本论文研究了机器视觉在市政排水管道损伤检测中的应用，搭建了机器视觉检测的软硬件平台，采用统计模式识别和BP神经网络模式识别方法实现了管道损伤的自动识别功能。 本论文的研究工作包括以下几部分： 管道机器人视觉系统的设计：设计和搭建了包括CCD摄像机、光源、视频采集卡、工控机的视觉硬件系统，分析了照明光源的光强和分布、摄像头帧频和稳定性，设计了发散型光源，获得比较理想的照明效果。 图像预处理算法设计：设计了包括灰度变换、滤波、自适应双阈值分割、种子填充和边界跟踪等图像预处理方案，有效地降低了图像的噪声，准确地定位了管道损伤区域，提高处理速度，为后续的模式识别打下坚实的基础。 模式识别算法设计：对管道图像损伤区域提取了5个几何学和统计学特征，设计了统计模式识别分类器和BP神经网络模式识别分类器，通过对损伤区域图像的特征向量分析和分类，得出管道损伤类型，并对两种分类器的性能进行了对比分析。 管道检测实验：设计了管道视觉检测软件，使用采集的管道图像训练分类器，并分别使用统计模式识别分类器和BP神经网络模式识别分类器对管道裂纹损伤图像和漏洞损伤图像进行了实验，结果表明BP神经网络具有较高的识别率。 论文最后就后续的研究工作提出了改进意见。