带钢的质量检查，既包括内部质量检查，也包括表面质量检查。在激烈的市场竞争条件下，良好的表面质量不仅是企业形象的代表，而且是赢得市场的前提条件。带钢表面缺陷检测系统作为表面质量的监测设备，在生产中具有非常重要的实用价值。近年来，微电子技术、计算机技术、自动化技术和光电子技术的飞速发展，人工智能、神经网络理论的深化及实用化，使带钢表面检测向智能化、高精度、高可靠度、高速在线检测的方向发展。 本论文采用图像处理、图像分析、神经网络相结合的方法，智能化的识别带钢表面的缺陷，其主要工作包括以下几个方面： 1．对图像处理技术进行深入研究。比较常用算法的特点，确定适合带钢表面缺陷的图像处理方法。 2．深入研究缺陷图像的特征参数提取技术。本文利用数学结构形态学的方法对缺陷图像的整体特征参数进行了提取，并提出了一种快速多边形逼近算法—最小周长法；通过对缺陷整体特征参数的分析，找到了不同缺陷的特征参数阈值。 3．研究神经网络分类技术，设计了一种既能识别已知缺陷，又能识别未知缺陷的ART神经网络。 4．采用Visual C++编制图像处理、图像分析、图像特征提取和ART神经网络算法程序，并进行了实验验证。西安理工大学硕士学位论文 在缺陷识别中，采用图像处理与神经网络相结合，是一种比较新的方法，它拥有其他方法所不具有的优点，检定精度，效率都较高。系统中采用了神经网络来识别缺陷的种类，能够智能化的识别样本中不存在的样本缺陷，在以后的生产实践中，这种方法必定会得到更广泛的应用。