本稿では、コンピュータビジョンを活用した自動クラック検出の検出能を向上させるため、新たなエンドツーエンド型深層学習超解像クラックネットワーク（SrcNet）を提案する。無人ロボットを用いて大規模な土木構造物のクラック検出に活用されるデジタル画像は、運動ブラーの影響や画素解像度の不足に起因して、クラック検出能が低下する傾向にある。提案するSrcNetは、深層学習を用いて入力画像の画素解像度を向上させることで、クラック検出能を顕著に向上させることができる。SrcNetは基本的には2段階のプロセスから構成される：第I段階—深層学習に基づく超解像（SR）画像生成、第II段階—深層学習に基づく自動クラック検出。対象橋梁表面から得られた原始デジタル画像を入力とし、第I段階でその対応するSR画像を生成する。その後、第II段階では生成されたSR画像から自動的にクラックを検出する。このプロセスにより、クラック検出能を大幅に向上させることが可能となる。SrcNetの有効性は、韓国に所在する実橋のコンクリート構造物から、登攀型ロボットおよび無人航空機（UAV）によって取得されたデジタル画像を用いて実験的に検証された。検証結果から、提案手法であるSrcNetは、原始デジタル画像を用いたクラック検出結果と比較して、24%高いクラック検出能を示した。