Học sâu tiếp tục ngày càng phổ biến và mở rộng cho các ứng dụng kỹ thuật dân dụng nhờ khả năng truy cập dễ dàng vào bộ dữ liệu được dán nhãn khổng lồ, tăng sức mạnh tính toán và sự sẵn có của các mô hình được đào tạo trước do các chuyên gia xây dựng. Trong bài báo này, một phương pháp Convolutional Neural Network (CNN) được sử dụng để phân loại các hình ảnh trên không về vết nứt/không vết nứt được chụp trên bề mặt của kết cấu bê tông. Mô hình CNN đã được đào tạo và xác thực bằng cách sử dụng dữ liệu thử nghiệm có sẵn của 4000 hình ảnh đã xuất bản trước đó. Mô hình CNN được đào tạo sau đó đã được thử nghiệm với 330 hình ảnh không nhìn thấy. Nó đã chỉ ra rằng mô hình CNN được đề xuất có thể phân loại các hình ảnh vết nứt/không vết nứt với độ chính xác là 93%., Tóm tắt tiếng anh, Deep learning continues to growing in popularity and expanding for civil engineering applications thanks to easy access to massive sets of labeled data, increased computing power, and the availability of pre-trained models built by experts. In this paper, a Convolutional Neural Network (CNN) method is employed to classify the crack/noncrack aerial images captured on the surface of concrete structures. The CNN model was trained and validated using the available experimental data of 4000 previously published images. The trained CNN model was then tested with 330 unseen images. It was shown that the proposed CNN model can classify the crack/non-crack images with an accuracy level of 93%.