传统的焊缝缺陷检测方法是专业评片工作人员借助观片室里的物理工具对胶片进行分析定量。这种检测方式明显的特点就是操作流程繁琐速度慢,易受外界和工作人员经验、技术的约束,而且储存耗空间、删改麻烦,快节奏的社会生产需求已经不能得到满足。为了解决传统焊缝缺陷检测方法中存在的问题,利用辅助计算机技术的方法即用机器视觉代替人眼来实现焊缝缺陷的智能检测已是国内外研究的热点课题。目前,在关于焊缝图像预处理、缺陷特征提取、缺陷识别等方面已经取得了较好的成果,但是在焊接过程存在很多不确定的因素,不可避免地造成了焊缝胶片的多样性,容易导致焊缝缺陷智能检测机制的辨别率下降。因此,如何提高焊缝缺陷的识别率仍是专业人士研究的热点问题。本论文以工程项目需求为背景,以国内外的发展现状为依托,利用辅助计算机技术设计一套基于OpenCV的焊缝图像缺陷识别系统。借助此软件,评片工作人员直接操作用户界面就可以实现焊缝图像缺陷的识别,判定缺陷的类型。本课题的研究对象是已经经过数字化处理的大量焊缝缺陷图像,而且必须是合格的焊缝缺陷图像,否则会影响图像处理的难易程度和识别的准确度。应用程序开发平台是VS2012 (Visual Studio 2012),本文的主要完成的工作有：(1)查阅X射线检测相关领域的论文和书籍,明确本课题的研究内容。本系统的主要内容包括焊缝图像的预处理、焊缝缺陷的提取、缺陷特征的选择和计算、缺陷的识别及数据库操作。(2)在焊缝图像预处理过程中,分析焊缝图像的特点(噪声多、对比度低等),对比各算法的优缺点选用合适的算法进行预处理。图像平滑处理采用中值滤波和均值滤波的混合滤波器,采用直方图均衡化提高图像对比度。(3)分割焊缝区域的基本思路是大致确定焊缝区域的位置,根据能够包围焊缝区域的矩形框大小实现对焊缝图像感兴趣部位的提取。焊缝缺陷提取采用了背景差分法,用建立的背景模型与输入图片进行对比完成焊缝缺陷的提取。(4)根据焊缝缺陷的特点,选择“少而精”的特征参数并计算。特征参数主要来源于焊缝缺陷的几何特征和黑度分布。由于焊缝缺陷比较复杂,本文选用BP神经网络模型来识别焊缝缺陷,主要包括创建神经网络,训练神经网络和测试数据。(5)本文采用Access数据库来管理焊缝缺陷的特征信息和缺陷类型,主要实现了查询、保存和修改功能。(6)最后是对整个系统进行测试,本文主要研究直线型的焊缝图像,以大量合格焊缝图像作为测试对象,采用边测试边改进的方法以达到预期效果。