中国是水利事业发展的大国,拥有许多大大小小的水坝。而水坝使用有一定年限之后就会出现结构性的问题,水坝的混凝土表面出现裂纹,这样会降低水坝的承载能力,而目前针对于这种情况主要是采用人工上水坝去检测并修复裂纹,而人工上水坝检测,效率低下,危险程度比较高,而且受检测人员专业素养制约,很难满足高效率等需求。因此,人们迫切需要一种自动检测水坝的设备。而实现自动检测水坝表面的裂纹,对复杂背景的水坝的表面裂纹进行了研究是必不可少的。本文重点研究了用传统的图像识别和深度学习的方法进行复杂背景裂纹的识别和计算宽度信息,为水坝的检测和维修提供信息。本文的具体研究内容如下:1)水坝图像的检测与分析。根据水坝的实际情况设计了一个基于水坝的图像检测平台,该装置可以停在水坝表面进行图像采集,该装置包括双目视觉,支撑架的设计。通过该视觉装置,采集了水坝裂纹600张样本,扩展后的样本数据为:2400张样本。2)研究了经典的传统算法检测水坝裂纹。实验的传统算法采用了Otsu算法,检测背景比较简单的水坝裂纹图像的像素精度为97.95%、均像素精度为92.91%、均交并比为72.1%,而对于背景复杂的水坝裂纹图像,传统算法的像素精度为87.75%、均像素精度为65.45%、均交并比为42.62%,表明传统算法比较适用于背景简单的裂纹,对于背景简单的裂纹,对于背景稍微复杂一点的,分割效果比较差。通过实验验证了传统算法对于具有一定复杂背景的水坝裂纹检测效果比较差。3)研究了U-net网络,提出了一种改进的Dam-unet网络,用于水坝裂纹的分割,简化了网络结构,优化了网络的参数,对水坝裂纹分割效果更加好,检测简单背景的水坝裂纹,检测的像素精度可以达到99.81%、均像素精度98.98%、均交并比92.2%,检测复杂背景的像素精度可以达到99.62%、均像素精度可以达到98.18%、均交并比可以达到91.3%,验证了Dam-unet算法对于复杂背景的裂纹效果也比较好。4)计算裂纹宽度。通过对裂纹的图像分类识别与分割后中,再对分割后的图像进行寻找梯度方法和幅值,像素边缘点点的法线定。将水坝图像采集到图像经过方向与另外一个边缘点的交点就是每个边缘点的宽度,取所有边缘点最大的为改图像最大裂纹像素点,再通过坐标转化的关系将像素宽度转化为实际宽度,再与游标卡尺测得的数据进行对比,试验结果表明Dam-unet网络计算宽度的误差的绝对值在5%之内,具有一定工程实际上的意义。实验证明,传统算法Otsu在复杂的水坝表面检测效果较差,而Dam-unet网络在凤凰水坝的数据集上,识别准确率明显都要高于FCN和传统算法。