隧道渗漏水检测是隧道运行维护的重要工作之一,其主要目的是检测出隧道中渗漏水区域的位置和面积,为隧道的防水等级评估以及补漏工作提供依据,然而目前常用的检测方法均未能有效地满足这些要求。针对这些不足本文研究了隧道渗漏水红外热像特征的识别与提取技术。首先,根据渗漏水检测的需要研究了隧道渗漏水的识别技术,用于识别并判断在拍摄得到的红外热像图中是否存在渗漏水区域;利用训练并收敛的卷积神经网络模型来完成渗漏水的识别,测试结果表明,该渗漏水识别模型能够在测试集上取得94.85%的检测精度,并且其检测平均耗时为40.5ms,能够满足实时检测的目的。其次,研究了一种渗水区提取技术,用于提取出红外热像图中的渗漏水区域。渗水区的提取在渗漏水识别之后进行,用于对检测存在渗漏水的区域做二次检测和分析;利用训练并收敛的全卷积神经网络模型来完成渗水区的提取,测试结果表明,该渗水区提取模型能够在测试集上达到95.56%的提取精度,并且联合渗漏水识别模型能够取得94.96%的联合提取精度。最后,研究了渗漏水的定量分析技术,用于计算得到渗水区的真实位置和面积。利用超声距离传感器、角度传感器、可见光摄像头结合椭圆拟合以及透视成像原理,实现了渗水区像素点与真实隧道衬砌点之间的变换。此外利用三维建模软件和渲染工具进行了精度分析,分析结果表明,该反变形计算能够达到95%以上的精度。