碳纤维复合材料具有摩擦系数低、抗疲劳性好、比强度和比刚度高、耐腐蚀性和耐磨性强等诸多优点,被广泛应用于飞机、卫星、太空粒子探测器等航天器中。但由于在生产、制造、加工和长期服役过程中,复合材料构件会受到各种外界因素影响,从而产生分层、脱粘、裂纹、夹杂等缺陷,进一步损害航天器,造成严重损失。因此,对航天器复合材料进行缺陷检测具有重要的研究意义。本文以航天器复合材料X射线检测图像为研究目标,提出了一种基于轻量卷积神经网络的缺陷检测算法,对航天器复合材料的缺陷检测展开研究。首先,根据航天器复合材料缺陷检测系统的技术要求,设计了整体方案。通过X射线检测系统对航天器复合材料进行X射线成像,获取含有分层脱粘、裂纹、夹杂、气孔等缺陷的复合材料X射线图像。X射线检测系统为后续提出的缺陷检测算法模型训练及检测提供样本数据。接着,研究了卷积神经网络轻量化方法和目标检测网络模型,并在这些方法的基础上提出了本文的基于轻量卷积神经网络的缺陷检测算法。该算法在FCOS模型的基础上,将FCOS的特征提取网络替换为本文提出的一种结合了SqueezeNext block和IBN-Net各自的优点的轻量网络,进一步增强了算法的泛化能力。此外,构建了航天器复合材料缺陷数据集,并针对数据样本不足的问题,提出了几种数据扩充方法。然后,设计并开发了航天器复合材料缺陷检测系统软件。该系统软件采用跨平台的图形界面开发框架Qt,实现了用户登录、缺陷检测、缺陷数据存储和管理、检测报告生成等功能。通过替换数据集,重新训练模型,该软件还能够对其他材料进行缺陷检测。最后,分别对本文提出的缺陷检测算法和缺陷检测系统进行实验验证与分析。同时为了验证本文缺陷检测算法的性能,在嵌入式平台NVIDIAJetson TX2上进行了实验,通过设置最高功率模式,仅需0.26s的检测时间即可达到90.3%的检测精度。