随着科学技术的发展和市场竞争的日趋激烈，人们对产品的外观和产品的质量要求越来越高。板材表面缺陷作为影响产品美观和产品质量的重要因素，如何有效的检测板材表面的缺陷成为了无损检测的一个重要课题。机器视觉的发展和运用于板材表面的缺陷检测，让表面缺陷检测更加高效和智能化。控制产品表面质量对企业降低生产能源消耗、提高生产效率、减少贸易争端、维护企业信誉都有深远的意义。本文介绍了机器视觉技术的原理和系统构造，基于机器视觉技术进行板材表面的缺陷检测和自动分类识别，着重分析了图像的滤波，图像的空间域变换，图像的边缘检测和BP神经网络的自动分类识别，主要研究工作如下：1.提取了6种主要的板材表面缺陷图像，通过仿真实验，对比中值滤波和均值滤波两种图像的滤波处理，比较两种滤波处理的的优缺点，有效减少高斯噪声和椒盐噪声，并且保护了图像的细节和缺陷边缘。2.对缺陷图像进行灰度变换和直方图均衡，大大提高了缺陷图像的可辨别性。再结合图像的边缘检测，采用五种边缘检测算子进行边缘提取，对比得到最适合的边缘进行边缘检测的Canny算子，能够较好的展示缺陷图像的边缘细节。3.通过提取缺陷图像的形态特征值、灰度特征值和纹理特征值，利用BP神经网络自动识别板材表面的缺陷，设计了BP神经网络的分类器结构，并选用样本对分类器进行训练和测试，通过对实验证明BP神经网络能够有效的识别板材表面的质量缺陷，对六种主要的板材表面缺陷识别率能够达到84.3%，较好的完成了缺陷的图像识别工作。本文应用机器视觉的图像处理技术和神经网络技术对板材表面缺陷进行检测，较好的实现了缺陷的自动检测，能够基本满足板材检测需求，值得运用和推广。