本文献由胡翔坤、李华、冯毅雄、钱松荣、李键、李少波等作者共同撰写，他们分别来自贵州大学公共大数据国家重点实验室、清华大学机械工程系以及浙江大学流体动力基础件与机电系统全国重点实验室。该文发表于《计算机工程与应用》期刊，出版时间为2025年，卷号为61（1）。这是一篇关于“基于深度学习的基础设施表面裂纹检测方法研究进展”的综述性论文。论文的核心主题是对计算机视觉领域，特别是深度学习技术应用于民用基础设施（如桥梁、路面、墙面）表面裂纹检测的最新研究进行全面回顾、梳理与展望。

该综述首先阐述了研究的学术背景。结构健康监测（Structure Health Monitoring， SHM）是确保民用基础设施长期安全运营的关键技术，而裂纹检测是其中的核心组成部分。传统检测方法如人工巡检、光学或声学检测存在效率低、成本高、依赖专家、易受环境干扰或存在安全风险等局限性。相比之下，基于计算机视觉的检测方法，尤其是随着深度学习技术的突破，因其非接触、高效率、高精度和易于自动化等优势，已成为表面裂纹检测的主流研究方向。本文的写作目的，正是为了系统梳理这一快速发展领域的研究脉络，总结基于深度学习的裂纹检测方法（从图像分类、目标检测到语义分割），归纳数据采集手段与公共数据集，并深入探讨当前面临的挑战与未来的发展方向。

论文的第一个主要观点是对基础设施表面裂纹检测的问题背景、难点与通用流程进行了系统分析。作者指出，裂纹检测的实际应用面临巨大挑战，核心难点在于如何使算法在各种复杂环境中保持高稳定性和鲁棒性。例如，混凝土裂纹连续且对比度较高，相对容易检测；而沥青路面背景纹理复杂，金属表面裂纹细小且反光强烈，大坝图像则存在大量与裂纹相似的接缝、泥土等噪声，这些都极大增加了准确识别的难度。高灵敏度的算法在光滑表面表现好，但在复杂纹理背景下误报率高；低灵敏度算法则可能漏检光滑表面的细小裂纹。这种矛盾对模型的泛化能力提出了极高要求。此外，对于语义分割任务，精确识别如网状裂纹等复杂形态也是一大挑战。文章随后勾勒了基于计算机视觉的裂纹检测通用流程，将其分为两大分支：一是基于传统图像处理的流程，直接对图像进行增强、分割等操作；二是基于机器学习（包括浅层学习和深度学习）的流程，其核心是通过标注数据集对模型进行训练、评估，最终部署应用。流程图中还涵盖了数据采集工具（如手机、无人机、3D激光扫描）、检测目的（分类、检测、分割）和模型评估指标（如准确率、精确率、召回率、F1分数、IoU等），为读者构建了完整的知识框架。

论文的第二个主要观点是详细综述了基于深度学习的裂纹检测方法，并按照计算机视觉任务类型将其分为三大方向进行阐述。第一个方向是基于图像分类的方法。这类方法旨在判断单张图像中是否存在裂纹，是相对基础的任务。早期工作如CrackNet及其改进版CrackNet-V，通过设计特定的卷积神经网络（CNN）结构来实现特征提取与分类。研究指出，即使简单的CNN模型，其检测细小裂纹的能力也已超越传统边缘检测算子。为提高性能，迁移学习被广泛采用，即利用在大型数据集（如ImageNet）上预训练的模型（如AlexNet、VGG、ResNet）作为特征提取主干，在裂纹数据上进行微调，能有效克服标注数据不足的问题，显著提升训练效率和准确率。近年来，视觉Transformer（Vision Transformer， ViT）模型被引入该领域，其核心的自注意力（Self-Attention）机制能够建模图像中远距离像素间的依赖关系，从而更好地捕捉全局特征，在含有复杂背景噪声（如沥青路面）的图像分类中展现出比传统CNN模型更优的抗干扰能力。然而，ViT将图像分块处理可能忽略块内细节，因此在细粒度特征提取上可能存在局限。此外，也有研究尝试用传统的机器学习分类器（如支持向量机SVM）替换深度学习模型末端的Softmax层，以寻求性能提升，但这并非主流方法。

第二个方向是基于目标检测的裂纹定位方法。与仅判断“有无”的分类任务不同，目标检测要求用边界框（Bounding Box）标出图像中裂纹的具体位置。论文介绍了两类主流范式：两阶段检测和单阶段检测。两阶段方法（如Faster R-CNN）首先生成候选区域（Region Proposals），再对每个区域进行分类和边框回归，精度较高但速度较慢。单阶段方法（如YOLO、SSD）则直接将目标检测视为回归问题，在一个步骤中同时预测类别和位置，速度更快，更适合实时检测。在裂纹检测领域，研究者们通常对这些通用框架进行适应性改进。例如，一些工作致力于改进特征融合网络（如FPN），以增强模型对多尺度裂纹的检测能力；另一些研究则专注于设计更高效的锚框（Anchor）机制或损失函数，以更好地匹配裂纹细长、不规则的形态特征。这些改进旨在提升模型在复杂场景下定位不同类型和尺度裂纹的准确率与召回率。

