目前，步进式加热炉被广泛地应用于钢铁工业，成为钢坯生产至关重要的主导性系统设备。所以，对于连续快速的自动化钢坯制造工业，步进式加热炉运行状态的正常与否，直接关系到加热炉的生产效率甚至钢厂的生产效益。对于钢坯的运行状况，一般会通过实时监控画面来监测，但是要靠工作人员用肉眼来及时准确地判断出钢坯的运行状况是具有一定局限性并且也是不现实的。因此，本文立足于步进式加热炉运行工艺，针对监控摄像机采集得到的钢坯运行的视频，提出基于计算机视觉的加热炉钢坯识别及位置检测算法研究，实现实时监测加热炉内钢坯位置变化的目的，以协助工作人员更好地监测钢坯的运行状况。本文创建的主要工作如下:
　　(1)提出了基于小波变换的自适应阈值图像去噪方法，有针对性地对钢坯图像进行处理。
　　(2)获取的视频图像产生了透视形变，如此一来就导致几乎不能判别远端钢坯的情况，故而本文采用了基于透视变换的图像几何重建方法对图像进行处理;还由于视频图像比较模糊，钢坯边缘和加热炉背景的对比度不是很大，故而本文采用了基于形态学的图像增强方法对图像进行处理;为了完整地得到钢坯的边缘，本文采用了基于Canny算子的边缘检测方法对图像进行处理。
　　(3)提出了基于RANSAC算法的直线提取方法，以此来提取钢坯前边缘直线，利用直线的参数与炉门槛位置参数计算出像素距离，进而根据像素距离与实际距离的标定关系得出实际距离，这样就可以通过钢坯的实际距离来反映其在加热炉内的实时位置。
　　实验结果表明，基于小波变换的自适应阈值图像去噪方法，不仅实现了滤除掉钢坯图像噪声的目的，而且还保留了钢坯的边缘;基于透视变换的图像几何重建方法消除了图像的透视形变;基于形态学的图像增强方法，为完整地检测到图像中钢坯的边缘奠定了坚实的基础;基于RANSAC算法的直线提取方法，可以准确地提取到钢坯前边缘直线，进而得出钢坯在加热炉内的实际位置，实现实时监测加热炉钢坯的目标。