社会经济的高速发展,推动板带钢产品的市场需求量不断增加的同时,也使得该行业需要面对不断加剧的市场竞争和来自客户的日益严格的质量要求。在板带钢产品的生产过程中,表面质量检测是其质量控制的重要环节之一。传统的检测方法多为人工目视法,但是该方法存在漏检率和误判率较高、可信度低的弊端。自上世纪60年代以来,板带钢表面质量检测逐渐从人工检测阶段发展到基于机器视觉技术的智能化检测阶段。基于机器视觉的板带钢表面质量检测系统是通过将图像处理和模式识别等技术运用于板带钢表面图像的处理和分析,生成单个或者批量的统计分析数据,为生产管理和质量监督等相关部门提供决策依据。本文对板带钢表面质量智能检测系统进行了研究,所做的工作和取得的成果主要有一下几点:(1)对运用于板带钢表面成像系统的硬件设备:相机、图像采集卡、光源,以及实验室模拟设备进行了介绍,对于硬件在实验室环境下的安装配置过程做了详细的说明,为这些硬件的实际应用提供了参考。(2)针对图像在获取和传输过程中易受到各种噪声污染的事实,以及图像出现中间偏亮四周偏暗不均匀灰度分布的可能性,提出并比较了两种缺陷分割算法,即:基于局部信息熵迭代的缺陷图像分割和基于局部二进制理论的图像分割方法。(3)针对钢板表面缺陷产生的原因和类别特征,探索了支持向量机分类方法在缺陷识别中的可用性。实验通过选择合适的样本图像集,特征向量,以及核函数和参数组合,取得了一定的分类效果。同时,通过对生产线部分工艺过程的介绍,说明了智能检测系统在生产中的实用性。