ترک ها به عنوان یک شاخص مهم برای وضعیت ساختمان شناخته شده اند و می توان آنها را به چند نوع مختلف طبقه بندی کرد. آسیب می تواند به دلیل عوامل مختلفی از جمله قدمت ساختمان، طراحی، ویژگی های خاک زیر ساختمان و تأثیرات محیطی رخ دهد. به عنوان مثال، ترک‌های ناشی از فعالیت لرزه‌ای بر روی سازه‌ها، مانند ساختمان‌ها، خطری جدی ایجاد می‌کنند و در صورت عدم توجه می‌توانند منجر به فروریختن سازه شوند. بر اساس شدت تاثیر آنها، مطالعه حاضر ترک ها را به چهار گروه تقسیم کرد. در یادگیری عمیق، از چهار مدل (VGG16، Alexnet، Resnet50 و مدل اصلاح CNN) برای مقایسه دقت و زمان تکمیل آنها استفاده کرده‌ایم. نتایج نشان داد که مدل VGG16 دقیق تر است. (98.32%)، از طرف دیگر Resnet50 کمترین دقت را داشت (75%). با این وجود، ترکیبی از مدل ها میزان دقت 91٪ را ارائه می دهد. نتایج کارایی یادگیری عمیق را در تشخیص سریع و دقیق و طبقه بندی ترک ها نشان داد.