水果因其含有的丰富营养价值饱受人们青睐,但在水果的运输过程中,环境变化、病虫侵害、碰撞摩擦等因素会造成其表面的损坏或腐烂,因此在水果正式流通进市场之前需对其表面进行缺陷检测以淘汰坏果。针对该问题,本文对类圆形水果表面缺陷检测的关键技术加以研究,并依据分析对不同检测算法进行适当改进。本文的主要工作包括以下四个方面:(1)提出了一种基于远邻域颜色描述特征及稀疏表达的类圆形水果缺陷检测方法。由于大部分缺陷在颜色上与非缺陷存在明显差异,该缺陷检测方法通过分析中心图像块与其邻域块、远邻域块在颜色上的相似性,并结合中心块自身颜色的数量和空间分布情况,构建了远邻域颜色描述特征。实验证明,所提出的检测方法是合理且有效的。(2)在稀疏模型和卷积稀疏模型的基础上,提出了双类型字典选择方式和基于多变量特征判定区域的缺陷检测方式。由于部分水果表面颜色多样且纹理随机性大,为了在训练阶段减小单类型字典学习的压力,构造出最大响应图与最大响应方向图对图像类型加以划分,并在此基础上进行双类型字典学习;针对检测阶段仅使用重建误差这一单一变量易造成结果可信度不高的问题,该缺陷检测方法采用增加其余变量,构造低维度检测特征和特征判定区域的方式进行最终缺陷区域确定。实验证明,所提出的检测方法在检测效果上要远远好于重建误差检测。(3)在低秩分解模型的基础上,提出了一种既能充分融合图像高低层信息,又对不明显缺陷具有检测敏感性的缺陷检测方法。针对低秩分解图像信息使用量不足、原子集矩阵的冗余性易造成特征相似的数据在显著性上存在差异、不明显缺陷易漏检或非缺陷区域易误检这三个问题,该检测方法从获取图像高层信息、动态更新原子集矩阵、增大原子表示向量距离这三个角度入手进行问题解决与算法改进。实验证明,改进后的低秩分解无论在漏检率还是误检率上都有明显下降。(4)对提出的四种缺陷检测算法进行对比实验并对结果加以分析。实验证明,改进的低秩检测算法无论在检测时间还是检测速度上都要好于其它算法。