深度学习驱动的桥梁支座病害检测与评估综述
DOI: https://doi.org/10.64083/STE2610819
作者
姚俊宇，翟志豪，王城泉，王新泉，董腾方，王战胜，杜亮
摘要
围绕桥梁支座病害智能检测与损伤评估，本文梳理支座类型、病害机理及人工检查、无损检测、振动监测和计算机视觉方法，重点比较YOLO目标检测、U-Net图像分割、剪切角量化及无人机/机器人取像研究。对13项代表性研究的统计表明，现有成果以病害定位和分类为主，几何量化与功能状态验证相对不足。深度学习适合支座定位和多病害初筛，但跨桥泛化、少数类召回率和角度误差更能反映工程可用性。后续应将图像结果与人工量测、振动、位移和应力信息结合，形成“识别—量化—复核”的损伤评估流程。
关键词
桥梁支座；病害检测；深度学习；图像分割；损伤评估
