中国古建筑经历了几千年的演变和发展,形成了独具特色的建筑风格,在世界东方独树一帜。与欧洲建筑和伊斯兰建筑齐名,成为世界三大建筑体系之一。这些建筑承载着中国民族的智慧,具有极高的历史和文化研究价值。因此,古建筑的修缮与保护是一个复杂的工程,涉及多个领域和多个方面的知识。古建筑的损伤检测是古建筑保护中至关重要的一环。古建筑的损伤主要有三种形式:表面损伤、内部损伤和基础损伤。表面损伤是最为明显的一种损伤,包括开裂、脱落、腐蚀等。目前,古建筑裂缝检测研究较少,传统方法对文物的破损检测依靠人工目视检测,但是其存在效率低、风险高、难度大等问题。检测过程存在无法到达的区域;检测结果误差大,且需要非常专业的检测人员;检测周期较长,导致其难以高效的反馈古建筑破损信息,且容易对古建筑造成伤害。随着基于计算机视觉的裂缝检测方法得到了广泛关注。近年来基于无人机,人工智能等新兴技术在古建筑表面智能的检测方法得到发展,克服了传统检测方法效率低、危险性高的缺点,大幅提高了古建筑外观检测的数字化、智能化水平,古建筑智能检测方法已成为热点研究。传统数字图像技术易受到表面裂缝形态多样、环境噪声干扰大等因素影响,难以满足工程需求。本文使用基于深度学习的损伤检测算法对古塔进行损伤检测。然而二维数字图像只能获取古建筑损伤局部信息,应对大批量的损伤无法快速定位其位置。为了应对这个问题本文引入了三维重建算法来构建集成和复合成像模型结合二维损伤图像贴图对损伤进行定位。本文的主要研究内容包括以下几个方面:（1）使用多视角图像三维重建算法,并且改进传统三维重建算法,将特征提取与匹配部分所使用的SIFT算法改进为AKAZE算法。（2）使用基于深度学习的损伤检测算法,即YOLOv7对古建筑进行损伤识别。使用基于的深度学习UNet3+图像分割算法对损伤进行图像分割。（3）将YOLOv7与UNet3+进行损伤检测与分割,获取损伤识别后的二维图像,结合多视角三维重建算法稀疏重建,稠密重建,表面重建对古建筑进行损伤定位。