手動檢查基礎設施（例如公路橋梁，人行道，水壩和多層車庫頂棚）非常耗時，有時可能會危及生命，并且成本高昂。 自動化的計算機系統可以減少時間，錯誤檢查和檢查成本。 在這項研究中，我們使用深度學習卷積神經網絡（CNN）開發了一種計算機模型，該模型可用于自動檢測裂紋和非裂紋類型的結構。 這項研究的目的是允許將最新的深度神經網絡和無人飛行器（UAV）技術應用于公路橋梁大梁檢查。 作為在橋梁大梁中實施深度學習的一項試點研究，我們研究了UTC校園舊車庫混凝土天花板結構中裂縫的識別，長度和位置。 使用手持手機和無人機從UTC舊圖書館停車場天花板上拍攝了2086張裂紋和非裂紋圖像。 訓練后，該模型顯示出裂紋和非