随着经济的发展，我国对交通领域进行了大量投资。桥梁作为一种具有承载能力的架空建筑物，是交通线的重要组成部分。随着使用年限的增长和城市车流量增加等因素影响,大部分投入使用的桥梁都存在或多或少的损伤，这严重威胁了工程的安全运行。
桥梁的损伤最初的表现都是由裂缝引起,传统的桥梁损伤检测方法有人工检测法和桥梁检车法,需要耗费需要大量的人力和时间，而且受限于人员技能和设备检测范围的限制，无法对桥梁进行全面、细致的检测。近年来随着无人机和计算机视觉技术的发展，基于无人机巡检和机器视觉的桥梁结构损伤检测技术成为了大家关注的焦点。
由于桥梁多为混凝土结构，而混凝土结构表面裂纹与其整体结构的灰度值相似，采用传统的图像分析法对裂纹图像进行分析，虽然有操作简单和处理时间较快等优点，但是该方法对裂缝的提取效果较差，在图像分类中，准确率也不高，在复杂实际情况下无法实现工程需要。虽然目前有些对裂缝检测效果较好的算法，由于算法复杂，所需计算量大，图像处理时间较长。而深度学习近年来在人工智能领域取得了重大突破，尤其在图像识别、视频处理、语音识别中都取得了较大成功,有望解决桥梁损伤识别难题。Young-jin Cha等人人首次将深度学习技术应用在结构损伤检测领域，利用卷积神经网络对结构物外表裂缝进行识别分类，识别准确率高达 97%。林逸洲等人提出了利用深度学习技术从桥梁传感器 数据中自动进行损伤识别的新方法，主要使用卷积神经网络实现对简支梁损伤位置的高精度识别，其搭建的神经网络还自动学习出简支梁结构的三阶振型， 通过与当前常用的小波分析法相比，深度学习法的准确度更高，效果更好，获得的分析结论更符合实际情况。
基于无人机巡检和机器视觉的损伤识别方案将成为桥梁建筑结构损伤检测领域的主要发展方向。