本文研发基于YOLOv5算法的桥梁病害检测系统，用于无人机桥梁病害检测。首先，通过无人机巡航系统进行病害采集；其次，通过K-means聚类算法对YOLOv5算法中的先验框比例进行改进，获取桥梁病害的尺寸；再次，利用图像切割算法将无人机输入图像切割为640*640尺寸大小，减小模型训练与推理难度，同时利用APAP算法对切割图像识别结果进行拼接，达到完整无人机图像识别结果；最后，采用Python Flask搭建开放式桥梁病害检测Web前端，可根据实际需求调用不同桥梁部位病害权重，实现13种桥梁病害实时检测。结果表明，该模型可有效地降低硬件需求，可直接对无人机图像进行识别处理，实现快速病害检测，有望为桥梁病害检测提供一个高效、安全且具有前景的检测方法。

为更好地实现施工现场工人的安全监管，利用YOLOv5目标识别算法结合无人机倾斜摄影三维建模技术构建施工现场不安全状态智能检测模型，实现对人、机械等目标的识别与定位。通过实验对比分析确定最优目标识别算法，并构建多目标识别模型，实验结果符合理论猜想，整体识别平均精度达到了91.6%。在识别的基础上借助倾斜摄影三维模型所提供的空间位置信息进一步确定所识别目标的相对位置，从而确定工人的安全状态。这种视觉定位的准确性由三维模型所决定，所以最后通过实验验证了无人机倾斜摄影所构建的三维模型的距离误差在1.5% 左右，范围长度大于35m距离误差将小于1%，从而说明了目标识别模型所识别出物体的距离具有较高的准确性。