活塞作为发动机内最重要的零件之一,其喉口部位是活塞工作过程中的第一关键承载区并直接与燃料接触,其近表面质量水平对发动机的性能和寿命产生直接影响。随着国Ⅵ排放标准的全面实施,为保证发动机气缸内燃料充分燃烧以达到新的排放标准,活塞需要承受20MPa以上的爆发压力,当活塞喉口近表面存在微细缺陷时,爆发力将会导致缺陷开裂从而产生严重的安全隐患。因此开展针对活塞喉口近表面微细缺陷检测的研究具有重要理论意义和价值。针对活塞喉口近表面微细缺陷检测的难题,在前期研究基础上,通过COMSOL仿真软件建立了基于活塞喉口近表面微细缺陷涡流检测系统的有限元仿真模型,分析涡流检测探头各项参数对检测灵敏度的影响,根据仿真结果优化探头激励线圈各项参数如下:高度4.5mm,内径1.5mm,匝数1338匝,其它检测参数如激励频率10000Hz,提离高度0.46mm。针对活塞喉口近表面微细缺陷的涡流检测信号包含较多噪声信号、信噪比较低,且对于真实值未知的信号降噪,传统降噪的评价方法较为片面等问题,提出改进小波阈值准则,并采用变异系数法通过实验对传统的3种评价指标进行赋权,来衡量信号降噪质量。以综合评价指标T为参考确定小波降噪的各项参数,最终以sym8为基函数,对涡流检测信号进行4层小波分解,采用提出的改进阈值准则进行软阈值降噪。为了识别活塞喉口近表面微细缺陷信号的类型,基于小波包分解提取降噪后各组信号的小波包能量谱特征,并训练基于改进主动学习的分类器。选用相同型号、不同生产批次的活塞进行实验,其中机加工损伤缺陷类型样本（M）、铸造损伤缺陷类型样本（C）和无缺陷活塞样本（N）各标记100组,各种缺陷类型样本随机选择80组（L）和500组未标记样本（U）共同构成训练样本集,剩下的样本用于测试（T）。在两次实验中分别经过8次和7次迭代达到了停止准则,对测试集样本识别的总体准确率分别为93.33%和95%,缺陷识别准确率分别为96.67%和 100%。