圆柱形构件被广泛应用于航天航空、汽车制造、国防弹药等领域。由于在生产过程当中，容易造成气孔、夹杂等缺陷，影响着产品的最终使用性能。因此在产品生产或使用过程中需要对其检测，以确保正常使用。本文以圆柱体构件为对象，以超声技术为手段，研究构件内部缺陷特征回波信号的处理技术和特征提取技术，实现缺陷的类型识别和三维重构显示。首先，分析了圆柱形构件在超声自动检测过程中回波信号的噪声特点，针对这一问题，采用小波自适应阈值降噪算法进行信号处理，通过分析阈值对降噪效果的影响，选择基于遗传算法的阈值确定方法，结果表明，上述的方法明显提高了特征回波的信噪比。其次，针对缺陷类型的识别问题，制定了基于神经网络的识别方案。根据典型缺陷的回波特点，选择均值、能量、包络方差、信号宽度和带宽等5个特征量作为神经网络的输入，采用BP神经网络对样本数据训练、识别和验证，实验识别的结果正确率高于90%。最后，在对缺陷的位置确定后，使用轮廓线重构法，连接关键点缺陷轮廓周线，计算轮廓面中心点后，连接各轮廓面中心，实现缺陷的三维显示。结果表明，所采用方法可以较为完整的表现出各类缺陷的形状。