1.一种基于深度学习的无人机桥梁裂缝检测方法，其特征在于，包含以下步骤：

1）用测绘无人机A采集所测桥体及其周边地形环境，并将数据实时传入到地面处理平台；

2）地面处理平台根据测绘无人机A传回的数据进行三维建模，得到待测桥梁及其周边环境的3D坐标实景模型；

3）地面站根据3D坐标实景模型，规划图像采集无人机B的飞行路径，并将指令传达至图像采集无人机B的飞控模块；

4）按照规划路径模拟图像采集无人机B的仿真飞行，模拟过程中当无人机进入桥底时，通过UWB辅助定位模块获取无人机位置，传入地面站后由地面站不断修正后得到实际飞行路径，图像采集无人机B按照实际飞行路径实际飞行，并将采集图像实时传入地面站，同时通过储存模块保存供离线处理；

5）对采集图像进行预处理，该预处理方式包含归一化、高斯滤波处理、伽马校正；

6）用改进后的SSD检测算法对预处理后的图像进行检测，完成对缺陷的检测；改进的SSD检测算法包含以下步骤：

6.1）使用剪切混合的数据增强方法，进行数据集的制作，其中，剪切混合的公式如下：，

，

其中， 和 是两个不同的训练样本， 和 是对应的标签值，剪切混合需要生成的是新的训练样本和对应标签 、 ， 是二进制掩码，是逐像素相乘，属于Beta分布： , 则服从（0，1）均匀分布；

对剪裁区域的边界框 进行采样, 用来对样本 和 做裁剪区域的指示标定,公式如下：

，

，

确定好裁剪区域B之后，将M中的裁剪区域B置0，其他区域置1，完成掩码的采样，将样本A中的剪裁区域B移除，将样本B中的剪裁区域B进行裁剪然后填充到样本A，得到数据集；

6.2）将高层与低层的特征图进行融合，将全连接层6和全连接层7分别进行CBL操作后再进行下采样操作以改进SSD骨干网络；

6.3）计算改进后SSD的损失函数，公式如下：

=  ，

其中损失函数的第一部分是类别损失，第二部分是位置损失，是匹配的先验框个数。

2.根据权利要求1所述的基于深度学习的无人机桥梁裂缝检测方法，其特征在于，步骤

3）中，图像采集无人机B包含飞行控制模块、测距传感器模块、加速度传感器模块、GPS定位模块、UWB辅助定位标签、第一数传电台、补光模块、云台相机、存储模块、第一图传电台、机载数据处理单元；

飞行控制模块用以接收飞行路径；测距传感器模块用以测量无人机与桥梁之间的距离；加速度传感器模块用以检测无人机的加速度大小； GPS定位模块用以定位无人机；UWB辅助定位标签用以在桥底GPS信号弱的情况下辅助定位；第一数传电台用以无人机与地面站第二数传电台之间的数据传输；云台相机用以图像的采集；补光模块用以在低照度环境下为云台相机补充光源；存储模块用以存储采集的数据供离线处理；第一图传电台用以将无人机与地面站第二图传电台的数据传输；机载数据处理单元用以控制云台相机的姿态以及发送采集信号。

3.根据权利要求1所述的基于深度学习的无人机桥梁裂缝检测方法，其特征在于，步骤

5）中，对采集图像进行预处理，其中，归一化的公式如下： ，其中 代表图像像素点值， 代表最大像素值， 代表最小像素值。

4.根据权利要求1所述的基于深度学习的无人机桥梁裂缝检测方法，其特征在于，步骤

5）中，对于采集光线暗时的图像，采用伽马校正，公式如下：，

其中 为可调节系数，为当前图像。

5.一种基于深度学习的无人机桥梁裂缝检测系统，其特征在于，包含采集模块、三维建模模块、规划路径模块、仿真飞行模块、预处理模块、检测模块；

采集模块用以用测绘无人机A采集所测桥体及其周边地形环境，并将数据实时传入到地面处理平台；

三维建模模块用以用地面处理平台根据测绘无人机A传回的数据进行三维建模，得到待测桥梁及其周边环境的3D坐标实景模型；

规划路径模块用以通过地面站根据3D坐标实景模型，规划图像采集无人机B的飞行路径，并将指令传达至图像采集无人机B的飞控模块；

仿真飞行模块用以按照规划路径模拟图像采集无人机B的仿真飞行，模拟过程中当无人机进入桥底时，通过UWB辅助定位模块获取无人机位置，传入地面站后由地面站不断修正后得到实际飞行路径，图像采集无人机B按照实际飞行路径实际飞行，并将采集图像实时传入地面站，同时通过储存模块保存供离线处理；

预处理模块用以对采集图像进行预处理，该预处理方式包含归一化、高斯滤波处理、伽马校正；

检测模块用以通过改进后的SSD检测算法对预处理后的图像进行检测，完成对缺陷的检测; 改进的SSD检测算法包含数据集的制作单元、改进SSD骨干网络单元、损失函数单元；

数据集的制作单元用以使用剪切混合的数据增强方法，进行数据集的制作，其中，剪切混合的公式如下：，

，

其中， 和 是两个不同的训练样本， 和 是对应的标签值，剪切混合需要生成的是新的训练样本和对应标签 、 ， 是二进制掩码，是逐像素相乘，属于Beta分布： , 则服从（0，1）均匀分布；

对剪裁区域的边界框 进行采样, 用来对样本 和 做裁剪区域的指示标定,公式如下：

，

，

确定好裁剪区域B之后，将M中的裁剪区域B置0，其他区域置1，完成掩码的采样，将样本A中的剪裁区域B移除，将样本B中的剪裁区域B进行裁剪然后填充到样本A，得到数据集；

改进SSD骨干网络单元用以将高层与低层的特征图进行融合，将全连接层6和全连接层

7分别进行CBL操作后再进行下采样操作以改进SSD骨干网络；

损失函数单元用以计算改进后SSD的损失函数，公式如下：=  ，

其中损失函数的第一部分是类别损失，第二部分是位置损失，是匹配的先验框个数。

6.根据权利要求5所述的基于深度学习的无人机桥梁裂缝检测系统，其特征在于，规划路径模块中，图像采集无人机B包含飞行控制模块、测距传感器模块、加速度传感器模块、GPS定位模块、UWB辅助定位标签、第一数传电台、补光模块、云台相机、存储模块、第一图传电台、机载数据处理单元；

飞行控制模块用以接收飞行路径；测距传感器模块用以测量无人机与桥梁之间的距离；加速度传感器模块用以检测无人机的加速度大小； GPS定位模块用以定位无人机；UWB辅助定位标签用以在桥底GPS信号弱的情况下辅助定位；第一数传电台用以无人机与地面站第二数传电台之间的数据传输；云台相机用以图像的采集；补光模块用以在低照度环境下为云台相机补充光源；存储模块用以存储采集的数据供离线处理；第一图传电台用以将无人机与地面站第二图传电台的数据传输；机载数据处理单元用以控制云台相机的姿态以及发送采集信号。

7.根据权利要求5所述的基于深度学习的无人机桥梁裂缝检测系统，其特征在于，预处理模块中，对采集图像进行预处理，其中，归一化的公式如下： ，其中 代表图像像素点值， 代表最大像素值， 代表最小像素值。

8.根据权利要求5所述的基于深度学习的无人机桥梁裂缝检测系统，其特征在于，预处理模块中，对于采集光线暗时的图像，采用伽马校正，公式如下：，

其中 为可调节系数，为当前图像。