过盈装配是通过工件间的过盈配合来实现装配的一种配合方式,由于其结构简单、对中性好等优点,被广泛用于各种机械装备中。过盈配合的质量决定着机械设备的服役性能,由于在服役过程中受到振荡、冲击、负载等作用,会出现应力集中、偏载等情况,从而造成过盈配合出现松动,甚至在边缘处萌生微动裂纹,因此有必要对过盈配合的质量进行检测。本文通过激光超声的方法评价过盈配合的连接状态,主要包括过盈配合的装配状态,即是否松动;以及对结合面接触状态和边缘裂纹进行检测,并通过深度学习的方法,对微小裂纹进行检测识别。论文首先论述超声导波检测过盈配合状态的理论依据。根据导波通过结合面的传播特性,提出激光超声检测过盈配合状态的思路方法,确定不同的激励接收方式,以波能耗散法为理论依据探究导波能量与过盈量之间的关系,实现不同检测方式结果之间的相互验证。其次,根据理论分析设计实验流程,搭建激光超声过盈连接状态检测平台,制备试样和零件。将激光辐射在铝板表面激励出超声波,从而达到非接触式激发的目的。用功率谱密度（Power Spectral Density,PSD）计算不同过盈量下导波功率,提出一种基于导波能量的过盈装配状态的评价方法。并且通过获得全场的波形传播图对接触边缘的微小裂纹进行识别,同时耦合扫描区域和裂纹位置对裂纹进行定位。经过实验验证,得到导波功率与过盈量的关系模型。该方法不仅可以获得过盈装配连接状态,还可以通过获得的全场波形传播图实现微小裂纹的识别和定位,为过盈装配结构状态检测以及微小裂纹的检测提供了新的思路方法。最后,引入深度学习算法对不同尺寸裂纹进行智能化检测。将由激光超声可视化技术检测得到的裂纹图像加以标注组建数据集,引入One-stage目标检测算法—YOLOv5神经网络作为检测裂纹的深度学习模型,经过训练实验验证了该模型的可行性,实现了微小裂纹的智能化检测。综上所述,通过本文实验研究,建立了过盈量和导波能量关系模型,揭示了超声导波在过盈配合结构中的传播规律,验证了超声可视化用于过盈配合边缘裂纹检测的可行性,通过深度学习实现了过盈配合边缘裂纹的智能化检测。研究结果表明本文提出的思路和方法对过盈配合结构健康监测具有参考作用。