随着国家工业的不断发展，大型钢结构在国民经济建设中占据越来越重要的位置。各种大型钢结构如海上采油设施、舰船船体、海上平台以及输油输气管道等，由于长期处于海洋、土壤复杂环境下，必然会产生不同程度和类型的缺陷，影响其力学性能，进而影响它的安全运行，成为重大安全事故隐患。因此，对钢结构的缺陷状况进行检测、跟踪并分析，不仅是安全检测的重要部分，而且是获取安全信息的重要手段，同时可以进一步为钢结构的安全评价和可靠性分析提供原始数据及理论指导，具有较大的理论意义和应用价值。FSM（Field Signature Method，即电场特征检测法），是20世纪90年代兴起的一种新型无损检测技术。由于其灵敏度高，检测方便以及非侵入测量等特点，在钢结构的缺陷监测领域具有独特的优势。本论文主要对基于FSM的缺陷检测系统进行了设计，系统包括硬件部分和软件部分。硬件部分主要包括电源模块、电极模块和数据采集模块，软件部分包括数据的分析、数据可视化及数据界面显示。为了研究两种典型缺陷孔形缺陷和裂纹缺陷的电场特征信号，人工设计了缺陷类型、尺寸和布置，设计了测量区域的电极阵列，采集了电极间的电压信号。为了定量描述缺陷和电场特征信号的对应关系，引入了FC系数。本文主要分析了缺陷深度变化对FC值的影响，并对实际应用中出现的牵扯效应进行了研究。本文应用BP神经网络，对裂纹缺陷的深度进行了识别，并对训练的神经网络进行了实际验证，根据可视化软件显示的图形和数据查询结果，表明该神经网络的精度较高，可实际应用于裂纹深度检测中。