伴随我国交通系统建设巨大发展的同时,桥梁作为重要组成部分,其数量也逐年增加。桥梁老化与损伤问题日渐凸显,适时完善桥梁检测至关重要。目前,我国应用最广泛的桥梁检测方法为桥梁表观检测与桥梁荷载试验等,但是这些检测手段需中断交通且不能快速得出结果。因此,找到一个快速便捷且结果较准确的桥梁检测方法具有一定的现实价值和工程意义。随着大数据分析时代的来临,深度学习引起了全球各国学者的关注,而卷积神经网络（Convolutional Neural Network,CNN）就是近些年来在深度学习领域的重要成果,其良好的特征挖掘能力使其受到越来越多学者的青睐。本论文以应用最广泛的简支梁桥为研究对象,提出一种基于卷积神经网络的桥梁快速检测技术。本文主要研究内容包括:（1）通过对基于机器学习的桥梁检测方法的研究背景及意义的阐述,现有研究成果的总结,以及桥梁静载试验检测法、桥梁动态检测法和桥梁冲击振动测试法三个主流桥梁检测方法的归纳和介绍,提出利用深度学习理论中的卷积神经网络实现桥梁快速检测的思路和创新方法。（2）基于卷积神经网络与动力测试数据的桥梁结构性能评价理论。本研究以设计制作的模型梁作为对象,分别进行有限元模拟试验与实体结构试验,提取结构的动力加速度作为数据集,用挠度校验系数作为模型梁损伤诊断的量化指标,从而验证卷积神经网络在实体模型梁挠度校验系数预测中的准确性,这为后面的研究打下基础。（3）详细介绍简支梁桥桥梁检测中的荷载试验,为研究基于卷积神经网络与动力测试数据的桥梁结构性能评价理论应用于实际桥梁检测中做铺垫。从静载试验与动载试验两个方面展开介绍,详细介绍静载试验步骤和静载试验数据分析方法等,同时详细介绍动载试验步骤和动载试验动力性能的分析评价等。（4）基于卷积神经网络与动力测试数据的简支梁桥静载挠度校验系数快速预测的研究。本研究以某5座简支梁桥为研究对象,进行桥梁静载试验测得5座简支梁桥的挠度校验系数,同时进行跑车试验得出5座桥梁的加速度数据,输入到已训练好的卷积神经网络模型,预测出5座简支梁桥的挠度校验系数。比较两种方法得出的挠度校验系数,得到卷积神经网络的识别精度,用以验证快速检测技术的可行性与准确性。（5）展望本研究中快速检测技术的未来发展方向。总结本研究中的桥梁快速检测技术,展望本技术延伸方向。