【摘要】本文针对烟支质量自动化检测需求，提出了一套基于图像处理的烟支外观检测技术框架。通过构建包含图像采集、尺寸归一化、噪声滤除与边缘检测的预处理流程，实现了烟支图像的有效增强。创新性地融合颜色-纹理双模态特征，结合小波包分析进行特征降维优化，建立了高效的特征表征体系。在分类模型构建方面，采用支持向量机（SVM）与Adaboost集成学习相结合的策略，通过弱分类器加权融合形成强分类器，有效提升了检测系统的泛化能力。实验结果表明，该方法在烟支外观缺陷检测中具有较高的分类准确率和工程适用性，为工业质检领域的智能化升级提供了技术参考。