随着社会的进步与发展，国家经济建设的迫切需要，以及大型轴承市场的需求日益的增长，大型轴承套圈的质量越来越受到关注。现有的大型轴承套圈表面缺陷的检测方法大都是依靠人工目测或者落后简单的检测仪器，劳动效率与识别率低，缺陷检测与分类精度差。当需要在高温，高噪音、粉尘、振动等恶劣环境条件下进行检测时，不仅会对检测人员的身体和心理会造成极大伤害，还会使检测人员往往无法正常工作。因此大型轴承套圈表面缺陷检测的研究成为近年来人们研究的热点。本文依据数字图像处理技术对大型轴承套圈表面缺陷检测进行了研究，主要内容如下：1.大型轴承套圈表面缺陷的典型表现类型与缺陷区域分析。对于采集到的大型轴承套圈表面缺陷图像，本文采用三种经典滤波去噪方法处理，并对去噪效果进行了分析与评价。依据实验结果，选取中值滤波算法。2.图像边缘检测算法的分析。采用多种经典边缘检测算子对大型轴承套圈表面缺陷图像进行对比检测，提出了一种改进的Sobel边缘检测算子。从对比的实验效果图分析结果来看，不同的缺陷类型应按各经典边缘检测算子的适用范围与缺陷图像的类型，具体问题具体分析。本文改进后的Sobel算子得到的图像边缘清晰度和连续性好，抑制噪声能力强。3.缺陷特征的提取与选择。对缺陷图像提取了Hu不变矩特征，形态特征，纹理特征，并进行了系统的分析与论证，确定了分类识别所需要的Hu不变矩特征。4.基于BP神经网络分类识别算法的研究。本文采用了传统的基于BP神经网络的识别方法，对缺陷进行了分类识别。实验结果表明，BP神经网络能正确识别出大型轴承套圈表面缺陷类型，使得大型轴承套圈表面缺陷检测无遗漏。与人工检测相比，有效的提高了分类的准确性，可提高企业的经济效益与市场竞争力。