随着社会经济的发展，科学技术的进步以及生活质量的不断提高，人们对健康有了更深入的理解，越来越多的肿瘤患者希望减小放疗过程对身体正常组织的损伤。因此，放射性籽源治疗技术越来越受到人们的广泛关注。然而在生产过程中，目前国内的公司还采用人工的方法对焊接的籽源（钛管）进行筛选，不仅速度慢，带有主观性而且放射性元素还会对工作人员的身体产生危害，为了解决这些问题，本文提出利用图像的矩特征来对焊点进行自动检测。目前国内外基于图像矩的研究几乎都仅限于不变矩方面，而本课题的检测对象的位置恰恰是固定不变的，因此不涉及不变性的问题。根据正交理论以及选择勒让德矩，泽尼克矩，伪泽尼克矩，傅里叶—梅林矩和切比雪夫矩这五种正交矩对好坏焊点绘制矩图的比较结果，决定利用图像的正交矩原始值来对焊点进行分类。本文首先介绍了矩的概念和性质，并对其中几种重要的正交矩做了详细的说明，之后从理论和实验两个方面，验证了利用图像正交矩原始值对焊点进行分类的可行性。由于数据的维度比较高，本文采用基于核函数的主成分分析对原始数据进行降维，并提出了一种改进的方法，与传统的保留方差大的主成分相反，本文选择方差小的成分，以此来缩小好焊点之间的类内间距。之后本文选择BP神将网络，RBF神经网络，以之前选用的五种降维后的正交矩原始值为特征，对焊点进行分类。文章首先对这两种前向网络进行了简单的介绍，之后选择Hold—Out交叉检验法通过实验对分类效果做了验证。最后本文又选择了支持向量机来对焊点进行分类，以此进一步验证方法的可行性。文章首先对支持向量机的工作原理以及其中的参数寻优法—网格法，遗传算法和粒子群算法做了简单的介绍，之后分别选择Hold—Out交叉检验法和五折交叉检验法通过实验对分类效果做了验证。实验结果表明，基于正交矩原始值的激光焊点检测法是可行的。