近年来我国工业规模和水平正处于高速发展期,而钢铁行业作为传统的重型工业在其中占据着十分重要的地位。钢铁件的质量好坏对钢铁加工制品的质量、使用寿命和可靠性等方面起着决定性的作用。对钢铁件的质量检测主要采用电磁无损检测方法,现存的钢铁质量检测仪器对一些钢铁材料的性能检测已经取得了较好的效果。然而在某些钢铁件缺陷,如裂纹检测方面仍然存在检测准确度不高、检测稳定性较低的问题。其原因一般是所用芯片不够先进或者检测算法不理想,所以急需对现存检测仪器进行改进,设计新型钢铁件裂纹电磁无损检测系统,提高裂纹检测的准确度和效率。本文针对快速电磁无损检测技术,在FPGA芯片上采用径向基函数神经网络算法和片上可编程系统相结合的思路,对新型的裂纹无损检测系统进行了应用研究。文中使用电磁无损检测中的初始磁导率法对被测对象进行特征信号提取,通过钢铁检测设备对该信号量去噪,得到有效检测参数后送入所建立的RBF神经网络模型进行处理得出结果。在裂纹检测模型建立过程中,本文对RBF网络的结构设计、参数选择、训练样本的处理、激活函数和权值的选择进行了详细分析。通过裂纹工件样品的测试验证,本文所设计的新型钢铁件裂纹缺陷检测系统准确率达到百分之九十,较常规检测模型有了一定的提高。本文所用思路在钢铁缺陷检测领域中值得进行更深入的研究。