电流互感器在电能计量、电流监测和继电保护等方面有着广泛的应用。但在电流互感器生产过程中，由于一些不确定的因素会造成互感器外表面硬质塑料出现裂隙、破损等缺陷，容易引起漏电或电弧击穿，给人们的生命和财产造成极大的安全隐患。因此对电流互感器表面的完整性的检测就显得尤为重要。目前低压电流互感器表面缺陷检测主要是采用渗透法等传统接触式检测方法，需要依赖人工离线检定，无法满足我国电网公司提出的全自动化、全电子化、全信息化的无人化互感器检测要求。针对上述问题，开展基于机器视觉的非接触式检测技术研究。以低压电流互感器表面缺陷（裂纹、污渍、破损）为研究对象，对各种缺陷的检测识别方法进行研究。　　为了能够准确清晰的提取缺陷，首先对采集的图像噪声特点进行分析，通过对传统滤波算法进行试验验证，选用双边滤波算法对电流互感器图像进行滤波处理。重点研究了缺陷的分割提取算法，针对传统阈值分割算法对图像灰度值变化灵敏度低的问题，提出以最大信息增益为准则来求取最优阈值的改进最大熵图像分割算法。该算法对灰度值突变不明显的缺陷区域更加敏感，可准确的分割目标并保留重要信息。　　通过对低压电流互感器表面存在的各种缺陷进行样本统计和试验分析，选取面积、周长、圆形度、长宽比等特征参量作为缺陷的分类属性，同时，针对形态极其相似的裂纹与划痕缺陷，对其形成机理进行深入分析，提出了基于8邻域的分叉数计算方法，利用该方法计算的节点分叉数作为主特征能有效区分裂纹与划痕，然后基于特征参数构建二叉决策树分类器对互感器表面缺陷进行识别，可实现不同损伤程度缺陷产品的分类处理，并有效解决划痕对裂纹识别的干扰难题。　　机器视觉检测方法相对于在物体表面检定的传统方法能够有效地分类识别电流互感器表面各种缺陷，对这些缺陷的识别分类对企业的生产和产品质量的升级具有极大的指导意义，且适用于流水线在线缺陷检测。