超大型文化遗产的海量病害信息的采集、识别和统计,是决定文化遗产保护工作进度、深度和质量的关键问题之一。中国长城以其超大体量和尺度著称于世,因此也使其保护工作面临严峻挑战,对常规调查和测绘方式来说,长城超长墙体表面海量病害信息的采集和统计几乎是“不可能完成的任务”,因此严重制约了岌岌可危的夯土墙体的保护工作。本研究以宣大山西三镇的明长城夯土墙体为主要研究对象,将摄影测量技术和计算机视觉中的图像分割技术相结合,建立了一套明长城夯土墙体表面病害快速采集、识别和统计的技术方案,实现了海量病害信息快速高效的识别、分割和统计,填补了明长城夯土墙体表面病害快速调查领域的空白。研究将宣大山西三镇的夯土墙体表面病害分为裂缝、植物、掏蚀、酥粉和孔洞五大类,并采集了大量的病害图像,建立了首个明长城夯土墙体病害图像数据集。采用深度学习技术对数据集进行针对性独立训练,得到了每种病害相应的数据模型,各病害模型精确度平均达到0.8以上,且绝大部分病害统计误差保持在10%以内。同时,针对模型统计工作专业性强、工作量大的问题开发了相应的病害信息识别统计软件,比人工统计工作效率提升数十倍以上。此外,研究还探索了长城夯土墙体这种特殊形态的摄影测量拍摄方式,提出“远中近分形测量法”的拍摄方案,能有效的平衡数据量与图像精度之间的问题,三维模型重建后导出的长城夯土墙体正射影像精度可达到毫米级。研究成果为长城文化遗产的现状调查、状况评估、保护维修和资金预算等工作提供了准确、高效、及时的数据和技术支撑,也为超大型遗产微观信息的采集和处理提供了一种可能的模式。