表面缺陷是影响圆钢成品质量最为重要的因素。如何快速准确地检测出各种表面缺陷,指导企业改进生产工艺、调整设备参数、提升产品质量、满足使用要求显得尤为重要。目前我国圆钢生产企业仍很大程度上依赖于人工目检、涡流探伤、超声波检测和漏磁检测等技术进行表面缺陷检测,但这些检测方法容易受人为主观因素、生产环境和抽样频次的影响作出错误的判断,更无法进行在线检测,严重影响了企业的产品质量和生产效率。目前国内外已有的钢材产品表面缺陷机器视觉在线检测系统均是以板带钢材产品为主进行研究,对线棒材产品表面缺陷在线检测的研究比较匮乏。圆钢生产工艺复杂、生产环境复杂、图像采集困难、图像处理难度大,与其他板带钢材产品相比仍存在不少难点。在系统算法上,需要针对圆钢产品特殊性以及企业成本控制需求,平衡算法效果和运算时间,有效地检测出圆钢表面缺陷和识别缺陷的类别,并满足检测的实时性要求。针对以上问题,本文提出一种基于机器视觉的圆钢表面缺陷在线检测方法。以表面缺陷检测的主要流程为主线,开展了圆钢表面图像采集装置设计、图像预处理方法、缺陷图像筛选与分割算法、缺陷图像特征提取与分类方法和系统集成方案设计等研究,具体内容如下:（1）设计了一套圆钢表面图像在线采集装置。设计了沿圆钢圆周方向360°环形布置六相机的方案,可自动调节对中对焦参数、自动调节照明强度,考虑了特殊防护问题,实现了热态圆钢表面图像全方位360°在线高质量采集。（2）提出了一种圆钢表面图像预处理方法。包括基于特征增强的改进Hough变换图像纠偏、基于Sobel边缘检测算子和投影计算的图像主体区域提取、基于列投影的图像亮度均衡及补偿和基于高斯滤波的图像去噪等算法,为缺陷图像快速筛选与有效分割奠定基础。（3）提出了一种圆钢表面缺陷图像筛选与分割算法。根据缺陷图像中缺陷区域与整体图像灰度统计特征量相比差异较大来构建评价函数,通过迭代和更换输入的标定缺陷图像获得最优判定阈值,可据此阈值快速判断圆钢表面图像是否存在缺陷;提出了一种基于边缘、区域和数学形态学相结合的圆钢表面缺陷图像“四步分割计算法”,有效提高了缺陷图像筛选的效率和缺陷分割的准确性。（4）提出了一种基于改进深度学习自编码器的特征提取与分类识别算法。该算法能获得更好的缺陷识别与分类效果,同时能在很大程度上减少特征学习的时间,以满足圆钢表面缺陷在线快速分类的需要。（5）搭建了一套圆钢表面缺陷在线检测系统,并开展了应用验证。该研究对我国圆钢企业提高产品质量检测效率、提升检测能力、提升智能化制造水平具有较强的借鉴意义。