交通建设在国家经济发展中起着十分重要的先行作用,在公路、铁路和城市交通建设中,为了能够跨越江河、深谷和海峡或穿越山岭和水底,需要建造各种隧道工程。相关调查研究表明相当数量的隧道存在病害问题,严重影响到交通运输安全和人民生命财产安全,因此如何快速有效地对隧道病害进行快速检测成为亟待解决的问题。现有的检测设备存在着获取隧道病害图像难、检测隧道病害难等问题,针对上述问题,本文设计并实现了隧道病害检测系统,采用搭载全景视觉传感器的隧道病害检测车,获取隧道衬砌的全断面图像来检测隧道衬砌的“貌”,然后进行全景图像的图像处理;最后,采用卷积神经网络对病害进行自动检测分类识别。本文研究内容如下:1、一种一次性获取隧道全断面图像的隧道病害检测车的研究。本文设计实现了隧道病害检测系统,硬件部分主要包括隧道检测车、全方位视觉传感器(Omni-directional vision sensor,ODVS)、照明光源和远程计算机等。检测流程如下:隧道检测车自带工控机,工控机负责采集隧道衬砌的全景图像,然后进行全景展开处理,最后将展开后的全景图像发送给远程计算机,远程计算机通过配套软件对全景图像进行图像处理。2、基于数字图像处理技术对隧道全景图像进行高精度的自动分析和评估方法的研究。隧道衬砌病害与一般混凝土结构病害不同,存在着对比度低,空间连通性差,光照不均匀,噪声种类繁多,分布无规律等问题,因此本文首先对获取到的全景图像进行处理,主要包括全景图像展开、图像预处理、图像分割等;然后,通过四连通域法提取经最优阈值法处理的二值图像中的病害区域。最后,提出隧道病害量化指标,对隧道病害进行分析研究。3、基于卷积神经网络(Convolutional Neural Network,CNN)的隧道病害识别方法的研究。隧道衬砌病害类别繁多,某些病害仅通过数字图像处理的方法无法识别,因此本文采取卷积神经网络对各种隧道病害进行特征自动提取和识别。由于隧道病害数据比较少,因此首先对已有的隧道病害数据进行数据扩充,然后训练卷积神经网络模型,最后用训练后的模型实现隧道病害的分类识别。本文设计了一种基于全方位视觉传感器的隧道病害检测系统,并对系统实现的各个功能模块与相关算法进行细节表述,最后对本文所研究的内容与实验结果进行总结。实验结果表明,本文提出的方法在一定程度上简化了检测装置在获取隧道衬砌全景图像的结构,通过端对端的卷积神经网络实现了各种隧道病害特征自动提取、检测和识别,为隧道的维护、竣工验收提供了有效的技术支撑。