交通运输是经济发展的基本需要和先决条件,现代社会的生存基础和发展标志。交通运输的快速发展获益于桥梁道路的高速建设,但是,我国在桥梁道路发展方面一直是“重建设而轻养护”的局面,这将为桥梁道路带来巨大安全隐患。众所周知,桥梁裂缝是桥梁建筑存在安全隐患的外在表现,桥梁裂缝可能给交通安全带来不可预估的影响。因此,落实桥梁道路养护工作的重点就是落实桥梁路面裂缝高效准确的检测工作。使用高效的方法检测和分割桥梁路面裂缝,通过技术创新实现桥梁道路养护与管理,是实现我国从桥梁大国向桥梁强国迈进的关键一步。目前,许多国内外学者已经对此进行了广泛而深入的研究,但是,仍然有几个比较现实的问题受到了忽略。第一个问题是目前没有公开而且适用于复杂背景研究的桥梁裂缝图像数据集,但是利用深度学习算法实现桥梁裂缝的提取与检测需要大量桥梁裂缝图像作为样本。第二个问题是现有的算法都是针对背景简单的裂缝图像展开的研究,但是实际采集的桥梁裂缝图像的背景中往往含有多种障碍物,背景中存在的障碍物会严重影响现有算法的检测结果。第三个问题是目前的桥梁裂缝检测算法为了提高精度而忽略了速度,速度没有达到实时性要求。针对这些问题,本文从以下三方面展开工作:(1)针对目前没有公开的桥梁裂缝图像数据集,而且桥梁裂缝图像的采集工作工作量大、危险性高的问题,本文提出了一种基于深度卷积生成式对抗网络的桥梁裂缝图像扩增算法。该算法的核心思想是:首先,通过无人机采集少量桥梁路面裂缝图像,然后,通过图像处理方法对这部分图像实现第一次扩增,最后,利用提出的桥梁路面裂缝图像生成模型对图像进行第二次扩增,形成所需数据集。(2)针对现有桥梁裂缝检测算法忽略裂缝图像背景复杂度的问题,本文提出了一种适用于复杂背景裂缝提取的桥梁路面裂缝图像分割模型。该网络模型基于图像语义分割设计,一共有74个卷积层,由下采样路径、上采样路径以及Softmax函数组成。下采样路径由DenseBlock和Transition Down组成,上采样路径由DenseBlock 和 Transition Up 组成。(3)针对现有桥梁路面缝检测算法实时性不理想的问题,本文首次提出将双向分割网络应用于桥梁路面裂缝检测工作,实现桥梁裂缝图像的实时语义分割。双向分割网络兼顾了位置信息与感受野,其具体架构为:首先通过Spatial Path与Context Path进行特征提取,然后通过特征融合模块融合这两个组件的输出特征,最后,采用双线性插值得到裂缝分割结果图。