计算机视觉技术作为一种为实现自动化和现代化生产而产生的技术，自诞生之日起就引起了国内外许多科研人员的关注，其在工业控制、生物医学、农业工程、军事等领域内有着广泛的应用，是人工智能领域内的热门研究课题。由于基于机器视觉的检测具有快速、精确、非接触等一系列优点，故其作为一种现代化的检测手段越来越引起人们的重视。基于机器视觉对瓷器进行检测分类，对提高我国瓷器市场的竞争力有十分重要的意义。目前，传统的人工检测方式在瓷器分类的过程中存在效率低、误判率高、速度慢等缺点，已很难满足生产的需要，也很难满足实时性分类的要求。为解决这一矛盾，实现瓷器的自动检测，缩短整个工作流程时间，本文做了如下研究工作：1、本文介绍了基于机器视觉瓷器的自动检测系统的工作原理、总体结构和工作流程。对系统所需的硬件特性进行了分析，选择了合适的光源、图像卡、工业相机等硬件，搭建了检测系统的硬件平台。2、采集瓷器的图像，将采集后的瓷器图像进行平滑、分割、灰度化和增强等图像处理，并比较研究了几种图像处理方法，包括图像噪声去除方法、灰度化方法、图像分割方法、边缘提取方法等。3、提取处理后瓷器图像的大小、形状、颜色特征参数，依据提取的特征参数实现瓷器分类。用改进的投影面积法实现瓷器尺寸特征提取；采用直方图判别法进行形状特征提取；采用主颜色法提取颜色特征。4、提出用BP神经网络作为分类器，经过对大量瓷器数据的学习得到瓷器模型，并将此作为瓷器分类的标准对瓷器样本进行测试。结果表明，基于机器视觉的检测系统对瓷器的检测分类达到了预期目标。通过对基于计算机视觉的瓷器自动分类方法研究，为今后实现瓷器的自动分类奠定了基础，但复杂物体的分类是一项复杂的系统工程，涉及到多个领域和学科，由于本人时间和精力限制，因此本文所做的工作还十分有限，开发的原型工具尚处在探索阶段，在今后的工作中仍需进一步的学习和研究。