上海
导读
随着我国建筑行业迈入存量提质、改造更新的发展阶段,老旧建筑物外立面成为城市更新的关注重点。建筑外立面长期受风吹、日晒、雨淋及温度变化等自然因素，和环境污染、结构老化等影响，易出现裂缝、脱落、渗漏等病害。这些病害不仅影响建筑美观，更威胁到公众安全，如外立面脱落可能导致高空坠物伤人事件。
传统人工检测需借助吊篮、脚手架等设备，不仅效率低下，每日检测面积有限，还存在高空作业风险，威胁检测人员安全。并且，人工检测主观性强，对细微病害易漏检，检测精度难以保障，难以满足大规模建筑检测需求。
为解决上述痛点，中建八局华南公司联合深圳大学采用无人机搭配可见光及红外镜头，进行建筑外墙病害巡检，结合优视摄影高精实景建模及优算推演AI图像识别分析，病害识别准确率高达95%，相较现有同类技术达到行业领先水平。可精准识别毫米级裂缝、定位空鼓，自动生成详细检测报告，为建筑外立面病害监测带来高效、精准、安全的全新解决方案，同时，为后续建筑修缮提供可溯源的数据基础。
1
技术优势
1
高效覆盖，精准捕捉每一处细节
在作业前，技术人员只需根据建筑外立面结构，在软件中预设飞行航线 ，无人机便能严格按照规划路径执行，自动规避建筑障碍物。搭配高分辨率可见光镜头与热成像仪，无人机可实现全方位、无死角的数据采集：既能够捕捉外墙表面的裂缝、剥落等可见病害，还能通过热成像技术探测墙体内部的渗漏、空鼓等隐性问题。无人机拍摄的每一张图像都会实时关联空间坐标信息，为后续的三维建模与病害定位奠定基础。相比人工采集，无人机巡检效率提升5-7倍，单栋30层建筑的外墙数据采集可在1小时内完成，且数据准确率高达95%以上，从源头保障巡检质量。
2
智能筛查，告别 “人工漏判” 痛点
采集完成的海量图像数据，若依靠人工逐一排查，不仅耗时耗力，还容易因人员经验差异导致病害误判、漏判。为此，采用优算推演软件进行病害识别，集成自研SAM的端到端表观病害检测深度学习模型（CrackSAM）的AI图像识别分析系统，能凭借深度学习算法，成为外墙病害的 “智能裁判”。自动识别裂缝、空鼓等病害区域，AI识别病害的效率是人工的10 倍以上，大幅减少了人工巡检的主观误差。
3
直观呈现，让隐患 “看得见、摸得着”
依托优视摄影高精实景建模技术，无人机采集的二维图像会被转化为1:1还原的建筑外墙三维模型， 模型纹理清晰、细节逼真，可清晰展现墙面的凹凸结构、门窗位置，甚至能还原瓷砖缝隙、涂料纹理等细微特征。而AI识别出的病害信息，会被精准 “挂载” 到三维模型对应的位置，形成病害分布三维可视化系统。这种可视化呈现方式，让原本抽象的巡检数据变得 “看得见、摸得着”，无论是工程团队制定维修方案，还是管理部门掌握建筑安全状况，都能更直观、更高效。
4
专业规范，为决策提供 “数据支撑”
通过整合无人机采集的原始数据、AI 识别结果、三维模型信息，生成标准化检测报告。可直接用于工程验收、维修方案审批、安全备案等场景。同时，报告中的数据可与城市建筑安全管理平台对接，为城市更新中的建筑安全排查、老旧小区改造等工作提供精准的数据支撑，助力提升城市建筑安全管理的科学化、精细化水平。
2
应用总结
在城市更新的大背景下，建筑外墙安全是城市安全运行的重要一环。这套智能化巡检方案，不仅能为单栋建筑的安全运维提供数据支撑，其积累的病害数据还能为片区建筑的老化程度分析、改造优先级划分提供参考，助力城市更新工作更具针对性、科学性。未来，随着技术的持续迭代，方案还可进一步拓展至建筑竣工验收、灾后评估等场景，持续为城市建筑安全管理与高质量更新贡献力量。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
