本文针对X射线焊缝图像缺陷检测的特殊要求,研究了基于X射线实时成像的缺陷检测与识别技术。在工业探伤领域中,由于焊接过程出现的各种问题,会导致焊缝中含有气孔和裂纹等缺陷,影响产品的质量和安全,所以焊接图像中缺陷的检测十分重要。传统X射线焊缝图像的检测受评片人员的技术素质和经验的影响。胶片法具有检测效率低、操作复杂、胶片资料不易保存、检测过程不易实现自动化等特点,因此采用X射线实时检测系统在线检测与分析,就可以有效地克服人工评片引起的误判,从而使在线检测工作客观化、规范化、标准化。根据射线成像检测原理,本文设计一个高清晰度、高分辨率的X射线焊缝缺陷自动检测系统,检测焊缝中存在的缺陷并自动评定缺陷的性质,最后对焊缝进行评定。本文针对X射线焊缝检测图像中存在大量与缺陷检测无关的背景冗余信息,提出了一种减影技术与自适应阈值相结合的自动提取方法,减少计算量,提高检测精度,准确提取缺陷图像信息,此方法简单易行,效果良好。根据欧式距离度量的特征选择判断依据,经缺陷提取后提取有效特征,确定边缘平直度、尖部尖锐度、周长面积比、填充度指数、对称性、相对灰度作为识别分析的参数,为后续的识别阶段打下基础。最后使用了BP神经网络的方法对射线焊缝中的缺陷进行识别。利用理论和经验相结合的方法,通过实验寻求隐含层数目及训练函数和传递函数之间的最优组合。实验结果表明,该方法使总体识别误差达到最小,提高了焊缝识别率,缩短了识别时间。