针对传统公路隧道人工巡检效率低、病害识别滞后、环境响应慢等问题，本文构建了一种基于人工智能与物联网技术深度融合的 隧道智能监测系统，实现结构安全与环境风险的实时、精准、自动化监测与预警。该系统集成计算机视觉与物联网技术，采用改进 YOLOv8 算法实现裂缝与渗水病害的高精度识别，部署多源传感器监测 CO、烟雾、温湿度等参数，并基于 XGBoost 建立动态风险评估模型，通过 边缘-云端协同架构实现高效数据处理。实际测试表明，裂缝与渗水识别精度分别达 92.5%和 89.7%，预警误报率低于 5%，环境异常响应时 间小于 3 秒，年均运维成本降低约 30%。本系统实现了“结构-环境”双维度风险的实时评估与预警，较高提升了隧道监测的自动化与响应 效率，为智慧交通基础设施的智能化运维提供了可靠技术支撑。 关键词：隧道病害检测；计算机视觉；多源数据融合；动态风险评估；边缘计算；物联网