在工业生产中,工业射线实时成像技术是射线无损检测的新技术和发展方向。从目前无损检测技术在生产中的应用来看,射线检测约占40%,可见射线检测占有十分重要的地位。传统的射线检测是基于胶片成像的,但是胶片成像存在着很多缺点,如不能满足实时成像、成本过高、图像管理不便以及靠人工进行评估等。针对这些问题,本文设计了一个基于X射线实时成像的检测与缺陷识别系统,对采集到的X射线图片,进行了图像增强、图像噪声滤除等预处理,然后对图像中的缺陷进行特征提取和利用BP神经网络分类器对缺陷类型进行识别分类等研究工作。图像的预处理是后续图像处理的基础,针对传统的滤波不能解决高斯噪声和脉冲噪声同时存在的问题,本文提出了一种基于自适应加权中值和高斯加权均值的自适应混合滤波方法。该方法首先检测图像的噪声类型,然后对受脉冲干扰和受高斯噪声影响的图像分别采用自适应加权中值滤波和高斯加权均值滤波方法进行滤波。针对X射线图片对比度低、边缘模糊等特点,采用线性和非线性灰度增强以及直方图等增强方法,这些方法在一定程度上拉开了图像的灰度分布,使图像更加清晰明亮。在图像特征提取过程中,边缘提取是解决缺陷标记的有效方法,本文分析了几种经典边缘提取方法,以及改进了一种基于形态学梯度的X射线图像边缘检测方法。为了得到更好的阈值分割效果,本文还采用一种基于模糊集合的多属性阈值分割算法,针对图像的全局和局部属性选取阈值进行分割。这些方法应用在X射线图片特征提取中取得较好的效果。缺陷特征参数的选择和提取是缺陷分类的前提,直接影响着分类结果,通过对缺陷特点的分析,本文选取了几何特征,图像不变矩和灰度特征这些能准确反映缺陷本质特征的特征参数,并给出了各自的计算方法。在缺陷分类的解决方案上,采用具有自组织、自适应的BP神经网络算法对X射线图片中缺陷进行分类识别。在对系统架构进行了分析和设计后,利用Visual C++开发了基于X射线的图像处理软件平台。本文最后把设计的X射线实时成像检测与缺陷识别系统应用到太阳能硅电池板缺陷检测与识别中,获得了比较理想的效果。