热连轧钢板、带产品是一种非常重要的钢材品种，最近几年来，热轧板带材产品被广泛应用到各个行业。因此，对于产品的质量要求也变得越来越严格,而随着钢板质量提高的同时，用户对于外观质量的要求也看的更加重要。从某个角度来说，外观质量是评价钢板好坏的一个很重要的指标，产品的外观质量如果不符合用户的要求，就很难让客户接受和认可，所以热轧钢材在生产的过程中，不仅要保证产品的质量要求，还要注重产品的外观。但是在钢材生产的整个进程中，总会受到一些高压、高温还有硬件设备等外界因素的影响，生产出的产品总是会产生不同的缺陷，缺陷的产生发生在热连轧的整个生产过程中，这些缺陷不仅影响着后续成材的表面质量，也会增加后续加工的难度以及加工的成本。最近几年，随着越来越薄的热轧板带产品的出现以及越来越高的对板形精度的要求，人们开始越来越重视对钢板缺陷的研究。热轧钢板表面缺陷识别是模式识别的一个很重要的应用领域，本文主要在热轧钢板表面缺陷的分类与识别两个方面上进行了研究工作，对钢板表面常见的板形缺陷进行了比较详细的分类，分析了某些缺陷产生的原因，并且提出了防止缺陷产生的方法。最后，分别采用基于小波变换系数和小波包变换对板形缺陷进行特征提取，并结合BP神经网络实现对板形缺陷的分类识别。两种识别效果进行了比较，结果表明，基于小波包变换的提取图像特征的方法有着更高的识别率，而且小波包分解的提取图像特征的方法对图像信息有一个正确而且全面的反映，同时，该算法提取的能量特征向量能够较好的描述图像的板形缺陷特征，图像的低频和高频信息也都包含在内，抗噪性能也相对比较稳定，还可以将该方法扩展到其他的领域继续尝试，从而充分体现出该算法的优越性。