本发明属于图像处理技术领域，特别涉及一种基于机器视觉的翻板阀状态识别方法和系统，所述方法包括：实时获取翻板阀监控图像，并基于训练好的阀柄分割模型生成阀柄掩膜图集；基于所述阀柄掩膜图集，结合质心法计算当前帧翻板阀阀柄开合角度；统计连续时间段内阀柄的开合角度变化，判定翻板阀状态是否异常。本发明通过监控图像的智能分析，能够全天候监测翻板阀阀柄角度变化，从而定位翻板阀异常状态并进行报警。解决了现有翻板阀人工巡检成本高、效率低的问题；对不同监控场景和光照条件的鲁棒性高、泛化能力强。并且对于模型输出的阀柄掩膜图集，自动区分了不同的阀柄区域，避免产生连通域粘连等复杂的后处理问题。