随着科学技术的进步和社会的发展，人们对于机械产品表面质量的要求越来越高，表面质量的好坏对机械设备的装配质量、配合性质、工作性能、使用寿命都有很大的影响，是机械产品重要的质量指标。因此研究应用于工件表面质量检测的计算机视觉检测系统具有重要的现实意义。研究表面质量检测的关键是对衡量表面质量的特征参数的提取，本文深入研究了基于信号分析的纹理间距参数提取方法及基于分形理论的表面分形维数参数的提取算法。通过神经网络对特征参数进行数据融合，对表面质量合格与否做出判断。本文的主要工作有： (1)阐述了工件表面质量自动检测的研究现状及意义，分析了本文的研究对象切削加工工件表面形貌特点，介绍了分形理论在表面形貌分析中的应用状况。 (2)研究了工件表面图像加工纹理角度自动校正方法。重点研究了利用FFT方法提取加工纹理间距参数的方法。 (3)分析了加工纹理对分形维数关于表面质量判断的影响，提出了剔除加工纹理方法。应用盒子维法对改造后的灰度图像提取分形维数，计算结果表明该方法非常有效的表征了工件表面质量状况。 (4)研究了采用径向基神经网络进行表面质量检测的方法，包括神经网络输入参数的确定，网络的设计，网络学习样本的构造。 (5)研究了VB、MATLAB、SQL server三者混合编程技术，建立了表面质量在线检测可视化软件系统，系统以VB为软件界面，MATLAB为运算载体，SQL server为训练样本存储后台。对系统的界面和功能做了详细的说明。 (6)设计了实验方案，对三组工件表面图像分别做提取纹理间距参数和分形维数计算，实验结果表明两参数均能很好的表征工件表面的实际状况。最后构造训练样本对神经网络进行训练，结果表明应用RBF神经网络对表面质量进行判断是可行的。