随着人工智能领域的不断发展和大数据时代的到来,将先进的信息技术应用到实际工程中已取得了巨大的成功,比如现在的人脸识别技术,智能交通监控系统等,但将先进的生产技术应用到土木工程领域还有很大的空间。在桥隧方面,桥梁裂缝检测是一项费时费力的工作,同时还具有一定的危险性。为解决这一难题,本文将利用大数据,结合海量的裂缝图像,利用深度学习框架对裂缝图片进行图像识别。目前这一领域的研究在如火如荼的进行,取得了丰硕的研究成果。本文将在前人研究的基础上,致力于图像裂缝识别效果的研究。本文结合大数据信息,利用深度学习技术,对混凝土裂缝进行识别研究。具体的研究重点如下:(1)采集裂缝图像,构建数据集。本文通过检测现场采集和实验室采集两种途径,共获取1500余张裂缝图片,通过图像分割,选取了7000张作为样本数据,经过图像处理技术,对裂缝图像进行了前期的预处理。最终选定5000张作为训练集,2000张作为验证集,训练迭代20万次,生成了最终的裂缝模型。(2)鉴于裂缝图像的多样性,本文分别对横向、纵向、斜向和交叉4种不同形状的裂缝进行识别,精确率达到95%以上,识别效果良好,裂缝走向能够完好的识别出来。对算法的识别速度进行测试,识别速度达到3.5帧/每秒。同时本文还对影响裂缝识别效果的因素进行了单一变量分析,分别对batch size、样本数量、训练次数以及阈值进行了统计分析,确定了单一变量下的最优识别结果。(3)为更好地将该模型应用到桥检的实际工作中,本文将该裂缝模型迁移到移动智能端,实现裂缝的实时识别。从本文的研究看出,鉴于实时识别的快速性要求,裂缝图像没有进行分割识别,导致实时识别效果一般。无人机是未来繁重检测工作的重要帮手,本文对无人机搭载裂缝模型进行实时识别可行性进行了简单分析,认为无人机搭载简化模型进行桥梁裂缝识别是可行的。本文还有许多研究要点没有解决,仍有许多不足之处。本文最后对研究方向进行了展望,希望接下来的研究将会有所突破。