异型零件的出现使工业化进程得以快速发展，但是其在生产和使用过程中不可避免产生带有缺陷的不合格产品，而现有的检测技术存在检测效率低、无法检测内部缺陷等问题。因此，开发并设计一种用于异型零件缺陷检测的新型无损检测系统，对预防异型零件在使用过程中产生损坏以及防止重大安全事故的出现具有十分重要的意义。
　　由于电磁层析成像技术（Electromagnetic Tomography，简称EMT）具有非接触、响应速度快、传感器设计灵活等优点，本文采用EMT对异型金属零件进行缺陷检测与三维成像，实现了异型零件中常见的裂纹与掉块缺陷的三维可视化。具体工作包括以下内容：
　　1、针对异型技术零件缺陷检测存在的难点，建立三维EMT仿真模型，实现缺陷稀疏成像。结合异型零件检测需求对EMT测量原理及数学模型进行分析，根据缺陷分布的稀疏特性采用总变差正则化算法得到表面缺陷的二维重建图像，并将缺陷成像结果与共轭梯度算法和Tikhonov正则化算法进行比较。
　　2、基于深度学习方法建立激励频率与检测深度之间的非线性关系，实现金属缺陷三维成像。通过集肤效应理论对异型零件三维重建原理进行分析，使用堆栈稀疏自编码器与Softmax分类器组成深度神经网络，结合三维重建的要求对网络参数进行合理化选择，以获取不同检测深度下最佳的二维缺陷重建图像。利用插值算法得到缺陷三维重建图像。
　　3、采用模块化思想优化EMT缺陷检测系统，使其满足异型零件缺陷成像需要。检测系统硬件电路由平面型电磁传感器阵列、压流转换电路、增益放大电路和截止频率可控的滤波电路组成，利用LabVIEW完成上位机激励信号的产生与数据采集。
　　4、对本文所提出的方法展开实验验证。完成异型金属零件裂纹和掉块缺陷的三维成像实验，结果证明了本文所提出的EMT成像方法适用于异型金属零件三维可视化检测。