在工业生产中,钢轨,发动机,齿轮等设施部件会随着使用时间的增加产生疲劳损伤、裂纹和内部缺陷,一旦因为机器零部件发生故障,通常会造成不可估量的灾难性事故和巨大的经济损失。无损检测(Nondestructive Testing)是保障设备质量和运行安全的关键技术,可以用来判断各种设施是否存在缺陷等安全问题,同时无损检测技术也具有非接触性、非破坏性、检测效率高等特点。红外热成像检测是一种非破坏性的、非侵入性的成像检测方法,通过红外热成像系统能够捕捉物体表面的温度信息,再对数据进行算法处理,可以有效检测缺陷。现有的红外热成像无损检测系统大部分是在静止情况下对试件中的缺陷进行检测,如果试件中含有多个缺陷,单独逐个检测将会耗费大量时间。通过移动检测方式,持续对试件进行激励成像检测,将会提升检测效率。本文提出了基于速度下扫描的无损检测算法,通过张量分解和背景差分进行特征提取重构裂纹和缺陷形态,增强裂纹和缺陷区域的图像对比度,完成裂纹和缺陷检测。论文具体研究内容如下:1)建立红外热成像无损检测移动平台系统,通过控制变量法收集并整理实验数据;2)探究红外热成像系统对各种不同试件的检测结果,并通过多类金属式样和裂纹类型来进行验证;3)研究常用的红外热成像无损检测领域缺陷检测、特征提取算法;4)研究速度效应下的裂纹和缺陷检测问题,通过融合张量分解在目标检测和背景差分的优点,提出一种适合移动缺陷检测的张量分解算法,并通过实验数据进行验证对比,包括:检测算法的效果、时间计算复杂度等,解决传统无损检测方法诸如缺陷检测结果的对比度不高,信噪比不强,复杂结构试件检测困难等问题。通过多组对照实验结果表明,本文提出的张量分解算法能够解决速度效应下的裂纹和缺陷检测问题,并且对比了传统的无损检测和其他张量分解算法,该算法检测速度快,信噪比高,鲁棒性强,能够增强缺陷区域的信息(如对比度),为之后缺陷和裂纹的实时检测提供了可能。