随着经济的飞速发展,我国桥梁建设水平已经位居世界前列,桥梁建造对钢材的要求也越来越高,除了要求钢材具有较高的刚度、强度,较好的可焊性能之外,许多项目还要求钢材具有较好的耐腐蚀性能。耐候钢因其相对于传统普碳钢更为突出的抗腐蚀性能以及在整个桥梁生命周期中更低的成本受到越来越多桥梁设计师的青睐。然而耐候钢桥梁在使用过程中锈层的锈蚀状态的检测却一直无法得到很好的解决,目前通常由人工目检确定耐候钢桥梁表面锈层的锈蚀状态,但是人工目检不仅精确度差,而且成本高,检测困难,这也导致人工检查的周期往往较长而错过耐候钢桥梁的最佳养护时机。所以研究耐候钢锈蚀状态的评估方法具有十分重要的意义,本文基于此目的做了以下研究。本文首先通过室内模拟工业大气和海洋大气环境腐蚀试验,对耐候钢的锈蚀规律进行了研究,并和相同环境条件下普碳钢的锈蚀规律进行了对比分析,在此基础上更进一步研究了工业大气和海洋大气环境中氯离子和硫酸根离子等对耐候钢锈层稳定化的影响。在研究钢材锈蚀规律的同时,获取了不同锈蚀环境和不同锈蚀周期的耐候钢锈蚀试样和普碳钢锈蚀试样的图片,以获得耐候钢锈蚀图像数据集和普碳钢锈蚀图像数据集。其次在试验的基础上利用耐候钢锈蚀图像数据集对基于深度神经网络的图像识别算法进行初步训练和测试,初步训练和测试的结果无法达到预期的准确率。因此对该图像识别算法进行改进,并利用本文试验所得的耐候钢锈蚀图像数据集对改进后的基于深度神经网络的图像识别算法进行训练和测试,结果表明,图像识别的训练精度可以达到91%,图像识别的测试精度可以到达84%。然后利用本文试验所得的普碳钢数据集对改进的算法进行训练和测试,结果表明训练精度和测试精度最终都稳定在94%以上,普碳钢图像识别精度比耐候钢高的原因是因为普碳钢母材试样的尺寸更为规则,且在相同锈蚀环境条件下普碳钢各个周期锈蚀图像之间的特征差异更加明显。最后利用改进算法对混凝土裂缝进行识别,结果表明,识别过程中训练和测试精度都迅速稳定在95%以上,原因是因为混凝土图像有裂缝和无裂缝的特征差异十分明显,且混凝土裂缝图像数据集样本充足。