由于我国经济快速发展对电力的需求、电力传输的损耗、能源地域结构和运输矛盾等问题,致使我国近年来大力研制、发展特高压电力传输电网,从而形成变压器、发电机、电工仪表等以硅钢为基础材料的相关设备需求快速增长,从而促使了硅钢行业的快速发展。炼钢厂生产的硅钢带是裸钢,并不能直接用在电力设备上,须在钢带表面涂上绝缘涂层,绝缘涂层质量的高低直接决定最终设备产品的质量高低,因此在钢带生产流程中涂层表面缺陷检测是其中一项重要的环节,担负着对生产钢带缺陷的检测、质量的评估以及价格的标定等任务,但是目前缺乏检测具有涂层的钢带表面质量的自动化设备,而使用传统的人工检测,由于钢带量大、速度快,导致该方法具有随机性高、精度低、标准不一的特点。为了提高精度、统一标准,本文提出了基于机器视觉的硅钢钢带表面涂层缺陷自动检测的识别研究,进而开发低成本、高精度的硅钢钢带表面缺陷自动检测系统。本文是基于福建某硅钢钢带生产厂商对硅钢钢带表面缺陷自动检测系统具有需求的条件下进行研究,主要通过图像采集得到硅钢钢带表面图像,依据图像处理相关理论技术对图像进行预处理、缺陷分割,然后提取缺陷特征数据,最后利用分类器实现缺陷分类,主要工作如下:首先是图像采集系统的设计。通过光照空间散射特性理论分析,结合brdf光照模型设计合理的照明方案,使得采集到的硅钢钢带图像呈现亮度均匀状态,同时合理的选择拍摄的工业相机,使其性能能够满足对快速传输中硅钢钢带的图像采集的需要。然后对采集到的图像进行预处理。通过不同的滤波方式进而改进出一种保细节的复合滤波器完成图像去噪处理,使得图像尽可能的不受噪声干扰;针对于图像畸变情况,利用投影变换算法和双线性灰度内插算法完成图像几何校正操作;为了实现图像边缘处缺陷的完整检测,利用序列相似度检测算法和加权平均算法实现图像拼接处理;通过统计无缺陷图像灰度值与平均灰度值相减取绝对值然后累加所得到的结果,实现图像是否为缺陷图像的判断;最后对缺陷图像进行拉普拉斯锐化处理,进而得到纹理清晰的缺陷图像,到此图像预处理阶段完成。接着对图像的缺陷进行分割和特征提取。通过自适应canny边缘检测算法实现缺陷图像的边缘提取,然后利用图像形态学算法对缺陷边缘图像进行修补和完善,接着利用扫描线种子填充算法实现缺陷区域的填充进而得到完整缺陷二值图像,最后再利用轮廓跟踪算法实现缺陷整体轮廓的完整提取,从而完成对应缺陷灰度图像中缺陷的定位和分割;在完成缺陷分割后通过利用图像各类特征的相关算法实现缺陷图像的形状特征、灰度特征、纹理特征的提取,清晰的得到各类缺陷的特征数值。最后对机器视觉的相关理论进行研究,建立关于硅钢带表面缺陷分类的BP神经网络分类器模型,并利用缺陷样本的特征数值完成分类器的训练和优化,进而实现硅钢钢带表面缺陷分类器的设计,使其能够达到图像缺陷的较精确分类。