X射线探伤是工业无损检测的重要方法之一,其检测原理是利用不同介质对X射线能量的衰减程度不同,使透过的X射线出现能量差异,使物体内部缺陷显示在底片或荧光屏上。当今,现代生产技术不断发展,工业生产中焊接技术已经逐步实现自动化、智能化,大大提升了焊接产品的生产效率。然而,质量检测作为焊接产品安全最重要的保证,却仍然需要检验人员凭借经验累积对焊缝图像进行评定,由于焊缝图像往往数量很多,利用人工评定,极大的限制了焊接产品的生产效率。同时,对检验人员来说,长时间的观察图像,难免会造成对焊缝图像的错判或漏判,这就可能使焊接产品安全系数降低,不能完全保证产品的质量。因此,焊缝图像智能评定成现在急切解决的问题。随着人工智能、大数据、云计算等计算机技术的发展,图像处理技术为X射线图像检测智能识别提供了技术支持,现在缺陷射线图像的智能检测成为探伤领域研究的热点话题。本文主要针对实际焊接检测过程中得到的裂纹缺陷和未焊透缺陷进行智能识别的深入研究,具体研究内容有一下几点:1.本文针对图像中影响观察的噪声特点,分析其中噪声对图像的综合影响,提出在频率域和空间域分别对图像进行滤波;并结合图像增强方法,采用灰度变换和直方图增强对图像进行增强处理。2.本文通过研究焊缝缺陷图像灰度曲线的特点,基于图像灰度梯度变化来分割图像,提取有效的焊缝缺陷。在分割图像的基础上,分析讨论了几种二次梯度函数方法分割图像的优缺点。3.基于提取计算焊缝缺陷的七个特征作为缺陷的判别标准。建立竞争型神经网络,输入焊缝缺陷特征参数对建立的神经网络进行训练,对裂纹缺陷特征和未焊透特征进行模式识别,对裂纹和未焊透的识别率达到了80%以上,得到了较好的效果。