混凝土结构在其服役期间,会受到恒载、可变载荷以及环境等多种因素的影响,出现各种问题。因此,对结构进行定期的检测是十分必要的。挠度是结构状况评估和性能评价的重要指标,目前主要是对其关键点位进行测量。然而,长期使用的结构变形复杂,仅对关键点的测量不够全面客观。因此,本文通过对混凝土梁图像进行特征提取、匹配和识别,提出了一种基于图像特征的混凝土梁挠度测量方法,该方法最终得到被测结构较为精确的挠度曲线。此外本文还设计了一套混凝土梁智能检测系统,实现挠度检测全面化、智能化的目标。具体工作如下:1、提出一种改进的PCA-SIFT图像拼接算法。在挠度测量前进行图像拼接作为预处理方式,将结构的多张连续图像拼接成高质量无畸变全景图像。针对混凝土结构表面相似度较高,长期使用后存在细微裂缝的特点,对现有PCA-SIFT图像拼接算法进行改进。改进后的算法在SIFT算法构建的Do G尺度空间中,同时利用Harris算法和SIFT算法提取图像中的特征点,之后将提取到的两组特征点相互匹配,减少图像拼接时待匹配图像间的特征点数量,以提高拼接效率和精度。该算法的正确匹配率较传统算法提高6%,运行时间减少约7%,且实现了不同纹理背景的混凝土梁图像的拼接,为后续挠度测量打下基础。2、提出一种基于图像特征的混凝土梁挠度测量方法。该方法首先通过AKAZE算法提取图像中的特征点,然后利用KNN算法进行特征点的匹配,RANSAC算法剔除存在的错误匹配点对,最后提取混凝土梁挠度信息并进行整合,拟合出结构较为精确的挠度曲线,根据该挠度曲线可获取结构任一位置处的挠度信息。由于拼接后图像尺度变化较小,该方法在特征提取过程中简化了AKAZE算法的尺度空间。另外,传统RANSAC算法存在计算量大、运行时间长等问题,该方法增加了预检验步骤,并使迭代次数实现自适应,加快误匹配的剔除效率。3、通过室内试验对本文提出的挠度测量方法进行评估。以两根简支混凝土梁为研究对象,设计静载试验。利用本文提出的方法进行挠度测量。通过与其他算法的对比评估,得出结论:本文算法相较于SIFT算法,运行时间缩短了40%以上,变形平均误差减小了1.7%,两根试验梁的整体挠度误差约为1.13%,准确率较高。4、设计了一套混凝土梁智能检测系统。将上述方法利用硬件设备和软件工具进行封装,实现从图像采集、图像预处理到结构挠度测量的程序化,并附加裂缝识别功能。该系统能够远程控制和监控检测现场的各个设备,并自动进行图像的采集、处理和识别,最终直观展示检测结果,达到了结构检测自动化、智能化的目标。