复合材料构件强度高、密度低,能显著降低航空飞行成本并提升航空设备性能,因此被大量应用于航空设备制造。在航空工业生产过程中,保障复材铺设的正确性以及对复材质量进行有效评估,具有重要研究价值和意义。复材构件检测主要包括:（1）复材在多层铺设中表面异物混杂检测;（2）对复材构件内部缺陷的检测。复材织物具有表面光反射复杂、光学图像对比度高、纤维纹理丰富等特点。表面夹杂物多为隔离纸等半透明薄膜,复材铺叠时若不及时发现并去除夹杂物会造成分层、脱粘等缺陷,留下严重隐患;复材缺陷内部缺陷检测主要采用超声设备进行扫描,人工通过超声图像判别缺陷,对检测人员的专业知识依赖性高,缺陷评定速度慢,人为疏漏可能性高,影响检测效率。基于上述问题,本文结合成都某飞机工业集团生产过程的实际需求,对构件生产过程质量监测提出两个阶段的对应方案:在复材织物铺叠成型阶段进行表面夹杂物检测;在复材构件成型后内部缺陷检测阶段结合现有超声检测设备实现缺陷区域自动提取。为解决铺叠成型阶段织物区域图像对比度高,明暗差异大的问题,本文设计了表面夹杂物检测算法,制定了检测硬件选型方案,并结合注意力机制,采用编码器-解码器架构设计了用于表面夹杂物分割检测的网络模型,实验验证该模型对于夹杂物分割的像素准确率可以达到94%。对于无损检测阶段超声图像噪声大、伪缺陷轮廓多的问题,本文结合项目中实际采用的超声C-扫描方法以及对缺陷超声图像灰度及轮廓的特征分析,提出了基于边缘检测和贝塞尔曲线图像灰度增强的缺陷边缘提取方法,以及基于聚类的缺陷区域分割方法。本文的工作和创新点如下:（1）结合复合材料表面夹杂物检测需求,研究分析复合材料表面光学图像特点,进行表面夹杂物检测方案的硬件选型,结合项目对于图像数据采集需要,搭建铺叠模拟环境进行表面夹杂物光学图像数据采集。（2）针对表面夹杂物光学图像对比度高,各区域明暗差异大,暗区缺陷对比度低造成难以检测的问题,本文制作了各级光照条件下夹杂物与复合材料背景实物数据集,设计了结合注意力机制和多重残差结构的表面夹杂物分割检测网络,实现了缺陷特征学习和夹杂物区域检测。（3）为满足复材超声图像缺陷区域检测分割需要,本文对比了边缘检测算子效果,提出基于边缘检测和聚类分割的缺陷区域分割方法。为解决超声灰阶图像中缺陷特征不明显、背景噪声过大问题,设计了基于三阶贝塞尔曲线的灰度变换函数,提升了缺陷检测的效果。