摘要：针对房屋质量缺陷人工巡检效率低、漏检率高的问题，本研究提出基于深度学习的优化识别模型。通过将MobileNetV3的SE模块替换为坐标注意力机制，参数量降低16.5%；结合ASPP-FPN多尺度融合增强细小裂缝检测能力；采用Focal-DIoU联合损失解决类别不平衡问题。在保障房案例中，模型mAP@0.5达89.2%，较基线提升4.7个百分点，推理时延40ms。部署至边缘设备后实现日均1120张图像自动识别，漏检率从12.4%降至3.4%，年节省人工成本18万元。