缺陷检测(Defect Detection)技术属于计算机视觉(Computational Vision，CV)技术在工业中的应用。缺陷检测技术的实现需要对图像进行多方面的处理，通常包括图像去噪、图像增强、图像分割、特征提取以及目标识别等。到目前为止，缺陷检测技术的发展仍然没有很好的满足实际应用中对于准确性和高效性的要求，研究的主要方向在于设计有针对性的识别方法以在特定应用场景中达到理想的效果。　　本文中缺陷检测的研究对象是钢芯传送皮带的数字图像。传送皮带广泛应用在各种工业生产线上，是自动化和规模化生产中必不可少的部件。为确保生产线的安全，需要定期对传送皮带进行质量检测。以往采用的人工检测方法成本高、效率低，并且存在可靠性风险。引入X射线成像技术并设计自动化检测方法可以节约成本、提高检测质量和效率，尤其能够更准确的发现肉眼看不见的内部损伤。　　本文首先介绍了X射线成像的理论基础，然后分析了图像中需要重点检测的目标，最后结合图像的特点，通过图像校正、图像分割、边缘检测、特征提取和目标识别，实现了对所研究图像进行的缺陷检测。在图像处理的过程中，首先使用成像设备的本底和满度数据对传送皮带的原始图像进行灰度校正，同时通过灰度压缩的方法提高图像处理的空间和时间效率。然后，采用一种改进后的基于局部阈值的图像分割方法，将皮带图像中对应的不同材质区分开来。根据分割后的图像，提取出皮带截面方向上的边缘信息并将其参数化。在特征提取阶段，基于自适应滑动窗口的方法，较为准确地采集了钢芯中断处对应的局部纹理信息。最后，对需要检测的不同类型的目标分别设计判定条件，从而得到参数化的识别结果并在图像中分类标记。在得到实验结果的同时，本文对实验涉及的各处理环节进行了分析和总结，通过不同方法之间的对比和方法改进前后的对比，可以看出，图像处理的任何环节都没有通用的方法，在解决问题时应当从具体的图像特点出发，找到最适合的方法以达到理想的效果。