在磁柱成形、烧结、研磨工艺中,磁柱表面会产生结疤、黑片、掉边、裂缝等表面缺陷,现有的人眼检测主观性大、缺陷分类标准不一致,传统的人工检测方法不再适用。针对磁柱表面缺陷检效率低和易受人工影响等问题,本文利用图像处理的方法对磁柱表面缺陷进行检测,设计了缺陷检测识别系统,对磁柱表面缺陷的分割识别及分类进行了重点研究。主要工作如下:（1）设计了一种缺陷检测识别系统,通过对光学系统、相机的选型确定了图像采集部分的实验基本设备与条件,并阐述了一种新的图像获取方式。（2）利用霍夫变换对磁柱图像进行磁柱缺陷区域提取。引用直方图均衡化的方法对磁柱图像的缺陷区域与背景区域的对比度进行增强。根据磁柱图像噪声分布特性,对滤波方法中的均值滤波与中值滤波进行了实验分析,确定了中值滤波方法作为磁柱表面图像的滤波去噪方法。（3）采用了阈值分割与边缘检测两种图像分割方法。在阈值分割中,采用2DOTSU图像阈值分割方法,通过加入权重系数,对2D-OTSU算法性能改进;并引入人工鱼群智能算法,对其感知范围与移动步长改进,通过性能测试实验验证了改进人工鱼群算法的有效性,在此基础上提出了基于DLAFSA的2D-OTSU图像阈值分割算法,将改进的人工鱼群算法与阈值分割相结合,通过对比实验分析,能有效检测图像的缺陷。在边缘检测中,改进最大类间方法的均值参数,通过加入改进的最大类间方差法改善高低阈值,改进Canny边缘检测算子。实验结果表明,基于DLAFSA的2DOTSU图像阈值分割算法对明显的磁柱表面缺陷分割速度快且有较好的分割效果,改进的Canny边缘检测算法对图像缺陷的复杂边缘均能完整检测,提高了算法的检测精度。（4）将磁柱表面缺陷图像分割后的二值化图像,采用几何特征与形状特征缺陷进行特征提取,利用面积、宽度、长宽比特征参数区缺陷类型,能有效区分结疤缺陷与裂缝缺陷,黑片缺陷与掉边缺陷效果则不太理想,通过椭圆拟合的方法确定黑片缺陷与掉边缺陷的中心像素点坐标位置,以此区分黑片缺陷与掉边缺陷。最后利用不同缺陷的特征参数的差异性,采用改进的BP神经网络算法对磁柱缺陷识别分类,实验表明,改进的BP神经网络算法识别分类正确率达到了95.58%,且该算法无漏检情况。该方法识别磁柱表面缺陷能力较高,检测速度与精度都能满足实际检测要求。