用途：该技能用于建筑质量控制中的缺陷检测，通过深度学习对图像和视频进行分析，自动识别结构与表面缺陷、判定严重程度并生成检查报告。
主要能力：可检测的缺陷包括混凝土的裂缝、剥落、蜂窝、泛碱；钢材的腐蚀、焊缝缺陷、变形；砌体的砂浆劣化、位移；饰面的表面缺陷、涂层失效；以及机电工程的保温层损坏、管道腐蚀。提供基于ResNet18的简单分类器，以及基于Faster R-CNN的目标检测模型，可输出缺陷类型、置信度、严重等级、边界框和面积占比；裂缝分析模块可测量裂缝长度与宽度、判断走向并分类（如结构裂缝、沉降裂缝、剪切裂缝、收缩裂缝），严重程度参考ACI 224R指南。检查报告系统可汇总缺陷数量、总长度、最大宽度、按严重程度和类型分组统计。
使用方式：需安装PyTorch、torchvision、OpenCV、Pillow、NumPy、pandas等依赖。示例中通过SimpleDefectClassifier.predict()对单张图像分类，或通过DefectDetectionModel.detect()进行目标检测，可传入pixels_per_mm参数换算实际尺寸；CrackAnalyzer.detect_cracks()用于裂缝检测与测量；DefectInspectionSystem.perform_inspection()执行完整检查并生成结果。
适用场景：混凝土、钢材、砌体、饰面及机电工程的施工质量检查与缺陷记录。
限制：资料未提供预训练权重、数据集、准确率指标、收费信息或平台支持情况；示例模型使用通用预训练权重，实际检测效果需自行训练与验证；严重程度阈值和裂缝分类规则为示例性设定，需结合工程标准调整。