随着基于卷积神经网络深度学习的图像识别算法的进步，使用高分辨率巡检影像进行病害点人工智能识别的技术应用也更加容易和成熟。具体的工作流程如下：
第一步：通过对采集图片数据进行标记并交付给卷积神经网络模型进行训练。训练后的神经网络模型可快速地对图片进行裂缝识别检测，后期通过完善模型和采集更多训练数据来共同提高模型的识别率。
第二步：针对已经识别出缺陷的图片，进行增强、去噪、图像分割、边缘检测等一系列处理，得到裂缝分割效果图和裂缝像素级的测量结果。采用基于深度学习的优化分割算法，裂缝像素级重叠率高，并且能够在细小裂纹、复杂背景、人为标识等干扰情况下给出正确的分割结果。
同时针对桥梁的其余缺陷，如钢结构焊缝开裂、锈蚀、螺栓松动、脱空等情况也进行识别。
