桥梁病害与形变AI识别定制：多源数据对齐巡检

桥梁表观病害与形变监测长期依赖人工巡检与定期检测，数据分散、可比性弱。本实验室围绕“同一座桥、同一尺度、同一时间轴”的工程约束，探索将无人机与巡检车采集的表观图像，同毫米波雷达、倾角、应变等形变时序数据做联合建模：图像侧以裂缝、剥落、渗水的像素级分割为主，形变侧以多测点时序的基线漂移与异常区间检测为主，再通过构件编码与空间坐标把两类结果对齐到同一构件上，避免“图像说没事、测点说有异常”的割裂判断。

阶段性进展：

• 病害识别：在约1.2万张现场图像上，裂缝与剥落的分割IoU稳定在0.7左右，裂缝宽度量化误差约±0.1 mm；逆光、水渍反光等困难样本仍以人工复核兜底。
• 形变关联：单跨连续梁的温度—挠度基线模型可解释约85%的日内波动，残差超出基线区间才触发预警，温度性误报明显减少。

下一步计划引入跨桥型迁移与历史检测报告文本对齐，验证病害演化趋势能否被提前识别，而不止于单次判定。