不同检查人员的判断标准并不统一,检查的结果也存在差异。因此,本文旨在提出一种结合本体推理和计算机视觉技术的混凝土表观质量评估决策框架,建立本体模型复用缺陷知识,并建立评估标准,通过计算机视觉自动化识别量化缺陷,再采用知识推理的方式实现表观质量的自动化评估决策,以提高表观缺陷检查的标准化和智能化程度,并支持知识复用及共享。本文通过文献研究以及对标准规范的解读,总结出现有研究的不足,并明确了三个方面的研究目的,即知识的结构化表达、自动化的多缺陷识别量化和标准化的表观质量评估决策。本文首先分析了本体和计算机视觉技术的作用,搭建了结合两种技术的混凝土表观质量评估决策框架,将框架分为三个层级、三个核心功能和五个具体的实施步骤。其次,明确混凝土表观质量缺陷领域的相关知识,基于Protégé建立了领域本体模型,并根据相关研究和行业规范明确评估决策标准,建立SWRL推理规则,为评估决策的推理提供知识基础。接着,为了提高缺陷检查的效率,在对比目前应用较为广泛的计算机视觉模型的基础上,通过人工标注缺陷图像训练模型,建立了适用于混凝土表观孔洞和裂缝识别量化的计算机视觉模型,以自动化识别缺陷的类型和提取缺陷的参数信息。最后,讨论了两种技术手段联合应用支持智能化表观质量评估决策的应用流程,并以不同情况的实例验证了框架的可行性和可操作性。本文基于本体和计算机视觉技术提出了一种适用于混凝土表观质量评估决策的方法,该方法可自动化的识别和量化缺陷,并可推理缺陷的原因、责任、严重程度以及修复方法,同时也可以作为学习和缺陷存储的工具,支持知识的共享与复用。本文针对混凝土表观的孔洞和裂缝进行了探讨,随着缺陷数据集的丰富和知识的完善,相关人员仅需对已建立的本体模型进行扩展和更新,对计算机视觉模型进行训练和优化以适用于实际的施工项目。本文的成果可以提高混凝土表观质量检查及验收的标准化和自动化程度,对推动人工智能技术在建筑行业的应用具有一定的意义。