铸坯表面缺陷检测是钢铁企业亟需的技术。铸坯质量决定着最终钢铁产品的质量,而表面质量和尺寸精度是衡量铸坯质量的两个重要方面。在线自动检测铸坯表面缺陷和宽度，可迅速发现质量问题并有针对性地剔除缺陷，可及时调整设备和工艺，减少缺陷的产生。这项技术有助于提高铸坯热送-热装比、直接轧制率，促进节能减排。铸坯表面缺陷检测技术难度很大，受软硬件条件限制，该技术长期未能实现实用化。最近几年，随着硬件技术的提升，实时图像检测已经成为可能。这时，软件和算法成为实现进一步突破的瓶颈。本文研究的表面缺陷，主要针对表面裂纹。表面裂纹是最常见、危害最大的铸坯表面缺陷之一。在大生产背景下，表面裂纹容易被氧化铁皮覆盖，图像信号也容易受到噪声干扰，故而裂纹缺陷很难从图像中分离出来。本文提出了一种基于形态学和小波融合的检测方法。利用小波变换对裂纹缺陷图像进行分解。对其低频分量，用数学形态学法进行纵裂检测；对其高频垂直分量，用小波模极大值法进行纵裂检测。然后，利用裂纹形态上近似直线的特点去除一些干扰物边缘。最后采用一定的融合规则，对高、低频提取的纵裂边缘图像进行融合，从而准确地将裂纹缺陷从图像中提取出来。在尺寸测量技术中，本文提出了一种改进的相关系数法，解决了现场设备对部分铸坯类型测宽失效的问题。通过对现场大量实测图片的测试表明，本文提出的方法是有效的。相关方法有效地提取出铸坯的裂纹缺陷信息，解决了铸坯水渍等4种铸坯类型测宽时失效问题。测宽的可靠性从95.9%上升到99.9%，达到了实用的水平，确保了工业应用的可靠。