钢丝绳对社会的工业生产和经济的支撑都启到了重要的作用。在建筑工程项目中,由于其特殊的材质和结构上优越的可承载性,起重机械都使用它为主要承重构件来进行作业。而在起重机械工作过程中,受到摩擦、腐蚀、过载等各种因素的影响,会引发形变、断丝等缺陷故障,没有及时地检测更换,瞬时引发断裂导致严重的安全事故。故本文以“数字图像处理+卷积神经网络+系统平台”为基础研究架构,对钢丝绳断丝、笼状、纽结、绳股突出、咬绳和锈蚀这六种常见的缺陷情况进行辅助检测的方法研究,最后设计了一款能够满足图像可视化的程序界面来实现钢丝绳缺陷检测集成系统。全文围绕以下四个主要内容进行阐述:（1）研究实现钢丝绳图像预处理。针对图像采集环境恶劣和设备拍摄放大后的细节质量不佳的问题,提出了对钢丝绳图像降噪和增强两个方面的解决方法。设计使用C-BM3D算法对钢丝绳图像先进行预处理降噪,依据参数PSNR进行性能评定,结果表明C-BM3D算法的引入对实际钢丝绳图像检测的准确性带来进一步的提高。接着依据数学形态学,使用3*3/5*5的结构元素经过闭运算,达到图像增强效果。（2）实现钢丝绳图像的边缘提取。使用Edge Boxes算法进行钢丝绳绳股的快速图像分割和对钢丝绳轮廓的粗提取与细提取,并在相似精度的检测标准下速度提高了2～3个数量级。（3）基于R-CNN实现钢丝绳的目标检测。在R-CNN的框架下提取绳股的纹理特征,进行分类训练,提高缺陷识别的准确度和精确度。通过结构化运算的思想,缩小不重要的检测面积,提高模型训练和推断速度。通过纹理特征,检测钢丝绳缺陷图像,统计缺陷的类别和位置,最后缺陷判别的成功判别率分别为91%。对比传统检测方法发现,本文使用的方法可以更好的满足工业生产检测的需求。（4）搭建检测系统。基于Py Qt5搭建钢丝绳缺陷检测原型系统,设计输入图片、目标检测、文件阅览和检测结果4个模块,实现对钢丝绳六种缺陷的目标检测,完成风险评估,系统图像检测的成功判别率为98.6%。结果表明,本文所述方法满足多种钢丝绳缺陷检测的需求,不再是单一断丝的缺陷识别,这对起重机械钢丝绳辅助检测方法研究和工业生产检测具有重要的指导意义。