目前，强力输送带已广泛应用于矿山、港口码头、发电厂、钢厂、水泥厂等场所。随着煤矿工业的发展，综合机械化程度的不断提高，生产能力的不断增强，强力输送带已成为煤炭生产中的主要运输工具之一。强力输送带在长期的使用过程中，由于负荷量的增加、障碍物的划伤、老化及接头硫化不规范等原因，会造成强力输送带钢丝绳芯的划伤、断裂、锈蚀、钢丝绳芯与胶带的粘合力下降而脱胶等故障，这些故障得不到及时检测和处理将会导致断带事故的发生，而造成停产、运输物料的损耗、设备的损坏、巨大的经济损失和人员伤亡，严重影响安全生产。因此，需要研制一种强力输送带检测系统。　　 本文针对X光的强力输送带钢丝绳芯图像处理与故障识别算法进行了研究。研究了钢丝绳芯图像的处理方法，采用直方图均衡化、中值滤波等算法对钢丝绳芯图像处理，提高了图像的质量，为其故障识别奠定了基础。研究了钢丝绳芯图像故障识别算法，提出了基于规则带(RB，Regular Bands)和支持向量机(SVM，Support Vector Machine)的钢丝绳芯图像故障识别算法。该算法是利用规则带算法对处理后的钢丝绳芯图像进行故障检测，得到钢丝绳芯故障图像;再利用支持向量机算法对检测的故障图像进行分类，获得分类的故障图像。在MATLAB环境下编写了算法的软件，验证了算法的有效性和准确性。采用了C＃语言编写了算法软件，并进行了实验，结果表明该算法能够快速准确地检测钢丝绳芯的故障图像，并能够对常见的划伤和断裂两类故障进行自动分类，检测和分类的准确度高，适合钢丝绳芯图像的故障识别。　　 该算法能够应用于X光的强力输送带检测系统，实现了钢丝绳芯故障的自动识别，可避免输送带重大的断带事故的发生、设备的损坏、停产和人员伤亡，提高了生产效率，具有显著经济和社会效益。