工业设备中的金属部件长期工作在恶劣环境下，易产生疲劳裂纹、腐蚀等损伤，造成生产安全事故。及时、准确检测关键部件损伤可确保设备安全运行。本文研究基于平面电磁传感器的金属材料损伤检测方法。　　基于Ansys Maxwell软件建立平面电磁传感器三维模型，通过分析激励线圈磁场分布，确定最优激励线圈结构。仿真分析传感器结构参数与信号强度和灵敏度之间的关系，并提出基于响应面与遗传算法相结合的结构参数优化方法。　　分析了传感器转移阻抗与材料电导率和提离之间的映射关系，分别采用最小二乘法多项式拟合算法和基于粒子群优化的BP神经网络算法建立逆问题求解模型。结果表明，基于粒子群优化的BP神经网络算法预测精度较高。建立提离与最小相位的倒数函数模型，实现提离测量。　　研制了柔性平面电磁传感器，并对传感器进行实验标定，标定实验结果表明，研制的平面电磁传感器测量值和仿真理论值具有良好的一致性，误差较小，重复性好。分别选用1060纯铝，6061，2A12-T4及7075铝合金板进行电导率测量实验。实验结果表明，当材料电导率小于25MS/m时，基于神经网络算法的平面电磁传感器测量系统精度较高。　　研究平面电磁传感器扫描成像，分别以传感器单元和设定值为移动步距扫描损伤样本，利用神经网络优化阻抗幅值，得到基于电导率的损伤图像。在此基础上，分别采用迭代阈值法及最大类间方差法对损伤图像进行分割，确定损伤区域。仿真验证了方法的有效性。