触点材料广泛运用于现代电子设备系统当中,担任着接通、断开电路的任务,其表面质量与系统能否稳定运行息息相关。由于触点材料需求量的增加,人工检测方法已无法满足触点材料生产企业的检测需求,因此对触点材料表面缺陷检测技术的研究刻不容缓。本文针对铆钉型触点材料表面缺陷设计了全景图像采集系统并基于图像预处理、图像分割、特征提取、机器学习等方法实现了对触点材料表面缺陷的识别与分类。首先,设计了由远心光路图像采集系统、穹顶光源照明系统和其他机械装置组成的触点材料全景图像采集系统,针对触点材料表面缺陷检测指标要求,确定了工业相机的像素大小和远心镜头的视野范围。设计了基于穹顶光源的漫反射照明系统,完成了触点材料全景图像采集系统的搭建,实现了对铆钉型触点材料工作面、钉脚面和侧面的缺损、划伤、凹坑、银翘、凸起、分层等六类常见表面缺陷图像的采集。其次,设计了基于加权平均值的触点图像灰度化方法,通过引入峰值信噪比提出了自适应高斯滤波算法,实现了触点图像异常噪声点的去除。针对光照不均的触点侧面图像,提出了基于最小误差法的分段线性变换的触点图像增强算法;针对光照均匀的触点工作面和钉脚面图像,设计了基于自动均衡的触点图像增强算法,实现了对触点图像的预处理。然后,提出了改进的最大熵触点图像分割算法,实现了对光照不均触点侧面的背景分割;设计了基于最大类间方差的触点图像分割算法,实现了光照均匀的触点工作面和钉脚面图像的背景去除。通过形态学运算实现了分割后触点图像的优化处理。设计了基于边界和区域的形状特征提取算法,实现了触点图像轮廓、面积、周长等数据的提取。设计了基于灰度共生矩阵的特征提取方法,实现了对触点材料表面缺陷的能量、熵等纹理特征参数的提取。最后,分别设计了基于决策树和支持向量机的触点材料表面缺陷分类器,并通过实验对比分析,验证了其识别准确率与检测速度,确定了触点材料表面缺陷的识别方法。本研究可用于对触点材料表面缺陷自动检测系统的设计,对于小型金属零件表面缺陷检测亦有参考价值。