由于传统人工评片的诸多弊端,使得它越来越不能满足工业化生产的需要。随着计算机和图像处理技术的快速发展,促使了焊缝缺陷的检测要由人工识别过渡到计算机智能识别。本文是以实际工程需求为背景,以管道焊缝X射线检测底片为研究对象,利用神经网络、专家系统等智能手段实现自动评片。本文力求在能够准确提取各种缺陷的特征参数基础上,建立一个基于神经网络和传统专家系统相结合的焊缝图像识别系统。识别系统主要由图像处理模块和分类识别模块组成。图像处理模块主要内容包括降噪滤波、图像增强、边缘检测和图像分割。在识别模块中主要包括,一个自组织特征神经网络(SOFM)和一个起到辅助作用的专家系统。特征神经网路通过学习即可调整网络相关的参数如权矩阵和阈值向量,以达到输入的各个向量聚类的效果。传统专家系统是在特征神经网络识别出现失误的时候才会通过特定的机制自动被唤醒,使得识别系统能够继续完成识别工作。专家系统的推理机是正向推理并结合模糊推理,正向推理是选取知识库中当前焊缝有用的知识,并在没有找到相关信息情况下会进行以询问方式进行推理。通过实验和仿真,可以证明,神经网络能够准确的识别现有图片样本的一些典型缺陷,但在出现新缺陷或者缺陷特征不是特别明显时,会使得神经网络在分类时失败的例子也是存在的。这时,在专家系统的帮助下能准确的识别相应的缺陷,并能得到相应的焊缝等级。本文应用VC++建立了相应的焊缝缺陷识别系统,并实现了对现有的缺陷的识别,获得了相对理想的效果。