生物信息与影像技术，在生物科学，医学等领域都有广泛的应用。本研究结合生物信息影像技术，通过大量的提取材料表面图像的拓扑结构信息，提出了材料表面缺陷严重性的六种分类指标，进而发展了一种识别材料缺陷的新方法，并建立了一套基于影像技术、支持向量机、BP神经网络和Fisher线性判别综合分类器的材料分级处理与检测系统。首先，本文对生物信息学进行简单概述，并介绍了几种在生物信息学中常用的智能模型。然后对机器视觉检测技术的重要背景和应用进行了简要的论述，阐述了该技术在国内外的研究现状以及目前应用于材料表面检测的重要技术，讨论了本研究的主要内容和目标。综合考虑工业生产对检测系统提出的要求，提出了系统设计的基本原则，并对检测系统的组成、运行流程、软件界面设计、软件各部分功能及操作流程进行了简单的阐述。其次，对系统检测对象的数字图像的保存格式以及表面特征进行了简单的说明，讨论了几种经典的数字图像预处理算法。为了适应实际生产需要，设计了基于对比法的图像处理算法，主要包括了基准图像的选择、待处理图片校正信息的提取、待处理图片的校正、扫描以及缺陷特征的提取。研究通过图像重建的方法对本研究设计的图像处理算法的处理效果进行验证，不断调整算法达到最佳效果。再次，对用于图像智能检测的各类分类器进行了简单的介绍，并从应用背景、原理与结构以及软件设计与实现三个方面重点介绍了本检测系统使用的支持向量机分类器、BP神经网络分类器和Fisher线性分类器，最后提出了三种分类器进行综合得到最优结果的算法。最后，根据实际生产环境中的可变因素生成模拟数据，并使用其对本检测系统的运行速度和检测准确性进行了验证。试验结果表明，通过生物信息影像技术建立的材料缺陷检测系统是可行的，系统在运行速度以及准确性等方面能够满足工业生产需求，并具有较好的扩展性。