我国地震、火灾等灾害频发，不仅直接造成重大人员伤亡和财产损失，而且时常在灾害救援现场因产生次生灾害导致大量人员伤亡。这种次生灾害通常是由于建筑物突然坍塌导致。如2003年湖南衡阳衡州大厦火灾，在全部救出412名人员后，突发8层高楼坍塌事故，造成20名救援的消防指战员殉职。但是，灾害救援现场环境条件复杂多变，现有技术和装备难以发现和辨识潜在风险。因此，难以做出精准的风险预警和及时的应急指挥和风险防控。在建筑物坍塌监测预警方面，目前对于地震后建筑物坍塌监测预警研究近乎空白，没有相关研究成果；对于火灾时建筑物坍塌监测预警研究，仅针对少数建筑结构形式，缺少系统的研究成果。主要原因是火灾时建筑物坍塌数据的采集较为困难。而坍塌数据很大一部分依赖于墙体裂缝检测。目前基于数字图像方法的墙体裂缝检测主要是基于深度学习图像处理技术。但是目前这些算法模型非常大，必须要依靠GTX2080系列的显卡才可以达到实时计算的效果。然而由于成本和能耗的制约，普通廉价的无人机上搭载的嵌入式CPU无法实时计算如此庞大的模型。另外现有模型大小通常在100M以上，而现有嵌入式CPU片内存储空间非常小（通常在3M以内），无法存储如此庞大的模型。所以轻量级的小模型研究是能实现廉价无人机上地质灾害监测系统的一个必要的条件。因此基于低成本的轻量级的图像边缘计算系统成了目前建筑物坍塌监测传感器研究的新方向。
本项目的目的是研究低成本的轻量级的图像边缘计算系统，改进廉价无人机的建筑物坍塌检测传感器。
1、完善廉价无人机的建筑物坍塌检测传感器，使其能投入投入险情现场工作。
2、解决裂缝检测依靠高性能，高成本设备的问题，降低救灾的成本。
3、提供实时的灾难现场建筑物但他情况，减少人员伤亡。