“交通强国”的最重要内涵之一是构建现代化综合智能交通运输体系,交通基础设施服役性能的智能感知是构建综合智能交通运输体系的基础。桥梁是交通基础设施的关键节点,其服役性能的智能评定是实现交通基础设施服役性能智能感知的关键。桥梁结构损伤、使用功能退化和承载力不足已悄然成为世界各国的难题。我国为交通基础设施大国,桥梁存量规模位居世界前列,老龄化问题日益突出。随着使用寿命的延长,由于内部恒载和温度、风化、收缩或基础变形等外部因素而导致的混凝土损坏与日俱增,导致桥梁结构性能下降,安全事故概率增加,甚至有倒塌的风险。因此,及早、及时地发现桥梁病害对于维护桥梁功能、保障运输安全、防止进一步的经济和社会损失至关重要。桥梁病害的检测的主流方法仍然是采用人工检测,通过有经验的检测人员目视检测判断病害类型和位置。实践证明,仅凭借人工方法,检测范围难以完全覆盖桥梁,存在大量检测死角,同时,检测过程中需要搭建检测平台,搭载检测设备,耗费大量人力物力,难以适用于量大面广的桥梁检测工作中。因此,研究以机器人为工具的桥梁智能检测技术,发展能够自动识别桥梁病害算法,开辟机器人在检测时路径规划算法势在必行。本文结合吉林省交通运输创新发展支撑项目“公路桥梁机器人巡检关键技术及其应用研究”,开发了用于桥梁病害分类的深度卷积网络,设计了基于移动设备的桥梁病害目标检测网络,接着根据爬壁机器人在桥梁上的工作方式形成了全覆盖路径规划方法,最后开发了桥梁病害数字化管理系统,具体的研究内容如下:（1）以深度卷积神经网络Res Net-101为基础,以迁移学习方法对训练方式进行改进,完成了四种桥梁病害分类,分析了算法在桥梁病害分类任务上的分类准确率,结果与VGG-16网络进行对比。（2）以轻量级目标检测网络YOLOv4-Lite为基础,设计了基于剪枝的Mobile Netv3的特征提取网络和焦点损失函数、超参数设置、kmeans聚类、多尺度数据集等优化方案,对模型进行改进,并将网络结果与YOLOv4模型作对比,通过P-R曲线,准确率AP50和AP75等参数分析了网络性能,通过FPS、测试时间、参数量等参数评估了模型的速度。（3）确定了桥梁检测全覆盖任务的前提,结合机器人初始位置与障碍物位置,为检测区域中每个机器人分配检测区域的同时确保机器人行进中全程避障。设计了DARP算法,提出了生成树覆盖算法设计了每个机器人的检测路径,让每个机器人能够从任何起始位置遍历子检测区域。（4）开发了桥梁病害数字化管理系统,检测的病害图片可以通过web端传入到系统中,并进行查询和管理。