近年来,随着计算机技术软硬件的升级强化、人工智能的迅速发展,机器视觉技术被广泛应用于各个领域,推动了各行各业的数字化、智慧化的发展。尤其是当前智能手机的不断更新换代带来了越来越强大的图像获取技术,这使得便携性、面向大众的机器视觉技术应用成为可能。与此同时,经济发展背景下建筑和交通设施等基础建设数量逐年增多。这些建筑设施会受到来自内部与外部的因素导致本身结构受损。这些损伤必须被及时检测并处理,否则会造成安全隐患,并且影响建筑设施的服役状态和使用寿命,严重时会导致人民生命和财产安全的损失。所以需要对这些建筑设施进行定期检测和维护。现有的检测方式都离不开检测人员的人工操作,但由于人工操作存在的主观性等因素具有一定的局限性。结合机器视觉研究方向是结构检测克服人工操作局限性,也是其安全化、数字化、智慧化的关键。为了优化工程检测工作与提高检测结果准确性,本文提出将机器视觉等相关技术结合具体建筑设施检测场景进行应用。主要进行了如下几个方面的探索研究:(1)基于机器视觉中的图像深度学习理论,利用智能手机拍摄得到的图片训练模型,实现检修工具的快速检测和分类。本文针对轨道检修工作中的工具清点环节,建立了工具特征识别和分类模型。研究选取了十类常用工具用于模型的训练与验证。结果显示该模型可以准确快速地判断出工具的种类和数量,可应用于检修过程的上道前与下道后。该方法能够快速完成工具清点工作,保障轨道检修顺利进行,减少工具遗漏所造成的轨道安全隐患。(2)基于机器视觉中的三维重建理论,提出了结构损伤模型重建的损伤检测方法。为了实现建筑结构表面损伤的准确化,便捷化检测,本文使用深度相机和智能手机两种不同的设备和方法对混凝土试件表面损伤进行三维重建,获得点云数据,然后通过随机抽样一致算法拟合平面并移除,得到损伤部位的数据,并且提取损伤几何特征并求算损伤体积。比较了两种方法得到的损伤体积的准确度。通过分析两种方法的数据,在实验过程中对两种方法的准确度和后处理难度,设备成本,数据获取效率,适用性进行了比较分析。通过多视角立体重建获得的数据的方法更加准确,且成本低廉,便于携带和开展检测工作。