近年来,在工业焊接领域,焊接技术不断发展,钢管以及其余焊件被大量地投入到生产应用中去。焊缝缺陷指的是在实际操作中由于技术因素或外部环境因素,导致的焊接过程中出现的缺陷。焊缝缺陷危害巨大,无论在哪个领域,所使用的焊件必须保证其无缺陷。在保证识别到缺陷的前提下,需要对缺陷进行修补,修补的前提是明确得知缺陷的类型,本文在某钢管厂缺陷自动识别系统的基础上,完善其系统功能,研究出可以将被检测缺陷自动分类的一套算法。若使用人工的方法,主观判断是否有缺陷,效率很低。以X射线为成像基础,开发出了一套焊缝缺陷自动检测系统,首先对该系统的成像原因,工作原理及检测算法进行简单的介绍。由于本次实验的操作对象全部都是静态图片,需对DR系统图像成像特点进行总结。其次给出缺陷形态特征与灰度特征提取的过程。通过对该系统基本功能和原理的了解,收集该系统检测到的各类缺陷图像作为样本集。对原图像及识别后的二值图像进行膨胀,聚类,勾画轮廓等一系列操作,明确找到每个缺陷的位置和其包含的点集,根据各类缺陷的形成原因以及形状特点,给出缺陷判别的依据,在此依据的基础上,选择一些形态特征参数和灰度特征参数,作为样本的特征描述向量。第二种提取特征的思想,是在原HOG特征思想的基础上提出的。首先针对传统HOG特征旋转可变性的缺陷,将细胞划分方式改进为圆形划分方式,其次使用RGT变换对梯度直方图进行统计,最后确定相关参数。为解决传统HOG特征尺度可变性缺点可以使用尺度归一化的方法对目标进行处理。最后使用LSSVM模型对以上两种特征分别进行训练和样本识别,由于改进HOG特征提取的特征维数较高,使用改进的且具有旋转不变性的HOG特征进行样本训练前需要将样本进行PCA降维。将两种方法的结果进行比较,得到最后的结论。最终结果达到了预期效果。