随着我国经济的快速发展,我国的道路交通建设也十分迅速,而随之出现的问题之一就是道路养护,道路养护所花费的资金日益增加。目前,道路检修基本是采用人工进行,耗费的人力资源较大,而近年来,深度学习目标检测方面的技术发展极为迅速,这让基于视觉的机器自动巡检方式成为可能。基于此,本文设计了无人机道路裂纹检测系统,为道路巡检提供新的方式。本文的主要工作如下:（1）对四旋翼无人机进行建模,设计模糊PID控制器。首先,通过在误差、误差率和PID参数之间建立模糊控制规则,采用模糊控制的思想来动态的对PID参数进行整定。然后使用MATLAB软件进行仿真实验,验证设计的模糊PID控制器的控制效果。（2）对基于深度学习的目标检测算法进行了研究分析,设计了一种道路裂纹检测统计算法。首先,构建了道路裂纹数据集用于训练。然后,通过将注意力机制CBAM（Convolutional Block Attention Module）引入YOLOx（You Only Look Once）网络模型和改进损失函数来提高目标检测模型的精确度。接着,对检测到的目标和其对应的特征使用Deep SORT（Deep Simple Online Real-time Tracking）算法进行跟踪。最后,通过对目标跟踪结果进行扫描,从而获取无人机飞行过程中所检测到的道路裂纹信息。实验结果表明,修改后的YOLOx模型在保证精确度基本不变的情况下,平均精确度AP（Average Precision）和平衡F分数F1-Score值（Balanced F Score）比原YOLOx模型分别提高了3.97%和2%,所设计的道路裂纹检测统计算法能够对道路裂纹进行检测统计。（3）针对无人机道路巡检任务的需求,设计开发了无人机道路巡检系统。该系统主要包含无人机服务端和地面站APP,无人机服务端采用Linux平台,在ROS机器人操作系统下使用C++和Python语言进行开发;地面站APP则是采用Windows平台,使用Qt用户界面应用程序框架,采用C++语言进行GUI开发;无人机服务端和地面站APP采用Socket TCP通讯机制进行通讯。