近年来，国家大力推进新型智慧城市建设与城市更新行动，《城市更新行动实施方案》《关于推进新型城市基础设施建设的指导意见》等政策文件提出，要加强城市建筑安全管理和数字化治理，推动建筑运维管理向智能化、信息化方向发展。在政策引导下，建筑安全监测与智能检测技术逐渐成为城市管理的重要组成部分。我国城市中大量既有建筑已进入维护与老化阶段，建筑外墙裂缝、渗漏、空鼓、脱落等问题逐渐显现，传统人工巡检方式效率低、风险高、成本大，难以满足大规模城市建筑安全巡查需求。随着无人机、计算机视觉和人工智能技术的发展，利用智能检测手段对建筑外墙缺陷进行自动识别与快速评估已成为行业发展的重要趋势。

       既有建筑外立面的安全检测及运维管理已成为城市更新及城市发展所面临的共同挑战。随着城市化进程的推进，尤其是住宅建筑的老化与安全隐患问题日益突出。这些问题不仅影响居民生活质量，还直接关系到公共安全与城市的可持续发展。为应对这一问题，许多国家开始将无人机（UAV）、深度学习以及建筑信息模型（BIM）等先进技术引入既有建筑改造领域，以提升诊断精度、评估能力和维护效率。

       作为我国改革开放及经济发达的沿海前沿城市，宁波长期吸引大量人口与资源流入，已成为典型的高密度人口城市。城市土地资源的稀缺导致高层住宅建筑普遍存在，住宅布局高度紧凑。尤其是在老旧住宅区中，由于历史与规划因素的制约，普遍存在建筑密度高、容积率大、建筑间距狭小等问题。这些社区通常表现为居住环境密集、建筑质量退化以及能源消耗过高，同时伴随着设计标准较低、材料技术落后以及维护不足等问题。

       因此，建筑的安全性、功能性与可持续性已成为亟需关注的关键问题。

       基于无人机图像/视频航拍与深度学习，对城市建筑外墙缺陷进行数据集采集整理、缺陷识别及量化、安全评估预警分析；并基于相关BIM软件二次开发，通过空间映射技术实现与BIM模型虚实融合，实现缺陷信息可视化管理。

       1、基于可见光+红外热成像双模态特征融合外墙缺陷检测识别及安全预警机制系统研究

       基于无人机双模态影像特征融合，实现外墙典型缺陷（裂缝、渗漏、空鼓、脱落）综合准确的检查识别，并对缺陷进行基于分布特征的精确量化；在此基础上，结合墙体构造及缺陷等级划分，建立外墙安全预警评估机制。

当前相关外墙缺陷检测的研究及应用，或侧重前期无人机航迹规划和图像采集，或侧重三维模型效果的重建。涉及到后期有关缺陷智能检测识别、量化及可视化等最关键的环节和问题仍处于研究初期。

       2、双模态巡检数据采集规范建立

       围绕宁波典型建筑外墙材料与构造形式，制定统一的数据采集要求，包括拍摄距离、角度、航线、分辨率、红外测温参数、采集时间、光照条件、立面编号、楼层定位、缺陷记录方式等内容。

       重点覆盖以下外墙类型：

面砖外墙、涂料外墙、保温装饰一体板外墙、老旧小区粉刷外墙、局部幕墙及混合型外立面。

通过规范化采集，保证不同楼栋、不同批次、不同设备采集数据之间具有可比性和可训练性。

       3、可见光—红外双模态缺陷数据库建设

       既有建筑外墙缺陷类型包括裂缝（含饰面层裂缝、构造裂缝、结构裂缝等）、渗漏、脱落、空鼓等。数据集采集整理不仅需要考虑不同缺陷类型的成像差异，还需兼顾可见光与红外图像在信息表达上的互补特征。因此，外墙缺陷图像采集采用可见光与红外热成像相结合互补的方案。在样本数据标注方面，要求能够实现目标的精确分类与量化；同时可自动生成包含目标尺寸、坐标位置及类别信息的TXT格式文件，并采用结构化存储方式组织训练集与测试集，为后期算法模型训练提供标准化的数据接口。

       4、外墙缺陷识别核心算法改进及设计

       针对复杂背景及环境干扰下容易出现小目标漏检、弱特征提取不足以及多尺度信息融合不充分等问题，围绕外墙缺陷“小目标、弱边界、多尺度、强干扰”的任务特征进行具体算法改进与设计。

