1.基于機器視覺的產(chǎn)品包裝表面缺陷檢測與分類方法，其特征在于，包括如下步驟：
(1)采集無缺陷產(chǎn)品包裝的高清彩色圖像，制成標準圖像；再利用攝像頭實時拍攝，在線采集待測產(chǎn)品包裝的高清彩色圖像，作為待測圖像；
(2)基于SURF算法，將待測圖像和標準圖像進行圖像匹配；
(3)對步驟(2)中匹配后的兩張圖像進行差影操作，得到缺陷圖像；
(4)對缺陷圖像進行特征提取，得到缺陷圖像的幾何特征和色彩特征；
(5)采用RBF神經(jīng)網(wǎng)絡(luò)算法，以缺陷圖像的特征向量作為輸入值，以缺陷的種類作為輸出值，對產(chǎn)品包裝表面缺陷進行分類。
2.根據(jù)權(quán)利要求1所述的基于機器視覺的產(chǎn)品包裝表面缺陷檢測與分類方法，其特征在于，步驟(1)中高清彩色圖像由3CCD高清面陣彩色相機利用反射光源采集獲得。
3.根據(jù)權(quán)利要求1所述的基于機器視覺的產(chǎn)品包裝表面缺陷檢測與分類方法，其特征在于，步驟(1)的標準圖像為多張無缺陷產(chǎn)品包裝的高清彩色圖像采用統(tǒng)計平均法合成。
4.根據(jù)權(quán)利要求1所述的基于機器視覺的產(chǎn)品包裝表面缺陷檢測與分類方法，其特征在于，步驟(2)中待測圖像和標準圖像的圖像匹配方法包括如下步驟：
a、在標準圖像中選定一區(qū)域作為模板，采用基于顏色不變量的SURF算法，利用圖像彩色信息計算得到的顏色不變量來提取圖像的特征點；
b、提取特征點后，結(jié)合圖像的灰度信息為特征點生成特征描述子；
c、采用歐式距離進行相似性度量，提取兩幅圖像間匹配的特征點，找到匹配點后，以其為基準，完成待測圖像和標準圖像的配準。
5.根據(jù)權(quán)利要求1所述的基于機器視覺的產(chǎn)品包裝表面缺陷檢測與分類方法，其特征在于，步驟(2)中的缺陷圖像由匹配后的待測圖像和標準圖像逐像素對應(yīng)作差得到。
6.根據(jù)權(quán)利要求1所述的基于機器視覺的產(chǎn)品包裝表面缺陷檢測與分類方法，其特征在于，步驟(4)中，缺陷圖像的幾何特征包括缺陷區(qū)域的長度、寬度、圓度、面積、周長及方向；缺陷圖像的色彩特征包括色彩均值和方差。
7.根據(jù)權(quán)利要求1所述的基于機器視覺的產(chǎn)品包裝表面缺陷檢測與分類方法，其特征在于，步驟(5)中RBF神經(jīng)網(wǎng)絡(luò)的輸入層的單元數(shù)量由步驟(4)中提取的缺陷圖像的幾何特征和色彩特征的總數(shù)量確定；輸出層的單元數(shù)量由產(chǎn)品包裝表面缺陷的種類確定。