板带材在钢铁工业中占有极其重要的地位，它不仅在汽车、家电等人们生活所需要的产品中得到广泛运用，而且是军事、造船、航空航天等行业的重要原材料，其表面质量直接影响最终产品的质量和性能。随着市场竞争的日趋激烈，板带材的表面质量已成为国内外市场竞争的关键性能指标之一。进行板带材表面质量在线监控研究不仅具有重要的理论创新意义，而且具有重大的工程应用价值，可以取得可观的经济效益。 在本课题中，首先在提出基于灰度直方图特征的基础上，设计了基于灰度值方差和灰度差绝对值方法进行板带材的初级检测，实验证明该方法在进行缺陷有无判别方面有较好的实用性。其次结合小波变换方法和灰度共生矩阵方法，以类别可分离性判据为依据，提出了将顺序前进搜索算法应用于特征选择，以提高特征的分类有效性。 在有效特征提取与选择的前提下，利用模糊模式识别在剔除噪音数据和神经网络在模型拟合和非线性识别上的优势，构造了一种新的模糊神经网络(简称FBP模式识别)。经实验证明，该方法在识别方面较前两种方法有明显的优势所在。 本文采用以上方法对边缘锯齿、焊缝、夹杂和抬头纹四大类缺陷进行了分类识别研究。无论在回判识别还是在新的图片识别时，都能取得较好的判别效果，其识别率均在90％以上。 本文全部研究工作均是在基于自行开发的缺陷分类识别软件下完成的。该软件为进一步的板带材质量在线控制识别奠定了基础。