在城市发展从“增量建设”转向“存量优化”的今天，城市更新成为提升居民生活质量、增强城市韧性的重要环节。然而，全国超过20万个老旧小区普遍存在裂缝、渗漏等“隐形病害”，成为居民安全的潜在威胁。
西安建筑科技大学绿色建筑全国重点实验室太阳能建筑与环境研究团队，针对传统可见光隐性病害检测效率低、漏检率高，以及红外检测因温差小、伪热点多而难以实现大规模精准筛查的难题，团队研发了覆盖“数据双重增强—模型深度优化—报告自动生成”的全链条建筑病害检测技术体系。
该团队聚焦老旧小区质量检测问题，自2022年起持续深入社区开展调研与技术攻关。凭借所研发系统的创新性与实用价值，团队在第十九届“挑战杯”全国大学生课外学术科技作品竞赛“揭榜挂帅”专项赛中荣获国家级特等奖。
裂缝和脱落识别率93%以上
目前，国内外老旧住宅质量检测主要依赖可见光与红外技术，但普遍存在稳定性不足、使用条件受限等问题。传统人工检测平均每份报告耗时3天，且漏检率高、成本难以控制，难以满足当前城市更新对高效精准检测的需求。
为此，团队从问题根源出发，围绕数据、算法、模型与应用多个维度，构建起一套闭环技术路线。
研发初期，数据样本不足成为首道难关。在集体研讨和教师指导下，团队引入生成式对抗网络数据增强技术，在真实样本约束下，将数据集从两万张有效扩充至十万张，不仅缓解了样本稀缺对模型性能的制约，也为后续研究奠定了坚实基础。
随着研究深入，红外图像中伪热点干扰多、特征纹理模糊、边界不清晰等问题逐渐凸显。团队创新提出温度梯度增强与动态阈值分割技术，将识别依据从传统的“颜色差异”转向“温度变化率”，最终实现了对0.1毫米级裂缝与0.2摄氏度温差的精准识别，使各类“隐形病害”清晰可辨。
在模型优化阶段，团队进一步引入通道注意力机制，有效捕捉图像中的时空关联特征，推动红外与可见光图像的双模态特征协同，使各类病害的整体识别精度提升20%，其中不规则裂缝与渗漏识别的准确率均提高至90%，对裂缝和脱落的识别率是93%以上。
团队副教授周勇举例说，曾经在学校附近的一个老旧小区进行检测时，用传统的可见光办法，无法看出墙体是否存在隐患，但采用红外线后，仔细看会有差异，但这些细小差异放在计算机里，会很容易误判。“当我们使用红外梯度增强技术后，很容易就能看出是否有病害。”周勇介绍，使用新技术后，一个老旧小区就能检测出100多个空鼓、渗漏、裂缝、脱落等，而以往很难识别出渗漏和空鼓这些问题。
针对传统检测报告依赖人工、主观性强、效率低下的问题，目前团队构建了涵盖3000余条国家、行业及地方标准的结构化知识库，结合增强检索与大模型技术，实现了专业诊断报告的自动生成。原本需要数小时完成的报告，如今仅需3–5分钟即可输出，在显著提升效率的同时，也保障了评估结果的标准化与客观性。
应用面积突破200万平方米
截至目前，该技术已在“建筑体检与城市更新”项目中为10个老旧小区、共计50万平方米建筑提供精准“体检”，识别安全隐患3000余处。从陕西、山西到广东等地，累计应用面积突破200万平方米。
面向未来，团队将持续优化系统功能，迭代核心技术，并计划将应用拓展至全国重点城市群，开发居民端检测小程序，让技术创新真正惠及百姓生活，为城市更新提供持久支撑。
团队教授王莹莹表示，“我们正在研发第二代梯度增强技术和阈值切割技术，希望未来我们的阈值切割技术更加清晰，进一步提升检测精度与可靠性。”
