在钻石的评价体系中,净度是非常重要的分级依据。目前,国内对于钻石净度检测主要依靠人工使用肉眼或显微镜进行,存在着主观性强和检测效率低的问题。国外净度分级仪器价格昂贵,封锁相关技术;国内由于机器视觉研究起步晚,在钻石净度自动化检测领域进展缓慢。因此研究钻石净度自动化检测技术,对国内的准确、快速、客观的钻石净度分级具有重要意义。本文提出并研究了基于机器视觉和机器学习的钻石净度检测方法,主要研究工作及成果如下:（1）设计了一种基于机器视觉和机械运动的图像采集装置,针对钻石表面反光的特点,采用环形光源照明,获得了较好的成像效果。并对图像采集系统进行标定,以提高系统测量精度。（2）分析比较了常用的空域滤波算法特性,选用双边滤波算法对钻石图像进行处理,获得良好的去噪图像,同时保留钻石边缘特征。针对图像背景去除和钻石轮廓直径计算问题,提出了基于Hough圆变换的图像分割方法,去除图像背景同时获得钻石轮廓直径与圆心位置。（3）分析了钻石及钻石包裹体的光学特性,提出一种结合FAST角点检测算法和DBSCAN聚类算法的特征检测方法,实现了复杂背景下对特征的标记。采用基于Alpha-Shapes算法的离散点轮廓提取方法,获得钻石包裹体图像。（4）提出了一种客观钻石净度分级方法,定义了钻石包裹体数量、尺寸和位置等因素与净度等级的对应关系,进一步基于数字图像处理和机器学习,实现准确的钻石净度分级。（5）基于QT、OpenCV和MATLAB搭建了系统软件平台,建立完整的钻石净度检测系统,对钻石样本进行尺寸测量和净度检测,验证本文方法的可靠性和可行性。