钢管质量的可靠检测对石油、化工及油气等远程输送工程具有极其重要的意义。无损检测是一门在不损伤、不破坏被检对象的前提条件下测定和评价物件表面或内部的力学和物理性能的综合性应用技术。无损检测技术不仅能保证油气生产和运输的安全性，而且能确保生产设备的日常运转和维护。在所有的无损检测方法中，漏磁检测以高速度、高精度、高灵敏度和检测范围广等优点得到广泛应用。　　漏磁检测系统主要由前端的漏磁信号采集、数据压缩、缺陷识别等几大部分构成。而缺陷识别技术是系统中较为重要的部分，它决定系统能否准确的检测出缺陷的长度、宽度、深度等重要参数，并以数据形式显示出来。从而使检测人员对钢管的破损、腐蚀程度有个确切的了解，并决定钢管是否可用。传统的漏磁检测是利用传感器进行信号采集得到两个方向的二维检测信号，即轴向信号或横向信号。经过缺陷识别只能反应出缺陷的深度信息或形状信息。　　本文首先对漏磁检测基本原理、漏磁检测系统以及数据融合技术进行深入研究。其次利用有限元方法，以裂纹缺陷为例，研究裂纹的长度、宽度、深度与裂纹漏磁场的关系。然后再利用自适应加权平均法将采集的二维轴向信号和二维横向信号进行融合。由于漏磁检测系统测量的漏磁场的轴向分量和横向分量在方向上是垂直的。因此可以将漏磁场的轴向漏磁信号和横向漏磁信号看作是一个漏磁复信号的实部和虚部。轴向分量为实部，横向分量为虚部，最终获得具有三维信息的漏磁信号。通过BP神经网络的设计，以三维信号为输入，缺陷的长度、宽度和深度为输出，建立缺陷识别神经网络，一次性识别出缺陷的长度、宽度和深度，从而更加直观准确的反应缺陷信息。最后经过试验验证了BP神经网络在三维缺陷识别中的可靠性。