针对人工对瓷砖质量检测过程中分类精度与分拣效率低的现状,以及目前自动检测技术中瓷砖特征参数判据单一化问题,构建了基于机器视觉技术、以BP神经网络算法为判据的瓷砖质量综合检测系统。该系统由光源、图像采集设备、图像预处理和智能判断模块组成。基于CCD方法获取的瓷砖数字图像采用了滤波和边缘算子方法进行了处理,以完成图像模式的转换、环境光的消除、图像的平滑和图像的增强。确定了以颜色、纹理和形状三种特征综合指标,作为神经网络的输入向量进行瓷砖图像检测分类。详细分析了每一特征向量的表达方法和计算方法,利用MATLAB获取瓷砖颜色特征参数和形状特征参数,而瓷砖纹理特征参数则采用VC计算。通过颜色、纹理和形状三种特征向量的综合训练实验,确定了神经网络瓷砖图像检测分类的隐层单元数目。通过比较不同的改进型BP神经网络算法,确定了适合于瓷砖分类的最优BP神经网络模型。将计算所得到的这三种特征参数作为BP神经网络的输入向量,并根据神经网络对瓷砖质量的判别结果进行瓷砖分类,实现了基于神经网络的瓷砖质量智能检测分类系统。最后,结合回归分析和灰度理论对瓷砖的几组原始数据进行了预测,建立了包含原始数据和预测数据的神经网络用于瓷砖的分类判断。实例研究表明,所设计的瓷砖质量检测系统能够快速、准确地实现瓷砖质量的综合检测。