利用双目立体视觉和深度学习技术检测金属、陶瓷表面缺陷。本项目利用双目立体视觉方法对金属，道路，陶瓷等表面缺陷进行定位以及长度等参数精确测量。定位精度 95%，裂纹长度测量精度 95%。本项目设计了一种用于沥青路面三维图像中像素级裂缝自动检测的有效深度网络——裂缝网络。对 500 幅测试图像的实验结果表明，本项目所提出的网络性能较高，准确率为84.31%，查全率为 90.12%。结果表明，具有更好的综合性能，特别是在细裂纹检测方面，进一步揭示了深度学习技术在像素级路面裂缝自动检测中的优势。重复荷载作用下产生的疲劳裂纹是影响钢桥结构完整性的主要因素之一。人工检测是疲劳裂纹检测中应用最广泛的方法，但费时、劳动强度大、可靠性差。本项目提出了一种基于计算机视觉的疲劳裂纹检测方法。将特征跟踪技术应用于监控结构在重复荷载作用下的表面运动跟踪视频。然后，建立了一种裂纹检测和定位算法，可以很好地识别疲劳裂纹，甚至在周围光照条件下，裂纹被其他类似裂纹的边缘包围，表面纹理复杂，或者由于裂纹闭合而人眼看不到裂纹。