桥梁表观病害与形变AI识别：定制化监测实验进展

桥梁巡检的AI化难点不在“能不能识别”，而在识别结果能否稳定对齐桥梁养护的判定口径。本期实验室围绕表观病害与形变识别做定制化探索：表观侧以无人机与巡检车影像为输入，针对裂缝、剥落、露筋、渗水四类常见病害建立检测与分割模型；形变侧采用固定机位视觉位移测量，与既有传感器数据互为校核。

定制化的关键是把“结构语义”喂给模型：按桥型（梁桥、拱桥、斜拉桥）与构件部位（墩台、支座、箱梁、伸缩缝）分区建模，再做尺度与透视校正，将像素长度换算为毫米级宽度，降低拍摄距离带来的偏差。

· 阶段进展：在自建样本集上，裂缝检出召回约0.9，0.1–0.5 mm区间宽度量化的重复性误差在±0.05 mm内；形变在分离温度漂移后，日间位移趋势与人工水准测量保持同向。
· 下一步：将病害等级与形变阈值接入养护工单建议，并补充雨雾、逆光、夜间补光等场景样本，验证跨季节稳定性。