钢板表面缺陷在线检测是提高钢板质量、改进钢板生产工艺、增强钢板生产企业市场竞争力的主要手段,但随着钢板生产技术的不断提高、用户对钢板表面质量要求不断升级,现有的表面检测系统已不能满足当前钢板生产的需要。随着电子技术、计算机技术和人工智能技术的发展,机器视觉技术逐渐成为了钢板表面缺陷检测技术研究的主要方向,到二十世纪末,德国、美国、日本等少数西方发达国家相继研究成功了基于视觉的钢板表面缺陷检测系统,为提高其钢板质量做出了突出贡献;而我国目前在这方面的研究还处于初级阶段,没有可在线使用的产品,一定程度上制约了我国钢板表面质量的提高。机器视觉表面缺陷检测系统的关键技术是图像的高速采集和实时处理。目前图像采集采用标准摄像机进行,分为线阵和面阵两种方式,线阵通过相对运动逐行扫描采集图像,面阵则通过定时曝光实现图像采集。两种方式都把采集到的图像数据全部输出,在高速高精度要求下,系统数据通讯和实时处理要求很高,采用并行计算机阵列实现,使系统结构庞大、价格昂贵、维护困难,为用户的应用和技术的推广都造成了巨大阻力。从大量图像数据中,及时发现缺陷、描述缺陷和分类缺陷,达到实时处理,满足高速生产过程中在线检测的要求也是目前亟待解决的技术问题。在分析现有系统的基础上,文中基于模块化、低成本、高性能的原则,开展了表面缺陷检测系统的方案设计和具体实现。对系统各主要部分进行了分析优化,研究了检测系统与被测目标、检测系统内各采集器的同步方法。采用高速线阵CCD和大规模现场可编程逻辑芯片(FPGA)技术,研制了具有图像预处理功能的完全硬件化高速线阵缺陷采集器。实现了采集器采集图像的同时自动识别缺陷信息,降低了系统对通讯和数据存储、处理的要求。对缺陷采集系统的光电响应非均匀性和成像几何模型进行了标定研究。建立了系统光电响应模型和几何成像模型。分析了系统光电响应非均匀的主要原因,从系统信号响应的角度,对系统噪声进行了估计,实现了系统非均匀性标定。针对系统成像模型,从静态和动态两种状态分别对系统采集结果中图像坐标和目标坐标进行了标定研究,较正了系统畸变误差。采用二维最大类间方差法和粒子群优化算法对缺陷图像进行了分割处理,改进了粒子群优化算法中惯性因子的进化策略,提高了缺陷分割速度。对缺陷的一阶统计特征、二阶统计特征和矩特征进行了提取,采用主成分分析(PCA)和独立成分分析(ICA)技术相结合,提取了非相关且独立的特征矢量,对缺陷特征进行了降维处理。比较了现有分类器的优缺点,采用支持向量机空间球体多值分类原理和有序加权算子相结合的方法,对缺陷样本进行了分类器设计和分类泛化实验。在样本有限的条件下,分类准确率达到了84%。