随着工业的高速发展,对能源运输方式的安全性、效率有更高的要求,因此具有安全、高效等优点的管道运输在我国能源运输领域占据着越来越重要的地位。但是,随着油气管道运营环境的恶化,事故频发,事故不仅造成巨大的经济损失,而且会对环境造成污染,甚至严重影响人身安全。由于油气管道弯管的制造工艺更加复杂,在运营中更容易发生应力腐蚀,因此需要一种非侵入性、检测效率高、精度高的管道缺陷监测技术。本文在分析FSM技术原理的基础上,设计FSM系统硬件,硬件主要包括FSM电源、FSM电源与被测物体间线缆、参考板、电极、电极焊接设备、数据采集设备。其中,电源采用WWL-LSX精密线性大功率直流稳压稳流电源,电极焊接设备采用STP105型焊机,并探究M4、M6电极的最佳焊接条件,馈入电流大小分别为20A、25A、30A,信号采集设备采用Fluke 8808A高精度数字万用表。采用正交实验设计缺陷(圆形缺陷、矩形缺陷、梯形缺陷)的尺寸参数,利用3060VMC数控铣床进行加工缺陷,对四根弯管进行测量,进行尺寸因素影响的主次顺序分析,确定深度因素是影响缺陷的显著因素,分析显著因素(深度因素)对FC值的影响,分析缺陷对周围电极上电压的影响。针对实验中发现的小腐蚀坑不可解问题,应用主辅电压法,并结合BP神经网络,建立基于BP神经网络的小腐蚀坑深度识别网络模型,利用实验采集的数据对神经网络进行训练,并对训练后的神经网络进行验证,仿真实验验证缺陷深度的相对偏差在4.5%之内,创建的缺陷深度识别BP神经网络模型有较高的精度,因此,建立的BP神经网络模型具有一定的应用价值,能较好识别管道缺陷的深度。