本发明公开了一种基于卷积神经网络的隧道衬砌空洞声学识别方法，首先利用麦克风声压传感器采集衬砌空洞区域与非空洞区域在外部激励作用下产生的声压时域数据样本。然后，利用数据标准化程序对两种工况时域声压样本数据进行标准化处理。随后，利用小波分析技术对两种工况下声压数据进行时频分析，将声压数据转换为二维时频特征谱图。最后，构建基于卷积神经网络的深度学习模型，利用声压信息的二维时频特征图谱对模型进行训练，得到隧道空洞识别模型。最终利用隧道空洞识别模型，对新的样本数据进行识别与分类，判断样本数据所对应的隧道区域是否出现空洞。本方法对于隧道衬砌结构空洞识别具有较高的准确率、可靠性、鲁棒性与适用性。