钢板作为工业生产中不可或缺的重要原材料,它质量的好坏直接影响工业发展,因此对它表面质量的控制意义非常重大。传统的人工钢板表面质量检测方法不仅消耗大量的劳动力,而且检测效率和质量较低。因此,研究开发高质量的钢板表面缺陷自动检测系统已经成为国内钢铁企业的迫切需求。机器视觉检测技术是一门依托于计算机科学,以机器代替人工进行自动检测的技术,将它应用于钢板表面缺陷检测不仅可以实现自动检测,降低劳动成本,而且可以大大提高检测的效率和质量。因此,基于机器视觉的钢板表面缺陷检测技术研究已逐渐成为国内许多高校和钢铁企业检测研究的重要方向。本文以钢板表面划痕缺陷为检测对象,对基于机器视觉钢板表面缺陷检测中的一些关键技术进行了研究,主要完成的工作如下：1、在分析机器视觉工业检测应用中相机和镜头选用原则基础上,结合实验室钢板表面划痕缺陷静态检测精度要求,通过计算确定出检测用相机和镜头。通过图像的处理效果表明,所选相机和镜头满足检测精度要求。2、研究了机器视觉钢板表面缺陷检测的照明技术。综合机器视觉光源照明系统中光源和照明方式两发面理论,以LED为照明光源,分别在高低角度和明暗域照明方式下进行多组照明实验,并通过实验数据分析总结出不同照明方式下钢板表面划痕缺陷的检测效果,为钢板表面划痕检测系统照明模块的确定提供依据。3、在分析张正友基于多平面模板的像机标定方法基础上,进行标定算法的改进,并且利用改进算法对CanonEos450D数码相机进行标定。与传统的张正友标定方法相比,改进的方法中加入了像机切向畸变的影响,综合考虑像机的径向畸变和切向畸变,更加完善了标定模型,提高了像机的标定精度。4、研究了钢板表面划痕缺陷图像检测方法,并通过图像灰度化处理、图像滤波、图像增强、边缘检测以及图像的数学形态学处理,最终实现钢板表面划痕缺陷的提取和划痕长度的测量。