改扩建砖混房屋存量巨大，且易发生坍塌事故。仅靠人工方式辨识隐患房屋较为低效，尝试引入机器视觉模型更智能地辨识隐患房屋。首先，收集已标注安全现状的相关房屋图像7　114幅，经一定处理后按6∶2∶2的比例划分训练集、验证集与测试集；之后，选用ConvNeXt、Swin　Transformer、ResNeXt、DenseNet和MobileNet五种视觉模型，以迁移学习的方法，进行适应本识别任务的微调训练，并与引入“随机裁剪拼接(Random　Image　Cropping　and　Patching,　RICAP)”图像数据增强方法的训练结果对比；最后，综合运用多种指标评价各个模型表现。结果表明：引入RICAP方法训练的ConvNeXt模型，在测试集上取得0.945　9的准确率、0.974　2的召回率，比未使用该方法训练的表现最优的模型分别提升0.014　8、0.044　4,可更准确地辨识隐患房屋。