针对传统基于机器视觉的钢球表面质量分拣系统，大多属于静态检测，在静止状态下对钢球的放置方式以及放置位置都有严格要求，自动化水平低，难以真实模拟现实中不同钢球的品质状态，适合小批量的抽样检测，无法胜任大批量、高速度质量判别的问题；本文通过将机器视觉和高光谱图像技术进行融合，通过对不同环境下光谱特性的分析，进而为机器视觉光源、背景材料的选择提供依据。结果表明，基于机器视觉和光谱成像技术的BP人工神经网络模型，能够提升钢球品质无损检测的实时性和精确性。