近年来,我国的隧道工程建设快速发展,隧道运营里程不断增加。由于隧道受地质条件、气候环境及长期运营扰动等影响,衬砌表面极易产生裂缝、剥落、渗漏水等病害,导致隧道结构稳定性降低,严重威胁运营安全。上述病害通常在隧道衬砌结构表面均有所反应,隧道表观病害的检测已成为保障隧道运营安全的重要环节。传统的人工巡检和图像处理方法存在检测效率低、识别准确率低、主观性强等缺点,难以满足隧道表观病害高效准确识别的需求。因此,快速采集高质量隧道表观病害图像、高效准确地识别隧道表观病害已成为迫切需求。针对上述需求,本文开展基于线扫描相机的隧道表观病害采集装置与智能识别方法研究,主要研究工作及成果如下:（1）为了快速获取高质量的隧道表观病害图像,本文利用线扫描相机结构简单、灵活、具有高分辨率和高扫描频率的特点,搭建了基于线扫描相机的隧道表观图像采集装置,包括4台线扫描相机,配备激光光源补光,实现了在单次行程中对半幅隧道横断面图像的采集,并分别完成图像采集装置在不同车载平台上的安装和参数配置,在实验室模拟隧道环境和隧道现场开展了采集实验测试,解决了隧道表观病害图像的快速高质量获取问题。（2）针对线扫描相机在高速移动下,易受车载平台行驶不平稳、行进路线摆动、路面坑洼不平等因素影响,导致采集图像扭曲变形的问题,本文提出了基于有监督生成对抗网络的隧道表观扭曲图像复原方法,重点设计了基于通道的注意力残差模块,将SE模块与生成器网络的残差结构结合,引导网络关注并校准特征通道的权重,最后进行了消融实验和对比实验,有效解决了高速移动的巡检过程中线扫描相机图像扭曲变形的问题。（3）针对隧道复杂背景干扰及小尺寸病害难以识别的问题,本文研究了基于多尺度特征融合的隧道表观病害智能识别方法,通过在实例分割网络中引入多尺度骨干结构Res2Net模块,增强了网络的多尺度特征表示能力和性能,通过小尺寸病害识别实验和不同背景干扰下病害识别实验,验证了本文算法对解决上述问题的有效性,提高了网络对隧道表观病害识别的准确率。