市政道路巡检长期依赖人工目视与手持设备，速度慢、主观性强，同一处裂缝不同人可能给出不同等级。我们在智慧城市实验室与某区养护单位合作，用普通车载行车记录仪视频做了一组实验性验证。
方法上不追求一步到端的通用大模型，而是拆成三段：先用轻量检测模型在视频帧上定位裂缝、坑槽、井盖沉陷等目标；再借助相邻帧的位姿关系，把同一病害跨帧的检测框合并，避免一处病害被重复计数；最后按面积、长度、走向与所在车道给出分级建议，并挂接桩号与经纬度形成病害台账。为控制误报，训练中加入了路面阴影、车道线、旧修补痕迹等负样本，并设定连续三帧命中才上报。
要点一（进展）：在约 120 公里城市道路样本上，裂缝类目标召回约 0.86，重复计数降至原先的三成左右；自动分级与养护班组人工复核定级的一致率约 78%，偏差集中在细裂缝与浅坑等边界样本。
要点二（下一步）：将巡检视频与现有养护工单系统打通，用实际处置结果反查漏报，并补充夜间与雨后低对比度场景的稳定性测试，再讨论是否进入常态化采集。
评论