随着中国国民经济的持续稳定发展,中国造纸工业发生了根本性变化,纸和纸板生产量持续大幅度增长。然而,在造纸生产过程中,由于设备磨损、生产原料质量和环境污染等原因,会造成一些外观纸病,而利用传统的人工检测方式进行纸病检测已经难以胜任。为此,本文研究讨论了基于机器视觉的纸病检测方法,并把取得的研究成果在实验室现有设备基础上进行系统集成,模拟造纸生产线的纸病检测。本文根据机器视觉的基本原理,研究了针对四种常见纸病的数字图像处理算法,包括图像平滑去噪、图像增强、图像分割和图像数学形态学处理;并且提取和分析了10个纸病图像特征;利用BP神经网络建立了纸病分类器,取得了较好的识别效果,识别率达91%。在此基础上,本文利用智能图像传感器、微型计算机等设备,构建了纸病检测的硬件系统;并利用Delphi软件开发平台、MATLAB软件和第三方控件DVTSID,自主研发了一套集图像预处理、特征提取和分类识别于一体的纸病检测系统,达到了预期效果。虽然本论文取得了一定的研究成果,但是由于纸病种类繁多,研究得到的检测方法还存在着局限性,检测系统距离实用化还存在着一定差距。因此,本文最后对研究中存在的不足进行了总结,并对下一步工作的重点提出了建议。