水果表面缺陷检测是水果分级中的一个重要环节。本文以水蜜桃缺陷为研究对象,对水蜜桃表面缺陷检测做了相关研究,主要研究内容和结论如下：(1)修正了类球形曲面引起的光谱差异。利用matlab编程实现了前人提出的4种基于图像空间维和4种基于光谱维的灰度校正方法,并结合其中两种提出了一种新的基于图像空间维的校正方法,试验证明基于光谱维的均值归一化方法较优。(2)优选了高光谱图像的波段选择算法。采用了PCA、SI指数、JSKF等6种算法选择特征波段,最终选用了马氏距离筛选出能较好区分缺陷区域与正常区域的波段组合：检测褐腐病缺陷的三波段组合为660nm、680nm和700nm；检测疮痂病缺陷的双波段组合为745nm和950nm,三波段组合为680nm、730nm和950nm。(3)提出了水蜜桃表面褐腐病缺陷区域的分割和识别方法。采用了特征角余弦值Φ(R660,R680,R700)、三波段组合[R660,R680,R700]、双波段组合[R660,R680]、波段比R660/R680和波段斜率(R660-R680)/d,对图像进行基于像素分类的图像分割处理,得出特征角余弦值检测率最高,其对褐腐病缺陷果和正常果的识别率分别为96.9%和94.6%。(4)提出了水蜜桃疮痂病缺陷区域的分割和识别方法。利用双波段比值和三波段特征角余弦值方法,检测疮痂病缺陷的正确率分别为88.4%和87.2%。