随着地铁隧道使用年限的增加，以裂缝为代表性的病害逐渐增多，隧道裂缝作为评价隧道安全状态的重要指标，监测分析裂缝对于保障隧道结构安全具有重要意义。为解决现场人工巡检效率低的问题，车载相机图像采集系统开发和使用，为裂缝监测分析提供了包含隧道管片完整表面病害的高分辨率隧道内表面图像，方便监测人员获取隧道内部病害情况，但海量图像数据单纯依赖人工处理已无法满足实际工程的需求。因此，结合机器视觉和人工智能技术，高效准确处理隧道内表面图像，实现结构裂缝的自动标记与计算分析，能够极大的提高裂缝监测分析工作的效率。本文在地铁隧道建设图纸等信息缺失的情况下，基于隧道内表面图像自动推断出管片环结构，获得结构展开图，并进行裂缝在展开图的自动化标记及建模分析研究，具体工作如下：
　　(1)在地铁隧道建设图纸缺少的情况下，分析地铁盾构隧道采集图像，对能够反映隧道管片结构拼装规律的特征物进行检测研究。分别运用直线检测、目标检测算法检测特征物：拼缝，螺栓孔。根据霍夫变换拼缝检测结果，分析得出拼缝检测易受多种因素影响，进而分别使用传统的级联分类器算法、基于卷积神经网络的深度学习算法检测螺栓孔，从算法的检测用时、检测精度等方面进行分析，确定出较好的检测算法。比较螺栓孔及拼缝的检测结果，得出地铁隧道结构自动化重构中优选特征物及相应检测算法。
　　(2)基于特征物螺栓孔检测结果，提出了自动化识别隧道管片环结构形式的算法。定义螺栓孔分布特征数组，通过各通道融合图像的螺栓孔检测结果以及标准管片环展开图中螺栓孔的分布情况，得出融合图像整环、标准管片环展开图螺栓孔分布特征数组。将两个特征数组通过滑动匹配算法，自动化重构隧道结构——管片环展开结构。算例结果表明管片环结构形式识别准确。
　　(3)在螺栓孔检测及识别管片环结构形式的基础上，通过融合图像中本环裂缝区域附近螺栓孔建立背景网格，将裂缝在网格中定位，从而将裂缝线性映射到展开图中，实现隧道展开图中裂缝自动化映射标记。
　　(4)通过有限元软件Abaqus建立出地铁盾构隧道整环精细化有限元模型库，根据识别得出的管片环展开结构，自动从模型库调用对应的整环模型。同时基于展开图裂缝标记位置，在调用的整环模型中自动建立裂缝，得出含裂缝的隧道整环有限元模型，为后续裂缝危害的研究提供分析模型。