桥梁表观病害与形变AI识别：巡检数据落地

桥梁巡检的AI化，难点不在模型结构，而在「看得清」与「对得准」。我们的实验性工作聚焦两件事：一是表观病害——裂缝、剥落、露筋、渗水——的多类别识别；二是结构形变——梁体挠度、支座位移、墩身倾斜——的相对量测。

进展要点：

• 数据侧：以固定位姿相机与无人机航线复用为前提，建立同一桥位、同一视角的图像序列，用前后帧对齐替代绝对标定，降低现场复测成本。目前在小样本条件下（每类病害不足200张标注）裂缝分割IoU约0.6，剥落与渗水易混淆，需引入材质与光照上下文。
• 方法侧：形变不直接由单帧推断，而是取同视角序列的特征点位移场，结合温度与车流时段做基线校正；裂缝宽度等指标保留人工复核入口，AI只做候选框与优先级排序。

下一步：在1~2座在役桥开展连续三个月的对比验证，重点观察雨季与昼夜温差对误报率的影响，并评估边缘算力是否足以支撑巡检车上的实时推理。