水电站坝体在长期服役过程中极易形成各类缺陷,目前主要依靠人工巡检进行维护,而人工巡检存在周期长、风险高、主观性强等问题。同时,坝体表观图像具有背景复杂、多类缺陷共存、缺陷像素占比极低等特性。本文从提高缺陷检测算法精度和实用性两个角度出发,针对坝体表观缺陷巡检现状及其图像特点,开展坝体表观缺陷自注意力检测方法研究。本文主要研究工作如下:（1）针对水利水电场景下,缺乏可靠有效的缺陷数据集问题,建立了2个高质量坝体表观缺陷数据集,包括1个图像级标注的坝体表观缺陷识别数据集和1个像素级标注的坝体表观裂缝分割数据集,为后续坝体缺陷检测研究提供场景数据支撑。（2）为快速客观地辨别坝体表观缺陷类型,开展了坝体表观缺陷自注意力识别方法研究。该方法完全采用自注意力机制构建缺陷识别网络,捕捉长距离全局信息能力更强,缺陷识别精度更高。网络通过双分支结构进行不同尺度自注意力计算,提取多尺度缺陷特征,增强全局语义表达能力;设计自注意力特征融合模块,共享两条分支的语义特征,有效应对坝体表观缺陷图像尺度变化大、形态多样等问题。该方法宏查准率可达98.87%,缺陷识别效果优于其他主流缺陷识别方法;利用Tensor RT将坝体表观缺陷识别模型部署到工作站,缺陷识别速度提升了22%。（3）为精细检测坝体表观裂缝,开展了坝体表观裂缝自注意力分割方法研究。该方法以改进的自注意力模块为基本组件搭建编码-解码结构,编码器提取语义特征,解码器恢复特征分辨率;加权自注意力模块利用编码器提取的裂缝特征生成自注意力掩膜,消除编码器和解码器特征集合之间歧义,提高裂缝分割性能。采用混合损失函数,平衡背景损失与裂缝损失,缓解坝体表观裂缝正负样本极度不均衡情况,提升坝体表观裂缝分割指标。该方法平均查准率为78.41%,平均交并比为67.21%,裂缝分割效果优于其他主流分割网络。综上所述,本文开展的坝体表观缺陷自注意力检测方法研究,为水电站安全智能检测工作提供了技术参考,具有一定的实用价值。