基于机器学习的混凝土裂缝检测方法综述

《Integrated Circuits and Systems》：A Review of Machine Learning-Based Methods for Concrete Crack Detection

　　

摘要：

准确检测混凝土结构中的裂缝对于保障土木工程安全至关重要。传统的手动检测和机器视觉方法存在主观性强、效率低以及难以适应复杂环境的问题。近年来，机器学习显著提升了裂缝检测的精度和自动化水平。本综述通过数据采集、预处理、模型训练和评估这四个阶段，系统地介绍了基于机器学习的裂缝检测方法。此外，多模态数据的整合以及基于无人机的检测技术也拓展了这类检测技术的应用范围。尽管取得了这些进展，但仍存在一些挑战，比如细小裂缝检测的精度不足、动态监测技术尚不成熟，以及缺乏行业标准等。未来的研究应着重优化模型设计，引入时间分析和不确定性量化方法，并开发智能的结构健康评估系统。本综述为将机器学习应用于裂缝检测提供了技术参考，同时也指出了跨学科融合与标准制定的未来发展方向。