为解决精密机床导轨面磨损缺陷及缺陷程度的识别问题，本文提出一种基于导轨面图像数据雷达图重心特征的表面磨损状态识别方法,主要内容包括导轨面磨损图像采集平台的搭建，图像去噪增强等预处理，导轨面磨损特征的提取，多维特征数据的雷达图可视化，重心特征的提取等方面。1、平台搭建。选用Microvision机器视觉系列产品，如镜头、相机、LED光源、光源控制器、图像采集卡等硬件搭建磨损图像采集平台；采用MVIPS软件作为磨损图像采集的软件程序平台。2、图像预处理。通过比较分析，选择了维纳滤波（邻域均值滤波、中值滤波、维纳滤波）作为导轨面磨损图像的去噪方法；选择直方图均衡化（分段线性变换、直方图均衡化）图像增强作为图像的对比增强方法；选择Canny边缘提取算法得到细节清晰的磨损边缘图像。3、特征提取。提取了磨损图像的几何和灰度特征，对提取的特征数据进行预处理。选择多元图中的雷达图进行数据分析，提取其相邻两维数据与圆心点构成的三角形重心作为区别特征。为了解决不同的数据排序导致重心不同的问题，提出了一种引入遗传交叉变异操作的混合粒子群算法，对多维数据进行最优排序，得到最好的重心特征。4、分类实验。选用支持向量机的LIBSVM分类模型对原多维特征数据、随机排序后提取的重心特征数据、混合算法后得到的最优排序下的重心特征数据进行一个对比分类实验。图像处理结果表明：通过本文提出的基于雷达图的图像数据重心特征分类方法可更有效识别导轨面是否磨损,并能在一定程度上判别导轨面的磨损程度。