机器视觉分类识别技术涉及图像处理、机器视觉、模式识别、人工智能、精密仪器、光学等多个学科。机器视觉分类识别技术在工业领域的应用极大地提高了企业的生产效率和检测的准确性，推动了企业的信息化建设和现代化管理水平。本文的主要研究集中在： (1) 查阅并了解国内外对于机器视觉分类识别技术的最新研究动向与研究成果，分析了用于工业产品检测、识别和分类的机器视觉系统在高质量图像获取、特征选择与优化、分类决策的效率和通用性等方面存在的主要问题。 (2) 分析了影响图像质量的多种因素。介绍了光源设计和选择的基本准则，自行研制了一组LED光源。分析研究了影响黑白面阵CCD相机平场的因素，提出了一种新的平场校正方法。 (3) 研究了工件特征选择的理论和方法，设计并实现了一套用于特征选择和特征优化的应用程序，该程序预置了32种特征提取函数和3种阈值分割方法。 (4) 基于分层次搜索思想，对SSDA算法进行改进，设计了一种具有更高计算效率和通用性的快速模板匹配算法；针对神经网络分类器的通用性和准确性问题，设计了一个以BP前馈网络为基础的改进型三层神经网络模型。 (5) 设计并研制了一套用于产品传送和图像采集的试验设备，编写了相应的7套应用程序。使用4组工业产品对上述算法进行试验，并对导致误差的因素进行分析。