为了解决以往桥梁裂缝检测模型参数量大、检测效率低、延迟高，无人机采集图像质量不佳等问题，引入图像质量评价模型和SeaFormer轻量化语义分割算法，通过改进YOLOv7目标检测算法，训练并建立基于改进的YOLOv7和SeaFormer的桥梁裂缝识别与分割一体化模型，提出了基于内切圆的裂缝长度与宽度像素级计算方法。同时，采用先识别，然后将裂缝识别目标框图像作为分割模型的输入图像进行分割，再将分割图像进行处理并按照目标框位置信息映射回原图的方案，大大提高了裂缝的检测效率；利用本文质量评估模型筛选并标注公开混凝土桥梁裂缝图像，作为本文模型数据集。通过在此数据集上与主流模型进行训练测试对比，证明了本文算法在精度、轻量化等方面的优势。然后利用大疆精灵4prov2.0无人机在距离待测面3米处采集结构裂缝图像进行精度验证，裂缝宽度检测相对误差在18%以内，裂缝长度检测相对误差在10%以内。另外，在加入兰州市中山桥桥墩裂缝图像的混合测试集中，裂缝识别定位精准度达91.38%,F1分数88.94%，召回率86.62%；裂缝分割准确度为93.66%，交并比90.17%。研究结果表明：基于改进YOLOv7和SeaFormer的一体化桥梁裂缝检测方法在兼顾检测速度与精度的情况下，模型更小、检测效率更高，更适用于搭载在无人机等移动设备进行桥梁、高塔等结构的裂缝检测。
