随着视觉传感技术、计算机技术和图像处理技术的快速发展，机器视觉技术日趋成熟，已成为现代加工制造业不可或缺的核心技术。钢板表面质量是一项非常重要的技术指标，如何快速检测钢板表面的缺陷、提高钢板的生产水平是钢板生产企业亟待解决的问题。传统的人工检测方法由于其效率低、漏检率高、劳动强度大等缺点，已经不能满足现有钢板生产发展的需要。基于机器视觉的钢板表面缺陷检测技术相对于传统的检测技术具有快速、准确、可靠与智能化等优点，目前已成为国内外广大学者和钢铁企业的主要研究方向。本文在对钢板表面缺陷检测系统的关键技术进行深入研究的基础上，着重研究了钢板表面缺陷图像的预处理算法、分割算法、特征提取方法、特征选择方法以及基于支持向量机的分类算法。并在此基础上提出了一套钢板表面缺陷检测系统的总体方案，阐述了系统各部分的选择方法。主要完成的工作如下：1.针对钢板表面缺陷图像的特点，研究了缺陷图像的预处理算法，实现了对缺陷图像的增强；提出了一种改进的二维最大类间方差阈值分割算法，使缺陷图像分割的耗时大大减少，并得到了较好分割效果。2.研究了缺陷图像的特征提取方法，对缺陷图像的不变矩特征、灰度特征和纹理特征进行了提取并进行归一化处理；采用主成分分析法进行特征选择，产生新的线性无关的特征值，实现了缺陷特征的降维。3.研究了基于支持向量机的缺陷分类算法，设计并实现了基于支持向量机的多类分类器。并选取缺陷样本进行分类实验，得出了较好的分类结果。4．在研究图像预处理、分割、特征提取、特征降维和缺陷分类算法的基础上，提出了一套钢板表面缺陷检测系统的总体方案，设计了系统的硬件模块及选用方法。设计了软件算法流程，对本文提出的算法进行验证，得到了较好的实验结果。结果证明本文研究的关键技术是有效的、可行的。