本项目以起重机为研究突破点，针对传统起重机检测方法自动化程度低、效率低下、速度慢的不足和存在检验盲点等问题，提出采用搭载高清变焦摄像头、激光测距仪、GPS 定位控制系统的无人机检测方案。依据无人机检测规划路线，采用有序拍摄编号法，获取起重机缺陷图像，并且尝试了在电梯上检测井道支架上的应用。主要研究工作完成如下：

　　（1）根据起重机检测的特殊性，从繁杂的型号选择适用桥梁检测的无人机，搭载顶端云台、激光测距仪等装置，实现高空位置的金属结构和零部件的全面拍摄。

　　（2）规划无人机飞行路线，获得起重机缺陷图像，并将图像按照顺序编号；

　　（3）比较均值滤波和中值滤波降低图像噪声方面的效果，最终选择效果较好的中值滤波对裂缝图像进行处理，能够更好地保留图像的裂缝细节，去除噪声；

　　（4）比较图像分割阈值法中迭代法、大津法、自适应阈值法的处理效果；利用Sobel 算子Roberts 算子、Canny 算子、LOG 算子对同一幅裂缝图像进行边缘检测，评价检测效果。根据裂纹边缘多方向的特征，采用改进的八方向Sobel 算子处理裂缝图像，效果明显好于其他算子，裂缝边缘定位准确，完整度高。

　　（5）提出基于深度卷积神经网络的起重机金属结构缺陷视觉检测算法。