强力输送带是煤矿运输中的关键设备，其运行状况对煤矿的安全生产和经济效益有着极大的影响。本文利用基于虚拟仪器的机器视觉技术对强力输送带钢绳芯故障的分类和测量进行研究，将机器视觉技术应用到工业领域，实现对复杂精细目标进行准确且迅速的识别和测量。　　本文以我国煤矿企业常用的矿用强力输送带钢绳芯X射线图像为对象，完成基于虚拟仪器的机器视觉故障检测平台的搭建，包括输送带钢绳芯X射线图像预处理平台的建立，基于改进BP神经网络算法的故障分类器的设计，以及对接头长度和锈蚀面积进行测量的视觉测量系统的建立。实现了对强力输送带钢绳芯X射线图像的重构、预处理、特征提取、常见故障识别与测量。研究内容包括：研究、对比各种图像滤波与二值化算法，选择对后续处理影响最小的算法；在BP神经网络算法的基础上，提出一种自适应调节学习速率的优化算法，提高输送带钢绳芯故障分类器的训练速度和判别精度；建立输送带故障测量平台，对输送带钢绳芯接头长度和锈蚀面积进行测量，并提高测量精度。　　本文研究结果证明了机器视觉技术在强力输送带钢绳芯故障检测系统应用中的可行性与创新性，为机器视觉技术在工业领域中的应用开创了一个新的方向，为强力输送带钢绳芯故障在线自动判别与测量提供了理论基础与实践平台，具有很好的理论意义与实际应用价值。