烧结矿是炼铁的主要原料。为了高炉更有效的操作,提高生产的合格率,希望生产出具有最佳特性的均匀烧结矿。在我国的绝大多数烧结厂,烧结过程的控制主要依靠人的经验,即凭借烧结看火工在烧结机尾对烧结矿断面的直观观察和经验对烧结过程给出判断。但烧结机尾环境恶劣,看火工经验存在差异,这会对烧结矿质量的判断造成很大的影响。本课题以烧结机尾断面为研究对象,并通过大量现场调研,将烧结看火工的经验知识转化成与烧结机尾断面图像特征相关的推理规则,用人工智能的方法对烧结矿的质量做出较为准确的判断。该方法在一定程度上减轻了烧结看火工的劳动强度,并能将烧结质量信息和图像同时显示出来,为烧结操作提供及时有效的指导信息。为使本文研究的烧结质量智能检测方法达到或接近烧结看火工的水平,本文完成了以下几个方面的工作。首先,通过大量的现场调研和学习,将烧结看火工的经验知识转化为与烧结机尾断面图像特征相关的推理规则,对多个周期内的烧结机尾断面进行分析,针对固定时间间隔法与外触发法获取断面图像方法的不足,提出了一种基于烧结机尾视频各帧之间红火层亮度比较的方法,更加准确找到烧结机尾断面的关键帧。其次,在实验分析的基础上,针对烧结机尾断面图像特点,研究图像预处理方法,为准确提取图像特征打下良好的基础；提取了烧结机尾断面图像中红火层的面积,重心,周长等特征,并提取与FeO含量相关的烧结气孔的平均亮度及平均面积值,并将特征参数与烧结推理规则相结合,对烧结矿质量信息进行判断。最后,分析现场装置,提出了改进的方案。在软件方面,程序采用模块化设计方案,Matlab语言编程。对程序的各个功能模块进行了详细地说明和讲解。同时用LabVIEW编写图像显示界面,实现烧结机尾断面图像的特征显示及烧结质量信息的指导功能。