本发明涉及电机故障检测技术领域，尤其涉及一种基于机器视觉的电机磁瓦表面缺陷检测方法，通过配合高斯随机光照生成器对输入张量进行随机光照叠加，以生成光照不平衡图像参与模型训练，以达到提升电机磁瓦缺陷分类模型的整体性能的目的，同时采用了等像素亮度区间划分算法，通过对图像动态计算各亮度区间的像素，进行等量分割，然后通过K最近邻算法对游离点进行聚类，完成图层划分，最后并通过BP神经网络对各图层亮度进行校正，最后通过训练好的分类模型对待检测电机磁瓦表面灰度图进行检测分类，解决了现有的深度卷积神经网络对光照不平衡图像鲁棒性低、泛化性较弱的技术问题。