随着射线检测与图像处理技术的快速发展,对于焊缝缺陷的检测也逐步从人工评片过渡到了计算机智能检测识别。利用计算机对数字化的焊缝图像进行分析和识别,不但提高了检测效率和经济效益,更重要的是该方法方便实用,便于操作。因此,如何提高射线检测的智能化、自动化和定量化,是当前射线检测技术研究的热点问题。灰度区间比较窄、缺陷的边缘模糊、图像的噪声多、缺陷的特征有时被淹没等,都是射线检测焊缝原始图像的特点,这些都是影响射线图像检测综合分析和综合评价效果的不利因素。因此如何在射线检测焊缝图像中快速准确的提取出缺陷,以及其特征,并对其分类识别成为主要难题。本文以实际工程需求为背景,以待测射线检测焊缝胶片图像为研究对象,综合运用图像处理方法,提取缺陷及其特征参数,再在MATLAB下设计GUI界面,建立一个智能化的射线检测焊缝缺陷自动识别系统。系统采用多种图像处理算法并对算法进行仿真试验,选取最优算法对焊缝缺陷进行识别。研究内容主要包括以下部分：射线检测焊缝胶片图像的合格性判定,根据图片平均灰度值大小判定合格与不合格；图像滤波,采用中值滤波器对图像噪声进行滤除；图像增强,采用模糊理论增强算法不仅增强胶片图像亮度,更使焊缝边缘和缺陷边缘清晰明显；焊缝提取,通过形态学特征分离出焊缝,最大限度的去除无关因素干扰；缺陷提取,引用减影技术,胶片图像通过一个均值滤波器,将缺陷图像中的缺陷滤除,形成一个模拟理想焊缝,再与原图像相减,得到缺陷；特征参数,基于检测出来的图像中目标特征对图像中可能的目标建立假设公式计算特征参数；缺陷识别,根据种改进的学习算法设计了相应的RBF神经网络,并使用样本对其进行训练。最后使用RBF神经网络完成对缺陷的识别。该系统不但提高了检测识别效率,并且降低了成本,更重要的是智能识别更符合经济社会发展需求。论文采用MATLAB对图像处理算法、神经网络进行仿真,并设计面向对象的可视化GUI操作界面,使用大量有缺陷胶片图像数据作为训练样本,训练出网络稳定权值并测试了网络的性能。实验证明,在特征参数选取合适、计算准确的情况下,改进后的RBF神经网络能够对直线型焊缝与T字型焊缝缺陷的类型进行识别,准确标示缺陷位置并显示缺陷的特征参数,最终在GUI界面上显示识别结果。识别准确率达到92%。