铸造表面粗糙度严重影响铸件的外观质量及耐磨性、润滑、抗疲劳和抗腐蚀等性能。因此，合理评价铸造表面粗糙度就显得尤为重要。传统的铸造表面粗糙度评定方法主要是样块比较法和触针式测量法，前者检测结果受人为因素影响较大，后者多年来一直处于二维测量阶段，难以从整体上反映铸造表面的微观特性。因此，非常有必要开展更加准确的铸造表面粗糙度评价技术研究。本文在深入分析和研究表面粗糙度二维及三维参数的基础上，结合铸造表面的随机性及各向同性的特点，构建了一套相对全面的三维评价体系。系统分析了表面粗糙度的各种测量方法，最后综合计算机视觉图像频谱分析和神经网络技术，提出了一种检测铸造表面三维粗糙度的新方法。拍摄了大量不同表面粗糙度的铸造比较样块的表面图像，并对图像进行预处理，包括图像滤波和图像增强处理，使得其有利于特征提取。通过对图像的二维离散傅立叶变换获得了功率谱图像，分析发现其功率谱半径和不同圆环内的能量分布比值均与表面粗糙度呈近似单调关系，以这些特征参数作为输入，以本文建立的三维评价体系中的参数作为输出，建立了BP神经网络模型。运用MATLAB完成了测量系统的软件设计，利用铸造样块和实际铸件对系统进行了检验，将其预测所得的结果和三维表面轮廓仪测量结果进行比对，各参数平均误差率均未超过5%，满足测量要求，证明了该方法的可行性及准确性，为今后的铸造表面粗糙度三维评价研究奠定了基础。