计算机图像处理技术主要是研究利用计算机完成各种图像信息处理的基本理论和方法。目前,在医疗诊断、工业自动化检测、智能机器人、交通、通讯、地质等领域,计算机图像处理技术已经得到了广泛的应用。随着家电、汽车、电子等行业的迅猛发展,市场对带钢产品的需求越来越大,质量的要求也越来越高。板形质量是钢板轧制生产过程中的一个重要控制指标和决定其市场竞争力的重要因素,因此,钢板板形识别技术在钢板轧制生产过程中占据非常重要的地位。从当前钢铁企业中钢板板形识别技术的实际应用情况来看,主要还是利用钢板轧制过程中钢板的内应力分布间接地得到钢板板形状况,该种方法的主要局限性在于不能实现非接触检测识别;另外,由于外界条件的变化因素和传感器自身的因素决定了这种检测技术的可靠性不能完全得到保证。因此如何有效地检测出冷轧钢板的板形质量便成为生产上亟待解决的问题,对其进行研究显得很有必要。本文针对市内某大型钢铁集团冷轧薄板厂的冷轧薄板生产线的技改要求,基于目前的钢板板形理论和模式识别理论,在认真分析现有板形识别技术和综合现代先进检测识别技术的基础上,研究了如何将计算机图像处理的最新研究成果应用于钢板板形识别中,并开发出一套用于生产现场的板形识别系统软件。本系统以Visual C++6.0为软件开发平台,利用CCD摄像机、图像采集卡、工控机等开发出一套板形成像系统;文中提出的一套新颖的板形识别方法,充分利用了现有的计算机图像处理技术,代替了现在使用的人工检测的方法,并且提高了识别率,其识别方法新颖,设备结构简单,能满足大部分冷轧薄板生产线的板形识别要求,成功实现了冷轧薄板板形的非接触检测识别;在图像平滑中,采用PDE平滑方法时,论文针对Perona&Malik模型的不足,对其进行了改进,并通过实验验证,改进后的模型能更好地抑制噪声和保持图像的边缘,平滑效果更好;在图像边缘检测中,根据从生产线上采集回来的板形缺陷图像,针对传统的Canny边缘检测算法的不足,对其进行了改进,测试了图像边缘检测阶段所使用的技术,实验表明改进后的方法在保持了Canny算子原有的优点的基础上,提高了Canny算子在提取图像边缘细节信息和抑制假边缘噪声方面的性能,且处理时间更快,更适合板形识别系统的缺陷图像的处理和特征提取;文中提取的特征量和采用作者设计的BP神经网络作为分类器对板形的识别更加有效。该系统通过实验表明,可以有效地识别出冷轧薄板常见的板形缺陷,平均识别率为90%。