当前,我国已经迈入加快建设交通强国新征程,在着力建设现代化综合交通运输体系的同时,既有设施的运维同样重要。隧道作为缩短运输距离,提高运输效力的重要保障,在其长期运行过程中会出现不同程度的病害,这种表现在衬砌结构内尤为明显,例如隧道衬砌厚度不足、衬砌裂缝、衬砌空洞等,其中空洞病害是衬砌病害的一种主要表现。衬砌空洞的存在会使衬砌结构及围岩的受力状态发生变化,甚至会导致突发性崩塌,所以对于衬砌空洞病害的定期检测十分必要。目前,将探地雷达运用到隧道衬砌结构当中的应用实例屡见不鲜,旨在精准、快速、无损地检测出藏匿于衬砌结构内部的空洞病害并采取积极的防治措施,以保障隧道的安全运行。但受到复杂多变的探测环境以及衬砌结构内钢筋的影响,探地雷达空洞病害回波边缘常常出现被遮挡的情况,所以亟需研究一种即使在环境噪声的影响和钢筋回波的遮挡下,依旧可以精确且快速识别空洞病害边缘的方法。以隧道衬砌结构内的空洞病害为研究对象,以探地雷达为衬砌病害的检测手段,采用正演与模型实验结合的方式,开展了以下工作:（1）建立了基于探地雷达的隧道衬砌空洞病害模型,并对病害模型进行了正演:建立了多目标回波模型（模型当中同时包含钢筋与空洞）,将钢筋直径、钢筋间距、空洞大小等作为变量排列组合,形成了钢筋干扰下的病害-数据样本集。（2）设计了隧道衬砌结构空洞病害模型实验,使用意大利生产的IDS Fast Wave探地雷达设备和K2-FW软件完成了数据的采集与整理,形成了实验样本数据集。（3）在正演结果及模型实验结果的基础上,分析了病害回波与非病害回波在形态学上的差异,提出了采用梯度方向直方图作为特征提取的手段,对病害样本集当中的数据进行了边缘特征的提取,构建了空洞病害边缘特征表征向量。（4）构建了特征向量-标签数据集,建立了隧道衬砌空洞病害边缘损失函数,利用双层卷积神经网络对提取到的样本数据的梯度方向直方图特征进行分类,实现了钢筋遮挡下的空洞病害边缘精准识别。