桥梁健康AI监测定制：表观病害与形变识别

桥梁巡检的现场约束很明确：封道难、点位高、光照与视角随季节变化。本实验室把任务拆成两条可验证的线——表观病害与结构形变。

表观病害侧，以无人机与固定机位图像为输入，先做畸变校正与光照归一，再用小样本分割模型识别裂缝、剥落、露筋与渗水。试点桥跨上，裂缝分割召回率约 0.88–0.92，近距离成像的宽度量化误差约 ±0.1 mm；远距离仍受分辨率限制，暂不给出宽度结论。

形变侧，用靶标与自然特征点跟踪做视觉位移测量，并与倾角仪、GNSS 数据交叉比对，静态位移趋势在毫米级量级上一致。

要点：

• 进展：已跑通“采集—校正—分割—量化—形变时序”链路，输出结构化病害台账，而非只给检测框。
• 下一步：引入温度基线模型，将日照与季节引起的变形从结构响应中剥离；同时在边缘端压缩推理与上传带宽。

需说明的是，视觉方案不替代定期检测，而是用高频次、低成本的复测补齐观测间隔，把异常变化留给人工复核。