摘要：针对高层建筑外墙裂缝检测中人工检测效率低、主观性强、安全风险高等问题，本文提出了一种基于CNN的深度学习检测方法。该方法采用UNet编码器-解码器架构进行二值图像分割，并在编码器中引入接收场注意力卷积（RFAConv）模块替代部分传统卷积层，通过动态感受野特征提取和空间注意力机制，增强模型对裂缝特征的识别能力。实验基于25,920张建筑裂缝图像数据集，将提出的UNet+RFA模型与BiSeNet、SegNet、FCN、DeepLabV3+、UNet、DANet、UNet-Attention、U2Net等8种经典语义分割网络进行对比。该方法对建筑外墙材料类型不敏感，可结合无人机技术实现自动化检测，为建筑物表面缺陷智能检测提供了有效的技术方案。