外观纸病是影响纸张质量的重要因素，快速准确地辨识造纸生产线上的各种外观纸病，并及时采取相应措施，对造纸厂有重要的经济意义。随着造纸技术不断进步，生产线上的纸张传送速度越来越快，纸幅也越来越宽，对于在线纸病检测技术的实时性要求也越来越高。同时当前的纸病检测方法，一直存在辨识纸病种类少，对难点纸病辨识准确率低的问题。针对这些问题，本课题以黑斑、孔洞、亮斑、褶皱、裂纹五种常见且具代表性的纸病为研究对象，在现有的纸病检测技术的基础上提出了一种结合信息融合的新纸病检测算法，本文分别从纸张图像预处理和纸病模糊径向基融合辨识两个方面进行算法研究，主要工作如下。　　1)预处理算法方面，比较不同模板大小的均值和中值滤波对添加噪声的纸张图像的去噪效果，选取改进的中值滤波去噪;比较不同算子边缘检测纸病轮廓的效果，最终选取3*3的Sobel算子进行边缘检测;对二值化的纸病轮廓信息求最小外界矩形并标记，然后逐行扫描填充原始纸张图像，分割出目标纸病区域。　　2)以Altera的Cyclone Ⅳ为硬件平台，FPGA硬件实现图像预处理算法，纸病图像的预处理效果显示，FPGA预处理效果与软件的预处理效果几乎相同，而且处理速度更快，可以满足每秒60帧实时采集的纸张图像的预处理。　　3)纸病辨识算法方面，归纳总结各种纸病辨识方法，分析神经网络与模糊逻辑系统的优缺点及互补性，提出利用模糊径向基神经网络对纸病图像的多个特征值进行信息融合，进而实现更准确地辨识更多种纸病。该模糊径向基融合器有结构简单和快速的特点。　　4)分析五种纸病的灰度、纹理及几何特征，确定灰度均值、灰度方差、分形盒维数、褶皱模板匹配度作为模糊径向基融合器的输入。选取五种纸病图像样本训练模糊径向基融合器，并验证融合器的辨识效果，仿真结果表明模糊径向基融合器可以准确辨识五种纸病。　　综上，基于FPGA和模糊径向基融合器的纸病检测系统不仅可以加快纸张图像预处理的速度，满足实时检测，减小上位机处理的数据量，而且可以准确辨识包括褶皱、裂纹在内的五种纸病，有良好的应用前景。