水泥材料的物相组成及其尺寸分布是制约水泥水化产物的重要因素之一，所以微观结构特征描述的实现有助于水泥性能的准确预测。本文在对扫描电镜和X射线图像处理基础上，得到硅酸盐水泥的二维数字图像，以此来分析确定水泥颗粒的主要物相尺寸分布，以及各物相面积分数和周长分数等许多定量测量。在模型的建立过程中，选择BP神经网络对水泥强度模型进行优化，利用GA优化BP网络权值。这种算法训练神经网络可以克服单纯使用BP算法训练神经网络容易陷入局部极小的缺陷，能更有效地逼近水泥强度性能指标与影响因素之间的非线性关系。本文提出的预测模型是一种将图像处理方法和人工智能方法结合起来的新方法。首先，利用扫描电镜获取水泥的背散射图像和X射线图像，基于数字图像处理技术得到硅酸盐水泥颗粒分布的二维数字图像；然后分析提取与水泥强度性能相关的微观结构特征参数；最后，针对水泥强度预测的实际情况，利用神经网络和遗传算法的优点，建立了一种基于遗传算法的人工神经网络模型来进行水泥强度的预测。该方法考虑了水泥微观结构参数对水泥强度的影响，绕过了建立数学公式的壁垒，有其实现的合理性。它丰富了水泥强度预测的内容，也开辟了新的研究途径。