碳纤维增强复合材料（Carbon Fiber Reinforced Polymer,CFRP）是一类具有高韧性、高强度、耐高温、抗腐蚀等出色性能的新兴材料,被广泛应用于航空航天、电力电子等领域。由于复合材料的制造过程复杂以及在使用过程中易受到摩擦或冲击等外力影响,材料会产生不同程度的缺陷问题。光激励红外热成像（Optical Infrared Thermography,OT）无损检测技术具有可检面积大、操作方便简洁等优点,被大量使用在复合材料的缺陷检测中,以保证试件的工程质量。缺陷的检测一般分为定性和定量两个方向,定性检测旨在寻找缺陷的位置,研究数据处理算法,增强图像的信噪比和缺陷的检出率;定量检测包括检出并量化缺陷的尺寸和深度。本文提出了基于温度对比度峰值时间的非线性变换模型,利用光激励热成像技术预测缺陷深度。实验验证了峰值对比时间与缺陷深度非线性关系的机理。为了有效地预测缺陷深度,将高斯变换用于深度检测中的非线性变换。实验结果表明,该方法可以有效的预测缺陷的深度。本文的研究内容和创新点如下:1)介绍了无损检测技术的国内外研究现状,阐述了常用的缺陷深度检测方法,详细分析了光激励热成像技术的基本原理,引入了光激励红外系统设备;对常用的数据处理方法和信号激励模式进行了讨论和分析。2)对比了两种不同激励下的热传导物理模型:（1）闪光灯热源的传统光激励热成像技术;（2）卤素灯热源的光激励热成像技术。对比了两种激励模态下试件表面的温度响应,对比了闪光灯和卤素灯激励模式下预测深度方法与适配性。3)创新性地提出了一种新兴预测缺陷深度方法。在短脉冲激励的模型基础上,拓展了长脉冲热成像的热传导物理模型,建立了特征时间和缺陷深度之间的非线性热传导模型,采用高斯变换将非线性模型转化为线性模型。利用线性模型预测缺陷的深度,并利用大量实验验证了其准确性。