制造业是中国经济发展的重要支柱,而金属材料是制造业的基础与核心。因此,提高金属材料质量是建设制造强国与质量强国的关键。金属材料内部缺陷是影响金属材料质量的重要因素,然而在金属材料生产和加工过程中,不可避免地会产生各种类型的内部缺陷,这些缺陷会影响金属材料本身及其后续产品的使用性能。因此,如何高效、准确且无损地表征金属材料内部质量具有重要的工程意义。超声显微检测技术具有检测精度高、检测速度快、易于操作等优点,已在材料科学与医学检测等领域得到了广泛的应用。为了实现金属材料内部质量的高精度表征,本文以超声显微技术为支撑,从材料近表面超声检测盲区内缺陷特征提取、超声序列图像增强以及金属材料内部缺陷分类三个方面展开研究,旨在实现金属材料内部缺陷的定量化、三维可视化的检测与表征。具体内容包括:（1）提出了基于形态滤波与稀疏化解卷积的盲区缺陷特征提取方法利用超声检测方法对材料内部质量进行表征时,由于超声检测盲区的存在,材料近表面缺陷回波会与界面回波发生耦合,导致近表面缺陷特征无法提取。针对上述问题,提出了一种基于形态滤波与稀疏化解卷积的盲区缺陷特征提取方法（Morphological filtering based sparse minimum entropy deconvolution,M-S-MED）。首先,利用自适应形态滤波从强背景信号中提取微小的缺陷回波信号,提高超声信号的信噪比。然后,采用无参数的稀疏化最小熵解卷积方法生成超声脉冲序列,提高超声信号的时间分辨率。在镀锌板近表面缺陷的检测实验中,M-S-MED方法提取的缺陷深度和尺寸相对误差分别为1.9%和3.5%,远低于传统方法。（2）提出了基于八度卷积与双向卷积LSTM的超声图像增强方法受超声能量衰减、结构散射噪声等因素影响,随着超声检测深度的增加,超声序列图像会出现图像中内容亮度低、图像对比度差、细节模糊等问题。针对这一问题,提出了一种基于八度卷积与双向卷积LSTM的无监督增强方法,称为UTenhancenet,来提高序列超声图像的质量。在新方法中,UTenhancenet结合了 OctConv和Bi-ConvLSTM的特征,实现了高频特征和空间结构特征的提取,然后将这些特征通过跳跃连接输入到解码器中,生成高频质量的超声序列图像。在此过程中,构建了一个合成的无监督损失函数来指导UT enhancenet网络的训练。该新方法用于增强颗粒增强金属基复合材料的超声序列图像。结果表明,在增强后的超声序列图像中,颗粒检出率和尺寸检测精度均优于其他方法。（3）提出了基于点云多特征融合的金属材料内部缺陷分类方法超声检测得到的缺陷点云可以表征材料内部缺陷的三维形貌,有助于缺陷类型的识别。然而,由于超声检测得到的缺陷点云相对稀疏,对缺陷形态的细节表征不足,这导致利用点云数据进行缺陷分类时存在一定困难。针对上述问题,提出了一种基于点云多特征融合的金属材料内部缺陷分类方法。首先,设计了一种基于点云多特征融合的缺陷分类神经网络MFFN,通过对点云全局特征、局部特征和相关特征的提取与融合,实现金属材料内部缺陷的准确分类。实验中构建了金属材料内部缺陷点云数据集,对MFFN网络进行了训练和测试。结果表明,新方法的分类准确率明显高于其他对比方法,验证了新方法对金属材料实际缺陷分类的有效性。（4）建立了金属材料内部质量三维表征系统,实现了不同压下工艺42CrMo铸坯内部质量的三维可视化表征本章建立了金属材料内部质量三维表征系统,该系统将本文研究的三种金属材料内部质量超声显微表征方法进行了集成。在此基础上,利用三维表征系统对不同压下温度、不同压下道次的42CrMo铸坯的超声检测数据进行处理与分析。结果表明,当压下道次相同时,压下温度越高,越有利于42CrMo板坯内部缺陷向中心聚集愈合,从而减少缺陷数量。然而,过高的压下温度可能导致小缺陷聚集形成大尺寸缺陷。在相同压下温度和压下总量的情况下,压下道次越少,越有利于提高42CrMo板坯内部质量。