Om de structurele integriteit van een vliegtuig te waarborgen, zijn gevoelige niet-destructieve inspectiemethoden vereist. In mijn onderzoek heb ik onderzoek gedaan naar thermografische beeldvorming voor detectie en evaluatie van allerhande schadefenomenen in luchtvaartmaterialen. In deze techniek wordt het proefstuk opgewarmd, en vervolgens wordt de evolutie van de temperatuur gemonitord met een gevoelige infraroodcamera. Aanwezige defecten zullen het warmtetransport lokaal verstoren waardoor deze kunnen gedetecteerd worden. In het eerste deel van het onderzoek wordt een efficiënte en performante simulatiemethode geïmplementeerd die toelaat om wervelstroom-gestimuleerde thermografie voor metallische materialen te modelleren. Verschillende data-analyse technieken worden geïmplementeerd om schade te detecteren en te begroten. Experimentele validatie wordt uitgevoerd op verschillende metaalstukken met vermoeiingsscheuren, waarin de vorm van de scheuren succesvol kan gereconstrueerd worden. In het tweede deel van het onderzoek wordt een parametrische simulatiemethode ontwikkeld om optisch-gestimuleerde thermografie voor vezelversterkte kunststoffen te modelleren. Dit simulatiemodel wordt gebruikt om een grote virtuele database te genereren onder verschillende inspectieomstandigheden en voor verschillende defecttypes. Deep-learning algoritmes worden getraind met deze virtuele database, waarna deze worden toegepast op experimentele thermografische data verkregen voor vezelversterkte kunststoffen met allerhande defecttypes. Deep-learning algoritmes worden voorgesteld die niet alleen performant zijn in automatische defectdetectie, maar ook in defectevaluatie.