当前精细冶金和精细化工对焦炭显微成分精细分析的需求与日俱增，但由于焦炭显微组织成分多达12类，而且其纹理特征复杂(焦炭在微纹理分类上有5个标准：热解炭；基质/包裹体；光学各向同性/各向异性；镶嵌颗粒尺寸；外形、形态及纹理个体的尺寸)，纹理基元因自然形成与高温焦化相结合而非常不规则，各模式成分在显微图像中交混、镶嵌存在，其中有些成分的光学特性还会随着观察角度的不同而改变，这些因素为焦炭图像的数学物理建模及计算机识别带来很大困难。开展焦炭显微光子成分自动分析对图像处理与模式识别技术的研究具有积极意义；对精细冶金和高纯度、高性能冶金以及精细化工反应等方面具有十分重要的作用。 　　本文讨论了运用图像处理、模式识别中的神经网络等技术，通过建立焦炭成分各类别的物理数学模型，提出并实现了全局阈值法去除焦炭图像的背景、反光等其它类别，和利用面积特征和颜色特征相融合的特征进行神经网络分类识别焦炭颗粒的方法，最终实现了计算机自动识别焦炭颗粒的成分，准确率达到了90％以上。