建筑业作为我国的支柱产业之一,在国民经济中发挥着重要作用,但目前我国的工程质量问题仍十分突出。建设工程质量问题不仅关系到工程的适用性,还会影响人们的人身财产安全和社会稳定,学术界对加强建设工程质量管理尤为关注。但当前传统的施工质量检查主要依靠检测人员现场检测和记录,存在效率低、漏检率大、主观性强、实时性差等问题。同时施工质量问题的防治所需知识多,范围广,人脑难以完全掌握,很难实现有针对性的预防及治理。因此,本文以钢筋混凝土工程外观质量缺陷问题为例,结合建筑信息模型（Building Information Modeling,BIM）与计算机视觉（Computer Vision,CV）技术来实现施工过程中自动的质量检查及智能的质量问题防治,显著提高施工过程中的质量管理水平。首先,本文基于BIM及python语言,结合施工质量检查规范及施工进度计划,实现施工质量检查计划的自动生成。通过自动生成合理的质量检查项目及检查时间,并对质量检查点进行自动提取,为检查人员提供及时、准确的质量检查计划,确保了质量检查的及时性。其次,基于CV技术,实现钢筋混凝土工程外观质量缺陷的自动化检查。根据质量检查计划定期采集现场的施工质量数据,通过将传统CV算法与深度学习算法相结合的方式,在减少算力需求的前提下自动检查出质量缺陷问题并实现质量缺陷的量化处理,提升了质量检查的效率和准确性。接着,结合模糊推理与直接推理,实现施工质量问题防治措施的智能化决策。构建模糊推理与直接推理相结合的推理引擎,依据前期工作获取的CV信息与BIM相关信息,实现质量问题防治措施的智能化推理,改善质量防治决策水平。最后,将上述功能进行集成,设计了施工质量智能管理系统的原型框架。通过将质量检查计划自动生成、施工质量自动检查以及质量问题防治决策等功能集成至施工质量智能管理系统,实现施工质量的高效管理。