涡轮叶片是航空发动机中的核心部件之一,无损检测是控制涡轮叶片生产质量的关键技术,涡轮叶片中微裂纹会在服役过程中受疲劳因素影响而扩展,甚至造成叶片断裂,针对涡轮叶片微裂纹进行无损检测对保障飞行安全性有重要意义。本文以航空发动机涡轮叶片为对象,以涡流检测和X射线成像检测两种方法开展涡轮叶片微裂纹无损检测试验。针对涡轮叶片微裂纹检测问题,首先开展了低压涡轮叶片进气边及排气边微小缺陷的涡流检测研究,确定涡轮叶片中可疑缺陷位置。根据涡流检测结果,对涡轮叶片可疑缺陷区域进行微焦点X射线显微成像试验验证,将两种检测方法的检测结果进行对比验证。针对低几何放大倍数条件下DR成像结果细节分辨率不足的问题,开展涡轮叶片DR图像超分辨率重建研究。具体工作如下:（1）低压涡轮叶片微小缺陷的涡流检测。以设计制造的高温合金缺陷对比试样为对象开展微小缺陷涡流检测检出能力测试,在保证检测结果信噪比较高、缺陷特征信号较为明显、信号幅值较高的前提下,确定了涡流检测系统能够检出的人工线型缺陷尺寸信息。以不同型号的航空发动机低压涡轮叶片为对象进行试验,能够检出叶片进气边、排气边边缘中的微小缺陷,且检测信号幅值、信噪比、典型缺陷信号特征均得到较好显示,为微焦点X射线显微成像试验提供了依据。（2）涡轮叶片微裂纹X射线显微成像。以加工有人工线型缺陷的某型涡轮叶片为对象进行微焦点X射线显微成像试验,缺陷影像特征明显,并能准确地得到工件中缺陷尺寸信息,测试结果与真实值的相对误差与绝对误差均较小。根据涡流检测结果确定的缺陷位置,开展不同检测系统、不同成像条件下涡轮叶片DR成像试验,在涡流检测显示的缺陷位置处均发现微裂纹,微裂纹显示效果受焦点尺寸、几何放大倍数影响,试验中发现了最小宽度为21μm,最小长度为391μm的微裂纹。多尺度对比度增强算法能够有效增强DR图像中细节特征及微裂纹的显示效果。（3）涡轮叶片DR图像超分辨率重建。构建了以残差网络为主体的SRRes Net图像超分辨率重建模型,通过两层子像素卷积模块使重建图像宽、高变为输入图像的4倍,优化损失函数后将SRRes Net模型引入GAN网络作为生成器,与构建的判别器组成SRGAN网络模型,引入基于Bicubic基函数的双三次插值算法,采用三种算法进行了有参考DR图像及无参考DR图像的图像超分辨率重建试验,并对涡轮叶片DR图像超分辨率重建图像进行了定量评价。对比重建结果发现基于深度学习的SRRes Net算法及SRGAN算法重建效果均优于双三次插值算法。SRRes Net模型对低压涡轮叶片DR图像重建效果最好,有效提升图像清晰度,改善微裂纹显示效果。SRGAN模型在DR图像重建试验中重建图像显示效果较差,部分情况下会产生明显的背景噪声。