石墨电极凭借优良的导电导热性、可加工性及耐高温性,在电炉炼钢和电火花加工等领域被广泛使用。电极的使用寿命直接影响整体生产过程的运行。检测是把控电极质量的有力手段,但由于石墨电极自身材质的特性,为电极内部质量的检测增添了不小的难度。目前,石墨电极的检测多采用传统的敲击法和切断切片法,但这些方法都存在一定的不足。X射线照相检测法能较直观地显示材料内部缺陷的大小和形状,易于判定缺陷的性质,在材料质量检测中已大范围应用。但传统的射线底片人工质量评定存在主观影响大,工作量多等不足。因此,本文根据石墨电极及其内部缺陷的特点,提出了采用X射线照相检测结合图像处理和缺陷自动识别的方式对石墨电极进行质量检测。首先,制作了石墨电极曝光曲线,并应用自制的电极曝光曲线参数,对预制气孔、裂纹和自带夹杂缺陷的石墨电极试块进行了X射线照相检测工艺的制定,将质量合格的石墨电极射线底片转换为数字图像。分析了石墨电极射线检测图像的特点,结合各类图像预处理算法的适用性,研究了电极射线图像的预处理方法。采用不同的去噪和增强算法对电极射线图像进行处理,对照分析处理结果,选定将中值滤波和拉普拉斯锐化算子作为电极射线图像的预处理方法,达到了改善电极图像整体质量的目的。进行了电极缺陷的特征提取。通过比较不同边缘算子的检测结果,决定将Canny算法用于电极缺陷的分割,并从传统Canny算法的弊端入手对其进行改进,提升了边缘提取的精确度。特征是缺陷识别的依据,经过对电极缺陷底片影像特点和图像特征的分析,确定出一组能准确反映电极缺陷本质的特征参数,并在对缺陷进行标记、跟踪和填充处理的基础上讨论了每种特征参数的算法,把计算出的特征数值组成特征向量提供给分类器作为缺陷识别的依据。选择无监督训练与有监督微调相结合的深度信念网络对电极缺陷进行自动识别。分析讨论了不同因素对模型识别率的影响,优化了参数设定和样本分配,获得了较高的缺陷识别正确率。结果表明,通过制作石墨电极曝光曲线可选择合理的曝光规范及工艺,获得质量合格的检测底片;通过计算机图像处理,可把电极缺陷特征从图像中准确提取出来,作为缺陷识别的依据;运用深度信念网络进行电极缺陷的自动识别,最高识别率可达99.33%,在准确率和稳定性上均表现出不错的效果,可为石墨电极缺陷的计算机自动检测提供一定的理论指导和借鉴。