电磁超声检测是一种新兴的检测手段，其具有无需耦合剂、非接触耐高温等优良特性而应用广泛。但是由于其换能效率低下，作为表面缺陷量化手段时精度较低。本文以非铁磁性材料表面缺陷量化、涂层厚度量化检测为研究对象，从提高换能效率和降低校准过程中的量化误差为角度，研究了电磁超声检测表面缺陷时提高缺陷量化精度的方法。　　首先，分析了电磁超声表面波在非铁磁性材料表面的理论及检测原理，并以此为基础，建立了表面波换能器工作仿真模型。通过仿真软件实现了电磁超声工作时的物理场耦合过程。从电磁超声实验获取的时域、频域特征证明了仿真模型的可靠性。　　其次，为了提高超声表面波换能器的换能效率，使用正交试验设计的方法优化换能器探头的换能效率。分析并选择了换能器中适合作为正交试验因素的参数。使用仿真计算完成正交试验，并通过时域相关性、频域成分对比验证了正交试验能够在不改变探头信号特征的前提下提高换能效率。将正交试验的参数优化结果对比文献中的相关数据，验证了该方法的可靠性。　　然后，提出了一种基于BP神经网络的量化缺陷校准方法。为了增加神经网络在完成缺陷量化检测的校准过程时的稳定性，提出了一种表面波信号扩充样本的方法，通过实际检测实验的数据对这一方法进行了验证，并和传统方法相对比较证明该方法在缺陷量化过程中具有的较高的精度。　　最后，基于以上神经网络校准的方法，提出了一种表面波检测非铁磁性金属表面非金属涂层厚度的方法。根据电磁超声理论，设计了对数线性插值的方法来扩充样本空间从而提高神经网络训练稳定性；并通过实验数据对该方法进行了验证。