钢球作为点状承载的滚动体是轴承中的重要零部件。影响球轴承使用寿命、精度和运动性能的主要因素是钢球表面随机分布的各种缺陷。本论文使用机器视觉技术对钢球表面缺陷进行实时检测与分类，获得了较好的实验效果。为解决当前轴承行业所采用的人工目视检测法准确性不高与稳定性不强的问题提供了有效的途径。　　在光线的照射下，钢球存在全球面镜面反射的现象。因此针对钢球图像拍摄过程中容易受到各种环境因素影响的问题，论文在分析研究钢球表面光学反射特性的基础上，确定了轴平面以上的部分区域为图像有效检测范围。结合大量实验，最终构建了使用球积分光源与0.5x远心镜头组成的钢球表面缺陷图像检测平台。　　通过以上平台获取清晰的钢球表面图像后，经对不同方法的实验与分析研究，确定了中值滤波去噪和分段线性灰度增强的图像预处理方法。并根据钢球图像的特点，将微小轴承表面缺陷检测使用的迭代法与图像形态学方法相结合实现了对钢球缺陷的图像分割。本文使用标准面积值与综合熵组合作为判断钢球表面有无缺陷的依据。根据缺陷形态描述了几何特征参数，并给出了这些参数的计算方法。提出将矩形度与圆形度之比、角度等特征与现有分类器相结合，组成“组合判据”实现缺陷的分类与识别。　　利用VisualC++6.0设计开发基于视觉的钢球表面缺陷检测识别软件系统。在实验室环境下对1000个工厂提供的精度为G16、公称直径为12.7mm的钢球进行分析，取得了很好的实验效果。