近年来,我国的隧道工程建设快速发展,大量的公路、铁路、地铁隧道投入运营。在其长期服役期内,受复杂地质条件等影响,隧道衬砌会不可避免地产生裂缝、剥落、空洞和脱空等结构病害,甚至引发安全事故,对隧道安全运营造成了严重的威胁。因此,对隧道衬砌结构表观病害及内部病害的高效识别对保障隧道安全运营至关重要。传统的人工巡检与病害识别方法耗时费力、主观性强、识别准确率低。研究高效的隧道衬砌结构病害智能识别的方法已成为当前科技前沿热点与未来发展趋势。本文以运营期的公路隧道为研究对象,设计了用于隧道衬砌结构表观和内部多病害同时快速智能识别的方法,并且基于方法的研究,编写了一套隧道衬砌结构病害识别软件系统。本文的主要研究成果如下:(1)将SegNet网络与Focal Loss函数结合,提出了一种基于卷积神经网络FL-SegNet的隧道衬砌结构表观多病害识别方法。主要解决真实环境下,小尺寸病害难识别和多病害重叠时像素冲突的问题。引入Focal Loss损失函数,改善样本不平衡问题,并且通过设置权重使训练重心放在难样本上。为了验证本文方法的适用性,将本文网络作用于江西南石壁隧道的真实隧道病害图片,并且与传统的SegNet网络和两流方法进行了结果对比。实验结果表明,Focal Loss损失函数能有效地提高小尺寸裂缝病害和多病害同时存在情况下的病害识别准确度,更具有优越性。(2)将探地雷达技术和Faster RCNN目标检测网络结合,实现隧道衬砌结构内部多病害的智能、快速、无损检测。主要解决隧道衬砌内部不同类别病害及其组合病害的位置与类型检测,以及钢筋的位置和数量的检测问题。最后对本文方法在仿真和实测雷达数据进行了验证,并计算了每种病害的PR曲线下的面积(area),其中,钢筋的识别精度达到了 1,含空气的裂缝、空洞、脱空、含水的裂缝、空洞、脱空病害的 area 分别达到 0.9073、0.9001、0.8965、0.9059、0.8881和 0.7993。(3)开发了隧道衬砌结构病害智能识别软件系统。基于Python语言,采用了可视化工具PyQt5框架和Qt Designer软件,编写了移植性强,可参数配置,内嵌表观多病害和内部多病害识别功能。集数据处理和识别识别于一体,主要包括数据预处理、病害识别、结果对比和显示等功能。