在现代化大生产中,视觉检测是不可缺少的环节。机器视觉作为一种现代检测手段,综合应用图像处理与分析、模式识别、人工智能等技术,正广泛运用于工业产品的在线检测,特别是表面缺陷检测领域。冷轧生产线上由于带钢薄、张力大,来料的孔洞特别是边部位置的孔洞极易引发机组断带,给生产带来致命的影响。本课题结合生产中对带钢表面孔洞缺陷的检测要求,对基于机器视觉的自动检测系统进行研究。主要工作如下：(1)基于机器视觉原理,构建反射、透射光联合式带钢表面孔洞检测系统的软、硬件结构。在现有成果的基础上展开研究,提出改善系统检测性能的方法。(2)根据图像的灰度标准差判断带钢表面有无疑似孔洞缺陷,统计并分析噪声特性,采用中值滤波器,在去除噪声的同时有效保留图像的边缘细节,提高了分辨力。(3)将传统阈值分割和聚类分析方法相结合,提出适合带钢表面孔洞检测的二值分割法。此方法能更有效地分离图像中的目标和背景；采用数学形态学滤波器去除图像分割引起的孤立噪声点。(4)提取目标区域的特征参数,综合周长、面积、圆度和重心坐标等特征值对缺陷进行识别和定位,将检测结果显示给用户。(5)编制VC++程序,对检测系统软件部分的性能进行测试。通过查阅文献,了解国内外相关领域的发展状况,提出将机器视觉技术应用于带钢表面孔洞检测的研究思路。本课题从理论、实验两方面深入研究,对现有检测方法进行改进,最终达到提高检测速度和识别率的目的。