混凝土缺陷对混凝土结构的安全性和稳定性造成的威胁不容小觑，因此，定期的缺陷检测对混凝土结构的维护至关重要。相较于主观低效的人工视觉检测，计算机视觉因在混凝土缺陷检测的自动化方面具有显著优势而成为近年来的研究热点，但目前缺乏该领域的全面综述。因此，本文旨在综合分析计算机视觉技术在混凝土缺陷检测领域的研究进展，对混凝土缺陷检测涉及的计算机视觉算法进行分类，总结现存的技术难点并分析未来研究方向，为该领域的后续研究提供一定的参考。

为实现变电站工程建设中钢结构与电力设备的配套控制管理，需要从大量的钢结构图纸标题栏中识别相关信息，并与实物进行匹配。针对标题栏中字体模糊、表格形式多样、信息量混杂等问题，提出了基于深度学习CNN+RNN模型的文本检测和CRNN模型的文字识别方法。对现有钢结构变电站工程施工现场钢结构数据集的检测与识别显示，该方法的检测精确率达到80%以上，识别准确率达到90%以上，均优于其他文本检测与识别方法。工程应用结果表明，该方法有效解决了因文字的大小、字体、颜色与排列方式等差异引起的特征提取困难，提高了变电站钢结构图纸标题栏文字识别的准确率。

受打印材料、打印装备、打印工艺及环境条件的影响，混凝土3D打印成形质量控制较难，且传统的人工检测手段效率低下，因此，亟需寻求新的检测途径。机器视觉技术作为一种非接触式检测方式，已逐步开始应用在混凝土3D打印缺陷检测中。为此，本文从混凝土3D打印几何形貌与精度、层间变形与稳定性及表面缺陷三个方面，综述了机器视觉技术在混凝土3D打印缺陷检测中的研究现状，以期为混凝土3D打印质量控制及发展提供借鉴。