质量控制是一个企业增强竞争力，建立企业品牌，乃至传承企业文化的重要保证。在钢铁行业更是如此。身处“钢铁行业的寒冬”，面对利润下滑，产能过剩，行业内恶性竞争等种种窘境，谋求企业转型，研发高新产品，由粗放型的以量取胜，转向高精尖的以质取胜已成唯一出路。传统的人工检测方法，效率低下，误检率高，且耗费大量人力。传统无损检测技术：涡流检测技术、红外检测技术及漏磁检测技术等由于其检测原理的局限性，可检出的缺陷种类和缺陷定量描述参数极为有限，无法对产品的表面质量做出全面评估。近年来，随着计算机技术、自动化技术的发展，以及人工智能、神经网络等理论的成熟，以机器视觉技术为核心的钢板表面缺陷检测技术已成为当前研究的重点和趋势。本文对热轧钢板表面缺陷检测的一些关键技术进行了研究，主要完成的工作如下：（1）根据现场环境及企业需求、预算确定了热轧钢板表面缺陷检测系统的软硬件设计方案。（2）实地考察热连轧车间的环境状况及经济预算，选择了合理的光源和照明方案。（3）在详细分析了各种滤波算法的基础上，采用了一种由限定阈值的均值滤波器和加权中值滤波器组成的复合滤波器。（4）研究分析了钢板表面缺陷图像的各种类型的特征，最终确定了一组由灰度特征、纹理特征和不变矩特征组成的特征向量，作为缺陷分类器的输入。（5）详细研究了模式识别的四种主要方法，重点分析了神经网络模式识别方法，并采用了一种改进的BP神经网络算法。