1重庆电讯职业学院，重庆，402247；
2中国平安人寿保险股份有限公司重庆江津支公司，重庆，402247；
摘要:建筑工程质量缺陷的及时识别与预警对保障工程安全、降低运维成本具有重要意义。传统人工巡检方式效率低、主观性强，难以满足大规模、高频次的质量管控需求。随着人工智能技术的快速发展，尤其是计算机视觉与深度学习在图像识别领域的突破，为工程质量缺陷的智能识别提供了新的解决方案。本文系统探讨了人工智能在裂缝、蜂窝麻面、渗漏等典型建筑质量缺陷识别中的应用方法，分析了卷积神经网络（CNN）、目标检测算法（如YOLO、Faster R-CNN）和语义分割模型（如U-Net）的技术优势与适用场景。同时，结合无人机、移动终端和视频监控系统，构建了集数据采集、智能分析与实时预警于一体的缺陷识别框架。通过实际工程案例验证，该方法在识别准确率、响应速度和覆盖范围方面均显著优于传统手段。结果表明，人工智能技术能够有效提升工程质量监管的智能化、自动化水平，为智慧工地建设提供有力支撑。
关键词：人工智能；建筑工程；质量缺陷；智能识别；深度学习；图像识别；缺陷预警；计算机视觉
参考文献
[1]牟玲玲,贾清,陈润生,等.建筑工程质量缺陷保险政策评价研究[J].工程管理学报,2025,39(01):1-7.DOI:10.13991/j.cnki.jem.2025.01.001.
[2]何文景,王红岱.建筑工程质量潜在缺陷保险试点实践与建议[J].中华建设,2022,(09):31-33.
[3]黄新华,赵俊.我国住宅建筑工程质量潜在缺陷保险发展现状及对策建议[J].住宅产业,2022,(06):10-13.
[4]苗彧,徐韬.浅谈建筑工程质量潜在缺陷保险发展现状[J].中国住宅设施,2020,(08):98+124.
[5]苏昳.面向工程质量潜在缺陷保险的建筑工程质量评价研究[D].华南理工大学,2020.DOI:10.27151/d.cnki.ghnlu.2020.002127.
