基于技术融合的工程质量缺陷识别与预测.pdfVIP

Vol．24No．23中国建筑金属结构第24卷第23期1

Dec．2025CHINACONSTRUCTIONMETALSTRUCTURE2025年12月

创新前沿

基于技术融合的工程质量缺陷识别与预测

杨子晗

（长江大学，湖北荆州434023）

摘要：为提高建筑工程质量的缺陷识别效率与预测的准确性，本文通过介绍建筑信息模型（BIM）技术和深度学习的基本原理与优势，分

析了两者融合在工程质量缺陷识别与预测中的应用可行性。并以某商业综合体项目为例，提出了基于BIM与深度学习融合的工程质量缺陷

识别与预测方法，并构建了相应的人工智能（AI）模型。研究结果表明：该模型能够有效识别和预测工程质量缺陷，提高了工程质量管控水平，

为建筑工程质量管控提供了新的技术路径和方法。

关键词：BIM技术；深度学习；工程质量缺陷识别

中图分类号：TU17文献标识码：A

陷识别与预测方法，该方法在一定程度上提高了工程质量管控水平，在建筑工程

DOI：10.20080/j.cnki.ISSN1671-3362.2025.23.001

领域中缺陷的识别具有十分重要的意义。

1技术概况

1.1BIM技术

之间的冲突和矛盾，提高施工效率；模拟性：通过对建筑工程

0引言

的各种性能进行模拟实验与分析，根据模拟实验结果为建筑工

BIM技术是一种基于三维模型的建筑信息集成技术，通过将建筑工程的全寿

命周期中的各种信息集成在一个三维模型中来实现建筑信息的协同管理，在建筑

随着人工智能技术的不断发展，越来越多的新技术和新工程的设计和施工提供理论支撑；优化性：通过对建筑工程的设

施工过程中还具有以下优势。

艺在工程质量缺陷中的应用逐渐增加，工程质量缺陷识别面临计和施工方案进行优化，确保在施工过程中，各个施工环节的

着新的机遇。文献[1]通过在混凝土内部预埋泡沫板的方式来工程质量和效率都能够得到提高；可出图性：可以使设计方案、

可视化：能够将建筑工程中的相关信息，以三维模型的形式直观的展现出来，

实现雷达图像识别，针对不同程度的泡沫板大小和深度，采用模型等能顺利转化为高质量、符合规范和要求的工程图纸（如

使施工人员在施工过程中能够更好的理解建筑工程中的各种相关信息，帮助施工

不同的测线。同时，提出了优化处理流程的方法:选择合适的建筑平面图、结构施工图等），进而提高工程的施工效率。

管理人员、施工方以及其他人员能够更好的沟通，确保建筑施工安全实施；协调

测量路径并忽略缺陷区域厚度的具体数值，以提高分析效率。1.2深度学习

性：可以实现不同专业和不同工种之间的协调作业，使各工种、各专业之间的工

文献[2]提出了基于水下机器人的桥梁水下结构缺陷自动识别深度学习是一种基于神经网络的机器学习技术，利用图像、