手动检查基础设施（例如公路桥梁，人行道，水坝和多层车库顶棚）非常耗时，有时可能会危及生命，并且成本高昂。 自动化的计算机系统可以减少时间，错误检查和检查成本。 在这项研究中，我们使用深度学习卷积神经网络（CNN）开发了一种计算机模型，该模型可用于自动检测裂纹和非裂纹类型的结构。 这项研究的目的是允许将最新的深度神经网络和无人飞行器（UAV）技术应用于公路桥梁大梁检查。 作为在桥梁大梁中实施深度学习的一项试点研究，我们研究了UTC校园旧车库混凝土天花板结构中裂缝的识别，长度和位置。 使用手持手机和无人机从UTC旧图书馆停车场天花板上拍摄了2086张裂纹和非裂纹图像。 训练后，该模型显示出裂纹和非裂纹类型结构的精度为98％。
