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.