近年来,随着基础设施建设迅猛发展,我国的桥梁建设不断向大跨度、重荷载、新材料方向发展。其中高铁桥梁、大跨公路桥梁、跨海大桥的建设都在不断地刷新着世界记录。伴随着桥梁设计、施工技术难点的逐步突破,桥梁的结构健康检测及状态评估也越来越受到重视。近年来,随着桥梁的服役时间和运营荷载压力的增加,导致桥梁垮塌事故频发,对我国的经济和人民生命安全造成了巨大的损失。目前我国的桥梁发展规划已经由大规模建设进入了建养并重的阶段。针对传统的桥梁检测中存在的自动化程度低、检测效率低、检测成本高和检测人员的生命安全缺乏保障等问题,本文提出了一种基于系留式飞爬机器人的桥梁底部裂缝检测系统。在分析了裂缝图像特点及桥梁底部裂缝检测工作的工程需求后,论文以飞爬机器人的机构设计、裂缝全景图像的拼接、裂缝目标的自动识别、桥梁底部裂缝自动识别和测量等关键技术进行了研究,设计了能自动检测桥底裂缝的视觉检测装置,并通过实验分析了其有效性和测量误差。论文绪论部分介绍了国内外现有的桥梁裂缝检测技术,在此基础上制定了通过系留式飞爬机器人平台获取桥梁底部图像,结合深度学习和图像处理技术识别裂缝的检测方案。正文部分主要工作内容包括:1、根据无人机和系留绳缆的动力学特性,从动力系统、爬行系统、图像采集系统三个方面出发,设计了适用于桥梁裂缝检测的飞爬机器人平台。2、对于获取的桥梁底部图像,提出了一种通过均匀化的ORB算子提取特征点,并通过随机抽样一致性和LM优化仿射变换矩阵的裂缝图像拼接算法,以实现桥梁底部裂缝图像的拼接。3、针对拼接后的裂缝全景图像提出了一种两段式的深度学习模型,能够完成裂缝图像的分割并判断该图像是否包含裂缝目标。4、最后基于深度学习得到的包含裂缝目标的图像,通过MSRCR增强和双边滤波处理后,提出了一种通过深度学习结果为灰度图像加权的自适应阈值分割方法和裂缝参数计算方法,并通过实验比较了该方法与人工测量结果,验证了其有效性和准确度。