无损检测是工业产品质检的重要环节,决定了一个产品的质量。已广泛应用于实际生产中的无损检测很多,按照检测原理的不同包括漏磁检测方法、磁粉检测方法及超声波检测方法,其中漏磁检测方法应用最为广泛、技术最为成熟,尤其大量应用于以钢铁为代表的金属型材检测中,具有方案简单、成本低廉、速度快、准确率高的特点,且具有优良的环境适应性,可应用于各种不同环境下的缺陷检测。本文围绕漏磁检测开展系列研究,在研究漏磁检测原理的基础上,针对实际需求设计了一套漏磁检测装置,可实现金属裂纹尺寸的定量检测与裂纹参数的精确预测,总结来说,主要研究内容如下:首先研究了国内外针对漏磁检测技术的发展及研究现状,对该技术形成了直观认知,并针对无损检测的发展趋势进行了概括与预判,为进一步开展设计工作奠定基础。其次研究了漏磁检测技术的基础知识与检测原理,基于磁偶极子模拟方法研究了矩形裂纹与漏磁场之间的变化规律,明确了影响漏磁大小的核心要素。针对实际生产中的金属缺陷检测需求,设计并研发了一套基于AMR传感器的漏磁检测系统,完成了系统集成与测试。随后在前文设计的基础上,结合神经网络的基础原理,提出一种基于BP神经网络的缺陷识别系统,本系统主要用于对检测到的漏磁信号进行分析处理。基于25件实际加工的样品开展了 BP神经网络训练。利用选取的测试样本对训练后的BP神经网络模型进行测试,结果表明模型的预测误差范围满足需求,验证了方法的准确性。最后总结本文主要工作内容,基于后续的深化研究开展了思考,梳理总结了后续的重点研究方向。