       针对无人机所采集的外墙图像及视频资料（包括可见光、红外），开发基于可见光+红外双模态特征融合的缺陷识别学习算法和训练模型，融合可见光纹理信息和红外热异常信息，提升隐蔽缺陷识别能力，提高远距离拍摄、小裂缝、局部脱落等小目标识别效果降低强光、阴影、高反光、遮挡、立面纹理干扰等因素对识别结果的影响。要求能识别裂缝、脱落、空鼓、渗漏等疑似区域等不同大小缺陷；对裂缝、渗漏、饰面层开裂等不规则形态缺陷进行精细轮廓提取。针对不同类型缺陷其相应模型的评价参数不低于表述要求。

       5、建筑外墙缺陷量化表征关键技术

      针对外墙裂缝、渗漏、脱落、空鼓等缺陷类型，要求实现可见光+红外热成像双模态特征融合下的缺陷量化。针对可见光与红外热成像照片，呈现缺陷的具体轮廓边界、裂缝骨架级分布，实现表观缺陷与隐蔽缺陷、面积状缺陷与网状及线条性缺陷的差异化参数量化，以增强量化结果的针对性和可解释性；使量化结果能够直接服务外墙评估、缺陷分级和维修决策；实现建筑外墙上述各类缺陷的识别推进到“缺陷程度描述”和“量化参数表达”。

       宁波建工工程集团有限公司是由宁波交通投资控股有限公司控股的上市公司宁波建工股份有限公司的全资子公司，为国家建筑工程施工总承包特级企业。公司下设六大区域事业部，业务类型涵盖房建、市政、钢结构、机电四大总承包及大多数专业分包工程，并在宁波、浙南、浙北、安徽、江西、重庆、广东等全国多数区域深耕发展。同时，公司还投资设立了建达起重、明森设计院、装配式制造基地、建兴物资等建筑产业链子公司，并在浙江温州、宁波北仑、奉化等地设立了施工一级资质子公司。公司先后承接多个EPC、超高层钢结构建筑、装配式工程等大型工程项目，获鲁班奖、国家优质工程奖、省级质量奖等省部级奖项数十项，各类市级奖项数百项。在城市更新的背景下，公司深度参与区域城市更新、既有建筑安全排查、房屋体检专项工作，积累了工程样本与实测数据，为技术研发提供充足的真实场景与数据支撑。公司建有国家博士后工作站、省级企业技术中心、企业研究院，拥有各类职称人员1500余名，其中正高级20余名、副高级250余名，已获得各类专利、国家级及省级工法、主编或参编各种标准、软件著作权等超百项。在产学研合作方面，已与清华大学软件学院建立深度战略合作，联合开展BIM数据底座、数字孪生技术研发与标准编制，实现了建筑全生命周期数据融合应用。并与本地高校建立长期稳定的产学研协同机制，在智能建造、建筑结构安全诊断、AI缺陷识别等领域开展联合攻关，形成了“科研攻关—场景验证—成果转化—标准输出”的成熟合作体系。

       技术可行性分析：

       数据基础可行：宁波既有建筑类型丰富，外墙材料和缺陷类型具有典型性，适合开展样本采集、数据库建设和算法训练及安全预警评估分析。可见光图像和红外图像采集设备成熟，具备工程化部署条件。

       算法技术可行：目标检测、语义分割、实例分割、多模态特征融合等AI技术已具备较好的应用基础，可通过本地化样本训练和工程场景优化，形成适用于外墙缺陷识别的专用模型。

       工程应用可行：项目可与无人机巡检、物业巡查、第三方检测、城市更新体检、房屋安全监管等现有工作流程结合，不改变现有管理体系，而是通过智能化工具提升效率和精度。

1、研发基于双模态特征融合的外墙缺陷检测识别系统，及BIM虚实融合的缺陷信息智能管理系统1套；

2、建成一个外墙缺陷双模态样本数据库，建筑样本数量≥500栋（覆盖不同年代、高度、墙体材料类型）；图像数量≥4万张可见光 + ≥2万张红外热像；总缺陷数量不少于20000个缺陷实例；缺陷标注纬度≥6纬（目标框、像素级分割、缺陷等级、楼栋楼层、立面方位、复核状态）；

3、形成“缺陷类型—空间位置—疑似范围—置信度—风险等级”的结构化输出。

1、申请发明专利不少于2项，软件著作权不少于2项，发表学术论文2篇；

2、形成一套宁波典型建筑外墙可见光—红外双模态巡检数据采集规范；

3、研发一套外墙缺陷智能识别算法模型。