针对金属材料表层和浅表层缺陷检测问题，以铝板孔洞缺陷检测为目标，开展红外热成像检测定量评估研究。通过有限元仿真分析，研究了不同孔径、不同孔深表面缺陷降温过程的温度变化规律。结果表明：试件存在缺陷部位所对应的表面温度，要高于无缺陷的正常部位所对应的表面温度；在孔深相同的情况下，孔径越大的缺陷，热量扩散的速度越快，扩散的范围越广，其温度与缺陷面积成反比；在孔径相同的情况下，孔深越大的缺陷，热量扩散的速度越慢，其温度与缺陷孔深成正比。在仿真分析的基础上，设计了实验方案，实验采用主动式红外检测技术中的单面法对试件进行加热后，利用红外热像仪采集了试件的降温过程。结果表明：对于相同孔径的缺陷，其温度（或灰度）与深度成正比；相同孔深的缺陷，其温度（或灰度）与缺陷面积成反比，实验结果与仿真结果基本相一致。另外，在孔深相对较大的C区域（孔深7mm）和D区域（孔深9mm）中，缺陷区域与正常区域的温度对比度较大，缺陷较易被检测；而在孔深相对较小的A区域（孔深3mm）和B区域（孔深5mm）中，缺陷区域与正常区域的温度对比度较小，缺陷不易被检测。为解决表层和浅表层缺陷区域与正常区域热图像特征混叠问题，提出了一种基于遗传算法与时序热图加权叠加的图像特征增强方法，该方法可使缺陷区域与正常区域的灰度比分别提升8.5%和31.0%，从而使缺陷特征得到了显著增强；尤其对于孔深更小的表层和浅表层缺陷（最小的缺陷尺寸为孔径2.5mm，孔深3mm），增强效果更为显著。对增强后的图像作对比度增强、中值滤波和阀值分割等处理，并对缺陷进行边缘检测和边缘提取，实现了缺陷位置和形状的定性检测；通过计算缺陷区域的像素面积来估测缺陷的面积，对于A区域中的缺陷（孔深3mm，孔径分别为2.5mm、4.2mm、6mm和8mm），平均误差约为9.64%；对于B区域中的缺陷（孔深5mm，孔径分别为2.5mm、4.2mm、6mm和8mm），平均误差约为6.13%；对于C区域中的缺陷（孔深7mm，孔径分别为2.5mm、4.2mm、6mm和8mm），平均误差约为7.44%；对于D区域中的缺陷（孔深9mm，孔径分别为2.5mm、4.2mm、6mm和8mm），平均误差约为8.88%。