目前我国胶囊生产正逐步走向智能化，而在胶囊分类的研究中鲜有有效的胶囊缺陷多分类识别方案，因此胶囊缺陷分类识别的研究有着重要的现实意义。本文首先对胶囊缺陷图像进行了图像预处理技术的研究，包括相关模板匹配算法、多区域分割算法、图像增强算法、Canny边缘检测算法。针对胶囊图像的特征对模板匹配算法和Canny边缘检测算法进行了改进，为后续提取准确的胶囊缺陷特征做好准备。接着，本文分析和总结了胶囊缺陷图像特征，从纹理特征、形状特征、灰度特征三个方面综合对胶囊缺陷图像进行了特征提取，这些提取的特征代表了不同种类的缺陷信息。然后，本文对SVM多分类算法进行了研究，分析比较了常见的四种多分类支持向量机的优缺点，并选择层次SVM多分类算法对提取的特征向量进行分类识别。针对层次SVM中出现的正负样本不平衡和至上而下的误差累积问题，本文设计了层次SVM分类识别的逻辑层次结构，提高了层次SVM的分类性能。最后，本文用BP神经网络和四种SVM多类分类方法对提取的胶囊特征向量进行了分类识别。仿真结果表明，在小样本分类识别事件中，基于SVM的分类优于BP神经网络，且改进的层次多类分类算法更具有良好的有效性和实用性，这在胶囊缺陷分类识别应用中具有一定的参考价值。