随着生产技术的提高以及人们对产品质量要求的提高，产品正确性检测必然受到人们的密切关注，如在航天、国防、高铁等领域存在着数据庞大且装配结构复杂的关键产品。由于产品本身复杂，所采集庞大的数据量给在线实时性检测带来了一定的困难，难以满足生产需要。针对上述问题，本文重点采用了压缩感知中的主要理论：稀疏表示及分解算法完成对产品的分类识别和缺陷分离检测。首先，采用基于压缩感知的稀疏表示分类识别算法是将采集回来的序列图像经过预处理后分为三类，随机从三类样本图像中分别抽取一部分作为训练样本，剩余的作为测试样本，通过对测试样本进行稀疏表示，采用了L-1范数、对偶仿射法、同伦算法和正交匹配算法求得最稀疏解，所获得稀疏具有明显的类别信息，从而易于对产品图像进行分类，判断产品属于哪一类。其次，对产品进行分类后，要检测出产品是否有缺陷，采用了压缩感知理论的稀疏分解算法对产品图像进行分解，选用不同的背景字典和缺陷字典分离出背景图像和缺陷图像，根据缺陷图像的特性判断产品是否合格。实验结果表明采用稀疏表示对产品分类具有较高的识别率，为了提高其识别效率，通过PCA降维也可以对产品进行很好的分类，达到了产品分类的目的；采用稀疏分解算法可以很好的把产品的背景图像分离出来，由于缺陷的特性不同，分离出的缺陷图像也不一样，如果产品给图像加上噪声，可以将其完全分离出来，达到了缺陷检测的目的。