随着深度学习概念的提出和计算机及移动设备性能的迅速发展,深度学习已为多个学科的研究领域带来了深刻的变革。在土木工程领域,深度学习对结构损伤检测与评估,施工安全监测等方向带来了巨大推动。深度学习已成为未来土木工程实现智能化的重要研究课题之一。道路是基础设施的重要组成部分。路面损伤检测对于维护交通安全起着重要的作用。车辆荷载,天气和其它因素将对路面造成不同类型的损伤。目前主流的路面损伤检测方法为人工巡检。这种方法需要耗费较高的人工成本,并且无法在损伤发生的第一时间发现和识别损伤。为了克服这些缺点,本文提出了一种基于智能巡检终端的路面损伤检测方法,本文主要进行的研究包括以下三个方面:(1)基于深度学习理论构建路面损伤数据集,并完成深度学习模型的训练。本文列举了四类常见的路面损伤类型,分别为长条状裂缝,网状裂缝,路面坑洼和路面车辙。运用构建的数据集完成了深度学习模型的训练与评估。(2)基于树莓派,摄像头模块,加速度传感器,GPS模块,英特尔神经网络计算棒等硬件,开发智能巡检终端。该智能巡检终端内置无线传输模块,可将采集数据实时传输至服务器端,实现数据云端存储与分析。在智能巡检终端搭建深度学习环境,完成深度学习模型的移植,从而实现自动巡检。(3)基于智能手机开发移动端APP,在Android平台部署深度学习平台与深度学习模型,实现基于智能手机的路面损伤检测,满足工程人员的多种场景的检测需求。经过实际的路面损伤检测实验,本文提出的基于智能巡检终端的路面损伤检测方法可以准确的识别和分类路面损伤,并以极低的延迟完成推理运算。检测结果表明,对于不同类型的损坏,检测的平均精度(AP)等级为80.87%,证明了该方法的有效性。