东莞市某钢铁线材公司的主要产品是高精度圆形线材，由于各种原因使得其表面产生多种缺陷，导致合格率偏低。当前，公司依赖传统劳动力完成对线材表面缺陷的检测，进而判断其是否合格，效率低下。随着工业技术的改进，线材质量要求逐年提高，迫使企业进行产业升级以满足客户需求，提高企业竞争力。针对企业这一现状，拟以机器视觉为技术手段，研究出一套圆形线材表面缺陷在线检测系统。为此，本文拟先进行其线材表面缺陷的识别研究，为后续研究打下一定的基础。　　本文首先叙述了企业生产与机器视觉技术海内外研究的现状；然后，根据企业生产现场搜集到的圆形线材的数据、参数及周边环境等信息，对圆形线材常见的六种表面缺陷的特性和成因进行了总结，同时对图像采集硬件部分的特点、性质和优缺点进行了详细介绍；接着，分析了三种常见的图像噪声类型，并结合MATLAB用多种滤波算法完成了图像预处理，依据图像质量评估指标，分析对照各算法对应的PSNR值；紧接着，对比分析了三种特征描述子SIFT，HOG，SURF，对图像进行了特征提取；最后利用卷积神经网络结合多层神经网络结构对缺陷图像进行了分类识别，为后期线材质量等级的划分做准备。本文的研究结论可为解决线材表面缺陷的检测问题提供参考。