进入二十一世纪以来，全球经济的高速发展带动了钢材的需求量的大幅度提高，并且科技的进步使得多数行业对钢材的质量要求也越来越高。作为板带材的两个重要质量指标，板形和板厚近年一直是国内外研究人员所关注的重要问题。相对于厚度自动控制系统（Auto Gauge Control，AGC）的不断完善和广泛应用，板形问题显得格外突出，板形的识别与控制成为当前研究的热点技术。作为板形控制中的重要组成部分之一,板形模式识别结果的好坏直接影响后面板形质量的控制效果。板形缺陷识别的原理是通过对板形检测设备获取的板形信号进行识别，从而确定带钢存在的板形缺陷类型，进而提供给后面板形控制环节以便达到所要求的目标板形。热轧带钢板形检测技术是板形缺陷识别的基础。板形检测方法有很多种，与冷轧带钢生产工艺不同，热轧带钢生产过程中温度较高、环境恶劣，容易对板形检测装置产生影响，此外带钢的振动、漂浮等也会存在干扰，因此热轧带钢板形检测通常选用非接触式板形检测方法。本文选取多束激光截面法平直度测量技术来获得板形信息。文中介绍了传统的板形识别方法以及多种板形智能识别方法。由于板形控制精度要求的越来越高，传统方法已经难以满足控制需求，再加上热轧板带产品越来越薄和热轧板形检测技术近几年的高速发展，涌现了多种板形智能识别方法，使得板形模式识别向高精度、高速度、数字化方向发展。本文在分析比较现有传统的板形模式识别方法和板形智能识别方法之后，提出了一种基于SVM（Support Vector Machine）的热轧板形缺陷分类识别方法，利用支持向量机（SVM）多分类方法中的一对一策略实现了对几种常见板形缺陷的识别，并使用网格搜索法对参数进行了优化。支持向量机一般用于解决两类问题，但现实中往往是多分类问题，这时可以利用支持向量机采取一定策略来实现多分类，比如一对一策略和一对多策略等。仿真实验结果表明，该方法行之有效，结合板形检测的信息，利用MATLAB中的LIBSVM工具箱进行仿真实验，实现了六种板形缺陷的正确分类。本文以热轧机板形检测、板形模式识别为研究课题，对板形理论的发展有一定的实际意义，对支持向量机的应用研究有重要的参考价值。