脉冲红外无损检测技术,通过对被测材料主动施加脉冲热流,使材料内部缺陷处热传导的不连续性,以被测材料表面温度变化的差异表现出来。采用红外热像仪,采集材料降温过程中连续不同时刻的表面温度数据。通过缺陷定量评估算法对采集数据进行分析和处理,实现对内部缺陷的检测。从对缺陷的检测方法来分析,其包含三个紧密的信息处理过程,一是基于灰度变换和序列特征的预处理,二是针对处理后红外热波图像数据的缺陷分割,三是针对分割数据的缺陷识别。从实验材料来分析,由于航空复合材料的物理特性差异,现无某一个信息预处理方法能够适用于全部航空复合材料;新型航空复合材料的出现和高性能,需要之相适应的新研究被提出。从检测算法的发展来分析,开发涵盖应用需求的脉冲红外无损检测专业处理软件,是缺陷检测算法落地的基础,也是检测算法获得改进动力的源泉。基于上述分析,本文以缺陷检测算法的基础改进为主,以算法在软件平台落地为辅展开研究。缺陷分割方面,基于改进的二维直方图对二维Otsu分割算法的区域划分问题进行改善,抑制二维Otsu分割算法的理论误差;结合局部阈值分割法的相对阈值思想,提出一种鲁棒性更强的Otsu缺陷分割算法;针对新型航空复合材料的红外热波图像数据,对该算法进行实验验证,并与经典的二维Otsu分割算法进行对比分析。实验表明,该算法引入邻域均值与邻域总梯度作为表征像素点的所属类别与空间状态的重要参数,采用基于混合维度的统计调整模型对图像数据的缺陷区和非缺陷区的灰度值进行动态调整,能够解决残存背景温度值分布不均问题,提升Otsu算法鲁棒性;采用基于灰度-邻域偏差的改进二维直方图及其区域划分方法,通过自动选取邻域边长搜索最佳阈值,能够避免选择不合适的邻域边长,提升缺陷分割准确率。缺陷识别方面,在缺陷分割的基础上,引入机器学习方法对缺陷参数的智能化提取展开研究。分析不同初始类别数对K-means聚类算法的缺陷识别效果的影响,确定出合理的预设类数区间,遍历预设类数为稳定的识别结果奠定基础;针对簇心分布的特征,设计优化方法合理压缩数据量,能够降低冗余簇心对运算效率的影响;针对缺陷分割数据特征,基于图论连通的思想计算位置坐标,能够确保算法具有较高的识别正确率;根据对热传导理论的分析确定BP神经网络的输入数据维度,建立误差相对较小的缺陷深度识别网络,能够实现对受温度辐射不均匀影响、深度较深、尺寸较小的缺陷的有效识别。软件平台方面,开发脉冲红外无损检测专用处理软件。在集成预处理算法的过程中,对新型航空复合材料红外热波图像数据,采用多种序列增强算法进行实验分析,确定出集成在软件系统中的算法;在设计软件系统的过程中,确保软件系统轻量级和强可拓展性,同时,尽可能地覆盖用户处理和分析脉冲红外无损检测数据的应用需求;在部署开发处理模块的过程中,采用C#与MATLAB联合编程的方法,为后续的科研工作提供了有力的支持。创新点归纳为两点,一是采用像素点灰度与其邻域像素点偏差值的二维向量,优化二维Otsu的划分方式,抑制在红外无损检测过程中,经典二维Otsu算法的阈值计算误差。二是提出鲁棒性更强的Otsu缺陷分割算法,解决残存的背景温度值分布不均的问题,结合调整的阈值搜索方式,最终实现脉冲红外无损检测缺陷分割准确性的提高。