随着技术的发展，为了不断的提高产品的质量和生产效率，带钢表面缺陷在线检测技术在生产过程中显得日益重要，是一项具有重大研究价值的前沿技术领域。本文在对此领域国内外发展状况进行分析的基础上，从检测系统的设计出发，通过系统地分析传统检测系统组成结构对系统实时处理性能的影响，提出新的分级检测方案，深入研究了钢板表面缺陷分级检测的相关技术。主要包括：如何有效的提高初级检测的自适应性与实时性的问题、低对比度缺陷图像的边缘提取问题、自动的获得最具区分力的多维融合特征向量的问题、提高分类器的智能化水平等问题进行了深入的研究，提出了解决这些问题的新方法。并通过理论上的分析和实验测试，进行了的可行性和适用性的论证。　　 主要研究内容与成果如下：　　 (1)为了使带钢在线质量监测系统在实时处理性能上适应带钢的轧制速度不断提高这种变化，通过分析检测系统组成结构对系统实时处理性能的影响，搭建了新型带钢表面缺陷的分级检测系统。针对初级检测的对高速实时检测的要求引入了先进的TMS320C6416 DSP图像处理的硬件平台。软件方面提出了三维灰度特征对带钢缺陷的有无进行信息描述，同时提出了对两类问题分类性能优良的改进的支持向量机分类器，对线性不可分的问题做了核函数转换。提高了初级检测的实时性与自适应性。　　 (2)针对带钢缺陷图像的质量差，对比度低，灰度不均匀等特点，提出了基于图像梯度信息的改进的二维Otsu阈值分割方法，这种方法首先将原空间的问题转化为梯度空间的问题后，能够将灰度变化剧烈的地方很好的表现出来，然后提出一个控制有效二维Otsu阈值的合理性函数结合了最大类间方差与最小类内离散度来指导阈值的最优确定，用此阈值对梯度图像进行二值化处理，可以将缺陷的边缘轮廓从复杂背景图像中自动提取出来。　　 (3)为了自动的获得最具区分力的多维融合特征向量，优化特征子集。在提取初始的形状以及结构特征和纹理特征后，提出基于改进的ReliefF评估选择混合加权特征的算法，通过特征的权值对特征的质量进行评价，选择出与分类相关性强的特征组合；并针对ReliefF算法在计算特征的权值时独立于其它特征，不能去除冗余特征的缺点，引入最大信息压缩准则去除冗余特征，将形成的最优特征组合作为图像缺陷分类识别的重要依据。　　 (4)在研究传统的BP网络对带钢表面缺陷分类识别的基础上，针对带钢缺陷图像分类识别这种多类多特征的复杂问题，初始权值阈值的选取具有很大的随机性，使其分布在一个较好的局部解空间是非常困难的，为了克服这一缺点，提出了遗传算法与BP神经网络的融合算法，采用遗传算法可以自主地辨识最小的包含最优解的搜索空间，在找到最优搜索空间后，再由BP算法按负梯度方向进行修正网络权值及阈值。经过试验表明：此算法是合理的、有效的、可行的、可以在满足准确性的前提下提高网络识别缺陷的效率。　　 (5)提出了PSOWFCM_OLS_RBF算法。该方法对样本数量大、非线性强的带钢表面缺陷检测分类有着很好的应用。WFCM对带钢缺陷的特征数据出现的团状分布与同一类样本数据相差可能很大的问题能够达到很好的聚类划分，避免了FCM对数据集具有等划分的趋势，同时在聚类算法的迭代上采用PSO算法的全局优化性能，然后采用OLS前向选择法，确定最终的有效聚类中心值。经过实验证明：此算法可以自动获得较优的网络结构，更能满足带钢表面缺陷识别系统对识别率和实时性的要求。