荧光磁粉检测是一种常规的无损检测技术,它被广泛运用于许多领域。现代无损检测技术正在向着自动化、智能化的方向发展,其中的荧光磁粉检测迫切需要解决自动与智能识别的问题。本文将图像处理技术和模式识别技术运用到荧光磁粉检测中,进行了理论结合实际的研究工作。本文使用图像处理算法、主成分分析法和BP神经网络设计了荧光磁粉智能无损检测系统,并搭建了荧光磁粉图像采集平台。文中首先研究了图像处理技术中的图像去噪算法与阈值分割算法,通过对比实验结果,选用自适应中心加权中值滤波算法和局部阈值分割算法进行图像预处理,同时还研究了图像增强技术中的形态学运算。再使用主成分分析法对缺陷图像进行特征提取,最后使用向后传播算法设计BP神经网络分类器,完成对缺陷自动识别及分类。通过实验结果分析可知,本文提出的算法可以有效针对无缺陷、裂纹缺陷、气泡缺陷、伪缺陷和夹渣缺陷进行识别和分类。对以上五种类型的总体漏检率达到了低于5%的要求,识别率达到了85%的要求,尤其是对无缺陷、裂纹缺陷、气泡缺陷的识别率可以达到90%以上,具有一定的实用价值。