第三个方向是基于语义分割的裂纹像素级提取方法。这是最精细的检测级别，旨在为图像中的每一个像素进行分类，区分其属于裂纹还是背景，从而得到裂纹的精确轮廓与形态。全卷积网络（Fully Convolutional Network， FCN）是开创性的方法，它将传统CNN末端的全连接层替换为卷积层，使网络可以接受任意尺寸的输入并输出相同尺寸的分割图。在此基础上的U-Net模型，通过编码器-解码器结构和跳跃连接（Skip Connections），能更好地结合底层细节特征与高层语义特征，在生物医学图像和裂纹分割中都取得了巨大成功。DeepCrack、CrackSeg等则是专门为裂纹分割设计的网络，它们可能集成多尺度特征融合、注意力机制（Attention Mechanism）或边缘约束损失函数，以应对裂纹的细微性、不连续性及复杂背景干扰。语义分割方法能提供最丰富的裂纹形态信息，对于评估裂纹的宽度、长度、走向等具体参数至关重要，但其计算成本通常也最高，且对标注数据（像素级标签）的质量和数量要求极为苛刻。

论文的第三个主要观点是系统总结了裂纹检测中的数据采集方法与常用公共数据集。高质量的数据是深度学习模型成功的基石。在数据采集方面，文章对比了人工采集（手持手机、固定相机）与自动化采集方法。自动化方法因其高效率和高灵活性已成为主流，主要包括：1）搭载相机的路面机器人或无人地面车辆（UGV），适用于桥面、跑道等平面设施；2）车载3D激光扫描系统，能获取包含深度信息的三维点云数据，减少光照影响，有利于提升精度；3）无人机（UAV），凭借其灵活机动性，特别适合桥梁侧面、隧道穹顶等难以触及的复杂结构。每种方法各有其适用场景和优劣。在公共数据集方面，论文列举并详述了多个领域内知名的数据集，如CrackTree200、CFD、GAPs、SDNET2018、Crack500、DeepCrack等。这些数据集在路面材质（混凝土、沥青）、采集设备、图像分辨率、噪声情况（阴影、油污）、以及标注粒度（图像级、像素级）上各有不同，为研究者训练和基准测试（Benchmark）模型提供了宝贵的资源。作者特别指出，获取大规模、高质量、精细标注的裂纹数据集仍然是一个持续存在的挑战。

论文的第四个主要观点是深入探讨了基于深度学习的表面裂纹检测方法当前面临的困难、挑战以及未来的发展方向。尽管深度学习取得了显著进展，但仍存在诸多问题：首先，模型的泛化能力与鲁棒性不足。在一个数据集或特定环境下训练良好的模型，迁移到不同材质、不同光照、不同背景噪声的新场景时，性能可能大幅下降。其次，细小裂纹与复杂背景的检测依然困难。如何让模型在不过度敏感（导致误报）的前提下，有效识别低对比度、纤细或被噪声掩盖的裂纹，是一个关键难题。第三，对标注数据的严重依赖。尤其是像素级分割标签，制作成本高昂，限制了数据集的规模和质量。第四，模型的可解释性差。深度学习模型通常被视为“黑箱”，其决策过程难以理解，这在安全攸关的基础设施检测领域是一个值得关注的问题。第五，实时性与计算成本。高精度模型往往参数庞大，计算需求高，难以在边缘设备（如巡检机器人、无人机）上实时运行。针对这些挑战，文章展望了未来可能的发展方向：1）开发更轻量化、高效的网络架构，兼顾精度与速度；2）利用无监督、半监督或自监督学习，减少对大量标注数据的依赖；3）加强多模态数据融合，例如结合RGB图像、深度信息、红外热成像或振动传感器数据，提供更全面的判断依据；4）探索领域自适应（Domain Adaptation）和元学习（Meta-Learning）技术，提升模型对新场景的快速适应能力；5）增强模型的可解释性，建立更可信的检测系统；6）与先进的机器人、自动驾驶技术结合，实现全自动化的巡检、检测与决策闭环。

本文作为一篇综述，其重要价值在于为读者，特别是该领域的新进入者或寻求技术概览的研究人员，提供了一份脉络清晰、内容全面的“研究地图”。它不仅系统性地归纳了从传统方法到深度学习，从分类、检测到分割的技术演进路径，还客观分析了各类方法的优势、局限及适用场景。更重要的是，文章超越了单纯的方法罗列，深刻指出了当前研究存在的核心痛点与瓶颈，并富有洞见地提出了未来的技术发展趋势。这些总结与展望对于引导后续研究选题、突破现有技术局限、推动基于深度学习的基础设施表面裂纹检测从实验室走向更广阔、更复杂的实际工程应用，具有重要的指导意义。