金刚石圆锯片拥有优良的切削性能，在石材的加工中得到广泛应用。锯切过程中，刀头的磨损是不可避免的。刀头磨钝后，就应及时修锐锯片以保证可靠的锯切效率和质量。但是修锐也会增加其磨耗，缩短寿命，导致成本上升。最优的锯切状态是在保证加工效率和质量的前提下，尽量降低锯片在修锐中的磨耗。而有效评估锯片的锯切能力是解决这一问题的关键。本课题主要研究了金刚石锯片刀头形貌特征量的提取、分析过程，锯片锯切能力的评价问题，形貌特征量与锯切能力的关系。建立了刀头形貌与锯切能力的对应关系，实现了对锯片锯切能力的有效评估。本论文完成的主要工作内容如下：(1)本文针对刀头形貌的3个频率段信息（低频段、中频段、高频段），分别提出了反应形貌信息的特征量，且详述各特征量所代表的意义及计算方法。(2)为了提高金刚石锯片磨粒识别的效率和质量，将BP神经网络算法应用于金刚石锯片磨粒的识别。以三维形貌的高度、梯度、二阶差分作为神经网络的输入，磨粒、结合剂作为神经网络的二类输出，建立网络模型。实现了对三维金刚石磨粒的自动识别。实例表明，该方法可以有效地识别磨粒。(3)在MATLAB的运行环境中，设计了形貌处理的操作界面，使得数据的处理更加方便快捷。为了获取较大范围的形貌数据，研究了形貌的拼接算法。采用模板匹配法拼接形貌数据，获得了较好的拼接效果。(4)选用锯切力作为评价锯片锯切状态的指标。首先通过锯切力与形貌特征量的相关分析，筛选出所需的特征量。然后将形貌数据按照一定原则分为4个模式类别，分别是较钝阶段、一般阶段、较锋利阶段、锋利阶段。这4个模式类别同时也代表了锯片的4种不同的锯切能力。(5)将模式识别应用于锯切状态的识别中，首先验证了样本数据的可分性。然后介绍了各类判别函数及判别准则的优缺点，选择了合适的判别函数的形式及判别准则。最后验证了判别函数的有效性。