随着我国经济的飞速发展,交通运输量日益增加,桥梁作为交通运输的重要基础设施,承受的压力也越来越大。伴随着桥梁运行时间的推移,桥梁崩塌事故不断发生,造成大量经济损失和人员伤亡。在此背景下,桥梁安全运维和健康监测愈加重要。论文针对传统桥梁检测方法自动化程度低、裂缝识别精度和效率不足等问题,研制的防撞无人机搭载高分辨率相机,辅以激光测距和高精度定位等传感器进行桥梁检测影像数据采集,并使用深度学习技术与数字图像处理技术对桥梁裂缝进行了识别、分类和分级分析,能够实现桥梁安全状况检测的自动化与智能化。论文首先总结了国内外现有桥梁检测数据采集技术和分析方法,针对现有方法的不足,提出了应用防撞无人机进行桥梁底部裂缝检测的方法。对防撞无人机平台设计、高分辨相机选型、防撞机罩研制等进行了说明,并设计了防撞无人机桥底数据采集航线方案,完成了数据采集工作。通过数据预处理,制作了深度学习所需要的桥梁裂缝数据集。然后基于深度学习对桥梁裂缝的区域提取与分类进行了研究,针对桥梁裂缝的特征设计了YOLOv3-Inception网络,经实验验证,在桥梁裂缝数据集上该网络的查准率可达到92.5%,查全率可达到94.8%。最后,为了精确计算裂缝的大小,对深度学习提取出来的裂缝区域采用基于OTSU自适应阈值分割算法进行逐像素的分析,将该区域分为裂缝像素与非裂缝像素,并通过裂缝总像素个数与最大、最小缝宽像素个数分析桥梁裂缝的大小。实验证明,使用深度学习结合数字图像处理的方法分析视频能够快速、准确的检测桥梁裂缝,实现了桥梁检测的自动化与智能化。