随着我国工业和制造业的迅速崛起,金属合金等材料在高温高压等环境下被广泛应用,比如具有质量轻、强度高的镁铝合金、钛合金等在飞机高承受力构件中被大量使用,同时,在飞机制造中越来越多的采用一次成型工艺,避免接缝对飞机机体造成影响和损伤。这些新型部件的维护和检修对无损检测技术提出了巨大的挑战。涡流检测技术作为一种效率高、适应性强的方法在大型设备导电材料结构缺陷检测方面已得到广泛研究和应用。然而,现有技术无法实现定量和可视化检测,对专业人员依赖度高,难以满足大型设备的快速自动化可视定量无损检测的应用需求。为此,本学位论文在国家自然科学基金委资助下,将磁光成像引入涡流检测中,提出了一种基于磁光效应的涡流可视化检测技术,并着重分析研究了脉冲涡流检测量化、磁光图像产生机理以及磁光图像缺陷识别等关键技术,建立了相应的数学模型,实现了导体材料缺陷的快速定量可视化检测。文章具体的研究内容和创新点主要包括:(1)深入分析了涡流检测中信号与缺陷信息的耦合机理;研究了脉冲涡流检测技术中信号的分布特性以及信号特征与缺陷几何尺寸的相互关系,优化了涡流激励参数;探究了材料电导率、磁导率等特性对涡流信号的影响,改进了缺陷信息提取算法,为涡流可视化技术研究奠定了坚实的理论基础。(2)在研究涡流与材料耦合机理的基础上,建立了涡流检测的数学模型。通过对材料中的涡流场进行量化计算,得出了涡流场在空间中对磁场分布的影响,引出了缺陷信息与磁场的耦合关系,进而建立了缺陷几何参数与电磁参数分离的计算模型,降低了涡流检测技术中对实验数据的依赖性,为涡流可视化检测中的信号特征提取提供了理论依据。(3)通过分层划分涡流趋肤深度,构建了涡流检测的材料几何参数量化模型,提出了多频率激励模型,解决了激励频率与涡流趋肤深度量化的统一问题;实验表明,运用该模型能精准控制涡流的趋肤深度,为涡流可视化检测技术中的涡流场的定量加载提供了理论支持。同时,该模型还减少了检测中需要的参考试件数量,在理论和工程两方面改进了涡流检测技术。(4)分析研究了磁光图像中缺陷与磁畴等干扰在形态上和变动规律上的差异性,进而提出了基于连通性的缺陷自动识别算法和具有自适应的图像分割阈值搜索算法。实验表明,该自适应图像分割算法可以有效实现干扰抑制和缺陷图像分割,同时保留缺陷的准确信息。结合缺陷识别算法,可以准确提取缺陷特征,突出磁光图像中的缺陷。(5)提出了人工智能图像分割算法。分析了磁光图像中像素之间的信息耦合规律,在此基础上,设计了磁光图像专用人工神经网络计算方法,包括改进的人工神经网络图像分割算法、基于PCNN的图像分割算法以及基于图像切片的PCA融合图像分割算法。结果表明,这些算法分别利用磁光图像的不同特性分割了图像,准确的定位了缺陷信息。这些方法对磁光图像针对性强,普适性广,具有很强的实际应用价值和理论研究意义。