1.一种基于机器视觉与神经网络的焊缝质量判定与归档方法，其特征在于，包括如下步骤：步骤一、将已经数字化的X光底片进行数字化预处理运算；

步骤二、利用算法确定焊缝位置和文字信息位置；

步骤三、利用神经网络识别损伤信息与文字信息；

步骤四、利用文字信息对数字化后的X光底片进行归类，同时利用损伤信息对其中的焊缝损伤进行归档；

步骤一中的所述数字化预处理运算，包括中值滤波与均值滤波、图像对比度增强、灰度化和二值化阈值分割；

所述中值滤波与均值滤波的核大小分别为7和11；所述图像对比度增强采用的是Sin增强方式，公式如下：其中f(x,y)和h(x,y)分别表示转换前后的像素灰度值，m和n分别为sin增强前图像像素的最大值和最小值；所述二值化阈值分割采用OSTU二值化方法；

步骤二中的所述利用算法确定焊缝位置和文字信息位置，具体方法如下：

1、对二值化阈值分割图分别使用Canny边缘检测算法和查找轮廓算法计算焊缝边缘和文字信息位置；

2、对边缘检测图使用Hough直线检测算法确定焊缝位置；

所述Canny边缘检测算法，具体是用Prewitt算子或Sobel算子计算图像像素之间的梯度，从而实现检测边缘的效果；所述Hough直线检测算法，是在Canny边缘检测的基础上将像素点在图像空间中的直线检测问题转换到参数空间中对点的检测问题，然后通过在参数空间里寻找峰值来完成直线检测；

步骤三中的所述利用神经网络识别损伤信息与文字信息，是将焊缝分为32×32像素大小的小块，然后使用预先训练好的分类神经网络对小块进行分类，最终再合成焊缝缺陷整张概率图；所述文字信息包括数字与字母信息，两者经过轮廓框选输入另一个已经训练好的数字字母识别网络，从而得到焊缝文字信息；

步骤四中的所述归类与所述归档，具体是利用文字信息对数字化后的X光底片进行归类，同时利用损伤信息对其中的焊缝损伤进行归档，最后导入特定文件夹。