外包镍丝石墨条是应用于航空航天及核电核能领域的特种密封产品，该产品生产工艺独特，受专利保护及商业性限制，该产品的研发生产在国内尚不多见，其破损检测更属空白，目前对该产品的破损检测方法还是依靠人工检测。人工检测耗时耗力，也容易出现漏检的情况，为了提高检测率，实现工业自动化检测，本文将计算机视觉技术运用到外包镍丝石墨条破损识别当中。　　在对产品图像分析及图像处理、目标识别相关技术深入研究的基础上，本文利用多种图像处理、特征提取及分类算法，结合产品图像特点进行大量实验，提出了利用图像LBP特征与HOG特征融合进行分类识别的方法。该方法主要从图像逐段切分、图像预处理、特征提取及融合、支持向量机核函数选择及参数调优四个方面进行。　　本文的主要贡献有：1.对原图像进行二值化处理并逐段石墨条切分。在图像二值化上，提出两种二值化思路：图像增强+边缘提取、顶帽变换+阈值分割，并针对两种方法进行实验探究，不断优化二值化效果。2.为进一步提高特征提取的质量，对图像进行改进滤波变换及直方图均衡化的预处理，使镍丝特征明显，效果突出，为特征提取打下基础。3.在对图像进行LBP特征及HOG特征提取时，针对图像LBP特征的鲁棒性进行了验证，对HOG特征进行降维，并将二者融合作为图像总特征，从纹理及梯度两个方向共同描述图像。4.为进一步提高破损识别的自适应性和准确性，对提取的特征采用了多种分类器进行实验，选取最优“特征+分类器”组合。并针对 LBP特征、HOG特征及二者融合的特征对SVM核函数及参数进行选择和优化。　　本文的创新点有以下几点：1.首次将计算机视觉技术运用到外包镍丝石墨条破损检测的问题当中，结合产品图像的特点，运用合适的计算机视觉技术解决问题。2.在对产品图像二值化过程中，提出一种基于改进OSTU的局部自适应阈值分割法，使图像二值化效果优化。3.对 HOG特征进行梯度直方图累加降维，并将LBP特征及降维后的HOG特征进行特征融合，一方面利用多特征对图像进行描述，另一方面使特征维度降低又保证了特征选取的有效性。　　实验表明，基于LBP、HOG特征融合与SVM线性核函数组合效果最佳，且在保证召回率的同时，准确率及F1-score均高于“LBP+高斯判别”和“HOG+朴素贝叶斯”两种特征最优分类器组合。该方法的鲁棒性强，识别率更高，适合在在工业环境中进行破损识别。