随着我国投入运营的隧道数量增加,隧道衬砌结构安全性和可靠性问题日益突出。在运营期间,隧道衬砌结构受到复杂的地质环境、恶劣的自然气候、多变的内外部荷载影响薄弱环节易产生裂缝、空洞、渗水等病害。现阶段,我国隧道衬砌结构病害检测及其安全性评价研究存在自动化效率低、受人工主观因素大、无损检测技术不完善的问题。针对上述问题,本文依托工程案例提出了基于深度学习和探地雷达的隧道衬砌病害检测和安全性评价方法。首先,本文进行了基于深度学习和探地雷达数据的衬砌病害智能反演研究,分析了探地雷达采集的衬砌结构病害数据特征,开发了基于卷积神经网络的病害数据智能反演技术;之后,进行了基于深度学习和探地雷达智能反演结果的衬砌病害检测技术研究,设计了30个不同结构的Faster R-CNN模型,用于模型的参数和结构优化;最后,本文进行了基于模糊评估方法的隧道衬砌安全性评价方法研究,提出了适用于隧道衬砌结构安全性定量评价地模糊综合评价模型。研究结果表明该智能反演方法实现了基于探地雷达数据的衬砌-围岩界面、钢筋位置、衬砌裂缝、衬砌漏水、衬砌脱空的准确稳定反演;优化的Faster R-CNN模型具备了识别和定位衬砌裂缝、衬砌漏水、衬砌脱空和衬砌结构钢筋的能力;稳定性分析结果表明Faster R-CNN的病害识别基本不受衬砌结构影响;工程实践结果表明本文采用的基于模糊评估方法的隧道衬砌安全性评价方法可以进行衬砌结构安全的定量评价和安全性预测。