欧阳天水,周 涛,朱海涛

针对传统桥梁人工巡检效率低、作业风险高、数据管理零散的问题，本文以《基于AI深度学习和数字孪生的鄱阳湖二桥无人机场智能巡检技术研究及应用》任务书相关项目为依托，系统研究基于AI深度学习的无人机场智能巡检技术。通过开发数字孪生+BIM巡检数据管理平台、制定无人机标准化采集方案、构建深度学习病害识别模型，实现桥梁巡检的自动化与智能化。应用结果显示，该技术可识别0.5mm混凝土裂缝，病害综合识别精度达80%，较传统人工巡检节省50%以上时间，为桥梁智能养护提供技术支撑，符合任务书设定的研究目标与应用需求。

AI深度学习；无人机场；智能巡检；数字孪生；BIM技术；桥梁病害识别

[1] 张丽,秦绪彬,丁旭东.基于机器视觉的无人机自动巡检定位控制技术[J].价值工程,2025,44(29):142-144. [2] 李靖翔,赖皓,石延辉,等.交叉粒群的密集障碍空间无人机巡检路线规划[J].电子设计工程,2025,33(19):99-102+107. [3] 孙艳萍,王道通,张丹,等.基于改进遗传算法的气田无人机巡检调度优化[J].科学技术与工程,2025,25(27):11668-11675. [4] 欧林联.无人机自动化巡检在城市桥梁运维中的探索和应用[J].福建建设科技,2025,(05):97-100. [5] 李更达.基于 AI 的变电站无人机巡检图像边缘识别技术[J].自动化应用,2025,66(18):23-25. [6] 支妍力,周宇,郑云梅,等.基于深度学习的电力巡检无人机影像地物特征自动化匹配方法[J].电子设计工程,2025,33(18):192-196.

点击下载PDF