热轧圆钢表面缺陷检测技术是提高企业产品竞争力、改进生产工艺的关键技术之一,而传统的表面缺陷无损检测技术难以适应高速热轧圆钢生产线需求,为了能够实时在线检测表面缺陷,基于机器视觉的表面缺陷检测技术应运而生,该技术检测速度快、准确率高,而且能够重现产品表面质量情况,因此很多公司企业投入巨资对其进行研究。目前,基于机器视觉的热轧圆钢表面缺陷检测技术在欧美发展的较为成熟,并且已有相关检测系统投入运行,而国内在这方面的研究刚处于起步阶段,与国外差距较大,这在一定程度上影响了我国热轧圆钢产品的市场竞争力,因而此项技术急需发展研究。首先,开展硬件系统研究。设计了热轧圆钢表面缺陷检测系统总体方案,对相机的个数选择进行了分析,设计了光照系统；根据纵向分辨率检测要求选择了相机的类型和具体型号,根据横向分辨率要求确定了镜头的焦距,并选择出合适的镜头型号,比较了不同光源的特点,选择了适合本课题的光源类型,通过景深的计算验证了所选择硬件的正确性；介绍了图像采集装置,并进行了图像采集实验,分析了各个参数对图像采集的影响,列举了不同类型的圆钢表面图像；分析了热轧圆钢表面图像成像结果,总结了影响圆钢表面成像的三个因素；最后对采集的圆钢表面原始图像特征进行了定性和定量分析。其次,提出了改进的局部边界搜索算法用于进行圆钢图像的提取,去除了采集的原始图像中存在的无用背景信息,仅保留了圆钢图像信息,减少了图像处理数据,避免了圆钢边界被误检为缺陷的情况；分析了圆钢表面图像中存在的噪声类型,建立了图像退化模型和噪声模型,得出图像中存在的噪声主要为高斯噪声；比较了不同滤波算法对圆钢表面图像的降噪效果,得出最适合本课题的滤波方法；利用理想低通滤波器进行噪声滤除,比较了矩形滤波器和圆形滤波器的降噪效果,最终确定了矩形滤波器滤波算法。然后,分析了凹坑缺陷在图像中的表现特征,得出利用列像素检测凹坑缺陷更为有效；提出基于三角函数和韦伯对比度的凹坑检测改进算法,讨论了图像灰度值的修正方法、正弦核函数周期的选择以及阈值的选取问题,得到了较好的检测效果,但是算法受凹坑缺陷尺寸大小限制；提出了基于下包络韦伯对比度的凹坑缺陷检测算法,介绍了韦伯定律及其在视觉中的应用,引入了下包络、韦伯对比度和下包络韦伯对比度的概念,然后详细阐述了具体的检测算法,仿真实验结果表明该算法对于热轧圆钢表面凹坑缺陷具有非常高的检出率并且不受缺陷尺寸大小的影响。提出基于局部环形对比度的热轧圆钢表面缺陷实时检测算法,该算法可以检测热轧圆钢表面产生的凹坑、刮伤和耳子等常见缺陷,并且具有较高的检出率和低误检率。首先分析这些缺陷在图像中表现出的共同特征,即缺陷所在处与局部背景图像之间存在较大的灰度对比度,这是该算法的检测依据,然后引入了局部环形背景和局部环形对比度的概念,并且利用已有的图像数据得出检测阈值与局部环形背景灰度均值之间的关系,使得阈值具有自适应性,检测结果更为准确,最后详细介绍了算法的具体实施过程,并且进行实验仿真,实时性测试实验表明该算法能够保证热轧圆钢表面缺陷的在线检测。最后,为了测试所研究检测算法在真实热轧圆钢现场的应用效果,对前面提出的缺陷检测算法进行了编程实现,嵌入到线阵相机里检验效果。介绍了软件系统的整体框架和程序界面,分析了进行相机二次开发所做的主要内容；为了验证算法的有效性,即嵌入到相机的检测算法实时检测效果是否与实验室仿真结果一致,首先在车间磨床上进行了离线测试,即将一段圆钢成品放置于磨床上,使其来回纵向运动模拟圆钢轧制时的情形,测试结果表明二次开发后的线阵相机检测结果与算法在实验室的仿真结果一致,因此算法可行,并且讨论了不同光强对于图像采集质量的影响；然后将该系统应用于热轧圆钢现场进行在线测试,结果表明所研制的表面缺陷检测系统可以有效的检出圆钢轧制过程中产生的常见缺陷,并且实时性较好,可以进行工业化应用。