随着我国工业现代化的快速推进和市场竞争的急剧增长,人们对传统制造业的要求越来越高,在高效率的基础上更要保证产品的质量。造纸术作为我们引以为傲的四大发明之一,为世界历史上的文化传播立下了不可磨灭的功勋,纵然在电子书籍风靡世界的今天,传统的纸张和纸制品依旧有着无可替代的魅力。然而在纸张的生产过程中,由于生产原料、生产设备和生产流程等问题,在纸张生产过程中会存在一些纸病,正是由于这些纸病的存在,给造纸企业带来了很大的经济损失。目前造纸企业把大部分精力都放在成纸检测上,造成对成纸表面纸病检测和分类的技术已经十分成熟,但是对生产原料——纸浆——的检测和分类却还是一片空白。生产原料的好坏直接决定了产品品质的优劣,而对纸浆纤维的检测和分类就是对成纸质量最直接的保障。因此,对纸浆纤维的检测和分类研究的重要性不言而喻。本文首先对纸浆图像和纤维图像进行减背景处理,除去附着在镜头上灰尘等附着物的成像影响;然后通过对不同的滤波算法进行比较,最终选择选取了模板为3*3的高斯滤波对纸浆图像和纤维图像进行滤波处理;其次将采用滤波后的图像进行分割;在特征提取时选择了形态和灰度两大类特征中的九小类特征;在支持向量机分类算法中,在训练支持向量机模型时,我们选用了高斯核函数,并采用了一对一的分类策略,虽然支持向量机对纤维的分类效果较好,但是对纸浆的分类效果较差,达不到我们想要的效果。在卷积神经网络中,在对神经网络进行训练时,我们选择了三层的网络结构,其中输入层中神经元数目设定为9,输出层数目设定为6。隐含层神经元数目通过多次的对比分析,最终设定为10。虽然卷积神经网络对纤维的分类效果不如支持向量机,但是对纸浆的分类达到了较高的水准。我们先用卷积神经网络来区分不同的浆种,然后用支持向量机对同一浆种的不同纤维和非纤维杂质进行分类。本文最后通过对不同浆种的抄造性能进行分析研究,对不同纸浆形态参数对抄造性能的影响进行了深入探讨,利用所提纤维图像及纤维分类对混合浆的抄造性能进行了预测应用,验证了纤维形态参数和抄造性能之间的关系。