随着我国建设事业的发展,建筑质量检测的工作量也日益增多。然而,当前的钢筋施工质量检测技术作业效率较低,探测数据处理周期较长,难以满足增长的工程需求。因此,具备高效率和能辅助数据解译的钢筋探测方法成为了行业发展的需求。另一方面,城市地下管线种类和数量众多,管线位置信息的缺失会对城市的运维和部分施工建设造成影响,地下管线的探测和城市地下管网数据库的建立是很有必要的工作。面对巨大的工作量,现有的探测技术难以满足需求,地下管线探测技术需要进一步地改善,高效率、高精度的探测方法也成为了行业的发展需求。本文基于深度学习和探地雷达对混凝土内的钢筋和地下管线进行智能探测与定位的方法研究,钢筋和地下管线作为圆柱状目标,在探地雷达B扫描图像中呈双曲线状态。根据这一目标成像特征,本研究利用SSD模型在训练过程中学习目标特征的优秀能力,实现模型对钢筋和地下管线双曲线的智能识别。首先,通过探地雷达现场采集混凝土内钢筋与地下管线的真实数据,并根据数据扩增策略制作样本集;然后,通过迁移学习的方式利用钢筋和管线的样本训练SSD模型,分别获得SSD-R模型和SSD-P模型;通过模型性能测试发现,SSD-R模型和SSD-P模型都具有很高的目标识别准确率,其中SSD-R模型对钢筋识别的平均准确率为90.9%,检测时间为0.47 s(2.1FPS),满足实时探测的要求;SSD-P模型对地下管线识别的平均准确率为89.1%,检测时间为3.1 s(0.32 FPS),在工程应用中能够辅助探测工作,缩短周期。为了实现对地下目标的定位,本文提出了一种定位算法,算法由绕射叠加偏移、图像二值化和目标定位估计法组成。在绕射叠加偏移算法中,电磁波速值由高阶自动对焦法获取,而图像二值化的阈值由迭代阈值法确定。探地雷达图像中的双曲线目标被SSD模型识别后,对目标区域进行提取,利用提出的定位算法确定双曲线的顶点位置,再通过计算可获取目标的埋深或水平间距。验证实验表明,本文提出的定位算法具有较高的准确性,钢筋保护层厚度的估计误差不超过1.2 mm,水平间距误差不超过0.6 cm;地下管线的埋深估计误差不超过5 cm。上述方法能够提高现场作业的探测精度和工作效率,具有很好的工程应用前景。