随着我国机场建设不断加快,道面监测环境日益复杂,养护工作更加繁重,安全问题日益突出,为了保障飞机与乘客的安全,需要时刻关注着道面的结构安全。但是传统的道面裂缝检测方法仍以人工目视检测为主,效率低、精度差、成本高。为了满足当前机场建设飞速发展的要求,使用高效、精确的道面检测工具迫在眉睫。提出自动化道面检测方法,对于机场道面安全具有重大意义。因此,本文针对机场道面裂缝研究分为以下三个方面:1、针对当前尚未有公开的机场道面裂缝数据集,本文使用道面检测机器人采集了国内多个机场的真实道面数据,通过人工筛选病害,分析裂缝成因,手动标注病害,进行数据集的构建。由于数据量较少,通过对图像平移、旋转、翻转以及裂缝图像粘贴的方式进行数据扩增,形成规模较大的机场道面裂缝数据集。2、针对现有算法无法精确提取机场道面裂缝的问题,提出了一种基于可变形卷积与特征融合的机场道面裂缝检测算法。该算法考虑到裂缝具有形态多样、大小不一、独特的拓扑结构的特点,首先采用可变形卷积模块对裂缝进行特征提取,然后由不同大小卷积核组成的多尺度模块获得不同尺度下感受野,最后通过融合裂缝的低层特征与高级特征来获得裂缝更加精确的分割结果。实验结果表明,该算法对机场道面裂缝检测可获得较高的准确率。3、当细小裂缝隐藏在水渍、沥青、修补块、防滑线等复杂背景中时,以上算法存在裂缝欠分割的现象,因此,针对复杂背景下裂缝难以完全分割的问题,提出了一种复杂背景下机场道面细小裂缝检测算法。该网络的编码器部分采用VGG19为主干网络,用于提取裂缝特征信息,将提取的裂缝信息传入空间金字塔池化模块,获取裂缝全局信息,通过在解码器不同阶段引入空洞卷积与多损失监督函数,以获得更大的感受野,来提高对复杂背景下细小裂缝分割效果。结果表明该网络模型对复杂背景下裂缝分割具有优越性,同时相比以上算法具有更快的速度。