轮毂是车辆的重要受力部件之一，直接关系到行车安全，特别是在机动车数量迅速攀升的情况下，人们对轮毂出厂前的检测尤为关注。针对现有的轮毂缺陷自动检测系统软件操作复杂、实用性差等问题，本文在分析轮毂图像缺陷特征的基础上，通过动态阈值图像分割、缺陷特征提取和BP神经网络分类来实现系统轮毂缺陷的自动检测和识别，开发了汽车轮毂缺陷自动检测和识别系统，并通过实验进行了验证。实验结果表明，该系统可以对轮毂铸件各种缺陷进行检测和识别，尤其对产品结构不均匀和背景复杂的图像也能处理，检测和识别效率较高，实用性强，满足工业应用的需求。本文针对X射线图像随机噪声大、对比度低等问题，使用改进的帧积分降噪算法，有效的抑制了噪声，提高了对比度；由于传统图像分割算法的局限性，难以满足轮毂图像分割，提出了基于感兴趣区域的轮毂图像分割算法，解决了复杂图像分割困难的问题，实验结果证明了其有效性；针对变换法特征选择速度慢的情况，采用了增减次优搜索法对轮毂缺陷特征进行选择，有效压缩了特征空间，为缺陷类型识别奠定了基础；针对常用BP神经网络识别率较低的问题，采用基于共轭梯度的BP神经网络算法分类轮毂缺陷，实验结果表明，该方法极大提高了缺陷类型识别的正确率。