1. 研究目的与意义（文献综述）
1.1研究背景和意义
混凝土作为土木工程中最常用的建筑材料，有着原材料简单易得、价格便宜、抗压强度高、耐久性和可塑性良好、性能易调等诸多优点。但是混凝土结构成型过程较为繁琐复杂，期间可能会受到各种因素的影响，从而导致混凝土成型后表面存在不同类型的缺陷[1]：如配合比不合理、搅拌不均匀、振捣不充分、模板漏浆等因素会导致混凝土表面出现蜂窝、麻面、孔洞、露筋等不同程度的缺陷；水灰比过大、水泥用量过多、养护不及时、配筋不合理等因素将会导致混凝土表面出现裂缝。混凝土结构表面缺陷除了受混凝土浇筑、施工质量影响而产生外，在正常运行期间，随着服役时间的不断增加，工程结构在荷载的长期作用、环境侵蚀、材料老化等各种因素的影响下，混凝土表面也会出现裂缝、剥落、露筋腐蚀等缺陷。混凝土的外观质量不仅是混凝土工程质量和美观的直接体现，更是增强混凝土结构耐久性的有效措施[2]。裂缝、剥落等表面缺陷的存在会加快混凝土的碳化和内部钢筋的锈蚀，再次加剧混凝土的开裂与剥落，降低结构的承载能力，严重时将造成工程结构的局部失效，引发安全事故，威胁人民生命和财产安全，对国家经济和社会发展造成不可估量的损失。由于混凝土结构的性能劣化总是首先表现为各种表面缺陷。及时发现这些缺陷并进行填补和维护，可以避免各种缺陷的持续恶化。因此，在混凝土结构健康检测中，表面缺陷检测是一项非常重要的内容。
依据现行规范和规程，传统的混凝土表观缺陷检测主要依靠人工巡检的方式进行结构表面缺陷的识别、测量与评估。以裂缝检测为例，检测人员借助刻度尺、裂缝观测仪等设备进行直接量测，或现场估算[2]。这种方法费时费力，而且当工程结构所处环境恶劣时，开展人工巡检存在一定的安全隐患。在检测结果方面，人工巡检主观性强，结果的精度不高且很大程度上依赖于检测人员的经验和技术。随着无人机、超高清相机等技术设备飞速发展并在工业、科研中得到越来越广泛的应用，使用无人机搭载超高清相机或手持智能设备对混凝土工程结构表面进行图像采集变得愈发简单。与此同时，计算机科学与技术蓬勃发展，性能优越的硬件设备、强大的计算能力、丰富的算法和理论为图像的处理分析提供了强大助力。因此，基于图像分析的混凝土表面缺陷检测技术飞速发展，得到广泛的研究和应用。并凭借简便快捷，成本较低，结果客观准确，原始图像易于保存、方便日后对比查验等诸多优点逐渐成为表面缺陷检测技术的主流。此外，基于图像分析的混凝土表面缺陷检测技术对实现缺陷检测自动化，具有极其重要的研究意义。
2. 研究的基本内容与方案
2.1研究的基本内容和目标
通过文献调查，了解当前混凝土表面缺陷检测技术的研究现状和发展趋势。了解和掌握基本的图像处理算法和卷积神经网络算法。本文将以混凝土表面裂缝作为研究对象，采用合适的卷积神经网络对混凝土表面裂缝图像进行分类识别，判断混凝土表面有无裂缝存在。
2.2拟采用的技术方案与措施
3. 研究计划与安排
| 时间 | 周次 | 要求 |
| 2.24—3.8 | 第1、2周 | 完成外文翻译及开题报告初稿 |
| 3.9—3.25 | 第3、4、5周 | 修改并定稿开题报告和外文翻译，3月25日前在系统内提交 |
| 3.9—3.29 | 第3、4、5周 | 寻找混凝土表面裂缝数据集，学习卷积神经网络基本理论 |
| 3.30—4.15 | 第6、7、8周 | 4月15日中期检查前，完成经典CNN算法比选(两至三种)，确定最终CNN，填写第一次阶段性报告 |
| 4.16—5.3 | 第8、9、10周 | 制作数据集，训练、测试和评估CNN，填写第二次阶段性报告 |
| 5.4—5.24 | 第11、12、13周 | 撰写毕业论文初稿，5月25日前完成第三次阶段性报告 |
| 5.25—5.31 | 第14周 | 修改并定稿毕业论文，6月2日学校抽检 |
| 6.1—6.7 | 第15周 | 制作答辩PPT，6月8日前完成答辩工作 |
4. 参考文献（12篇以上）
[1] 马莉. 浅谈混凝土工程表面缺陷形成的原因与预防措施[j]. 中国建筑企业, 2011(1): 35-36.
[2] 彭海涛. 基于图像分析技术的混凝土结构外观质量检测与评定[d]. 湖南大学, 2011.
[3] 陈飞飞, 张宇峰, 韩晓健. 基于图像特征值的混凝土桥梁表面病害图像分类[j]. 结构工程师, 2018, 34(1): 59-63.
