近年来,随着桥梁的建成通车,桥梁的养护和管理成了保障桥梁安全运营的关键。然而,我国的桥梁发展长期存在着“重建设、轻养护”的问题。在桥梁的养护和管理方面,我国的桥梁无损检测技术在一定程度上落后于发达国家,无法满足我国庞大的桥梁交通网络。因此,如何通过技术创新,推动我国桥梁养护管理技术的转型升级,实现我国由桥梁大国迈向桥梁强国,从而更好的支撑国家的“三大战略”、服务“两个百年”目标,这是我国现阶段桥梁发展所面临的重大课题,在此背景下,桥梁无损检测技术的研究迫在眉睫。在过去的二十年中,国内外的学者对于裂缝的无损检测进行了广泛而深入的研究,并且取得了一些研究成果。但是,桥梁裂缝图像不同于主流算法所研究的路面裂缝图像、岩石裂缝图像等,桥梁裂缝图像具有很多复杂的特性,比如背景纹理多样、噪声种类繁多、分布无规律等。因此,主流的裂缝检测算法并不能很好的对桥梁裂缝进行检测。此外,虽然国内外学者对于裂缝检测技术进行了深入的研究;但是,在裂缝检测和提取之后,如何根据提取出来的裂缝评价桥梁的损伤程度,以及如何对提取出来的裂缝进行信息的量化,以便为桥梁的养护和管理提供一个可靠的参考数据指标,针对这一问题,尚没有进行深入的研究。基于以上原因,本文在深入调研工作的基础之上,对多种纹理背景下的桥梁裂缝检测和桥梁裂缝的量化、桥梁裂缝损伤程度的评价机制进行了深入的研究。其具体的阐述如下所示:(1)针对主流的裂缝检测算法不能很好的对桥梁裂缝图像中的裂缝进行检测的问题,本文提出了一种基于深度学习的桥梁裂缝检测算法。该算法的核心思想是:首先,利用滑动窗口算法将桥梁裂缝图像切分为较小的桥梁裂缝面元图像和桥梁背景面元图像,并根据对两种面元图像的分析,提出了一种基于卷积神经网络(CNN)的DBCC分类模型,用于桥梁背景面元和桥梁裂缝面元的识别;然后,基于本文提出的DBCC分类模型结合改进的窗口滑动算法对桥梁裂缝图像中的桥梁裂缝检测,并且根据桥梁裂缝的检测结果提取出桥梁的裂缝,判断桥梁裂缝所在的位置;最后,采用图像金字塔和ROI区域相结合的搜索策略对算法进行加速。(2)针对国内外至今尚没有对于桥梁裂缝的量化和桥梁裂缝损伤程度的评价机制进行深入研究的这一问题,本文提出了一种基于深度学习的桥梁裂缝分类和损伤程度的评价算法。该算法的核心思想是:首先,基于生成式对抗网络构建一种可以用于桥梁裂缝图像生成的网络模型,用以扩充用来进行训练桥梁裂缝分类模型的桥梁裂缝图像数据集合;然后,基于Alexnet网络构建一种可以用于桥梁裂缝分类的网络模型;最后,根据桥梁裂缝分类模型的分类结果和桥梁裂缝检测算法最终提取的桥梁裂缝,提出一种桥梁裂缝量化和损伤程度的评价机制。