热轧钢板是冶金行业一种重要的产品，在建筑、船舶和制造业都有广泛的应用，其产品的质量直接决定了各个应用领域质量的安全性和可靠性。伴随着计算机技术的发展，利用计算机视觉，结合数字图像处理和模式识别技术实现热轧钢板表面的缺陷自动分类和识别是当前的一个研究热点。 本文主要针对这一应用背景首先讨论了工业图像处理系统的工作过程、原理以及结构，并提出了对工业图像处理系统中主要解决的问题。并根据热轧钢板生产实际情况探讨了其表面缺陷图像自动识别的理论依据和实现的可能性。在本文中主要针对热轧钢板表面粗糙、图像模糊、钢板厚度大、水渍干扰以及缺陷种类多等特点和难点，提出了一种解决热轧钢板表面缺陷自动分类与识别的方法：即采用二次识别的方法，把缺陷第一次分成5个大模式类进行识别，经分类确定后再对图像进行细部的特征提取，第二次再利用模式分类器确定缺陷的具体类属。 本文的研究重点和取得的成果主要集中在：1)对缺陷的样本图像进行处理、分析和编码，包括噪声消除、缺陷的边缘提取、边缘细化、边缘的链码编码与解码运算、缺陷图像的纹理分析等。 2)在二次识别过程中，第一次分类的模式分类器的设计采用多神经网络分类器并行组合的结构来实现。每个神经网络分类器均采用的是BP算法(反向传播算法)。 3)对BP神经网络进行了训练，讨论了网络误差、收敛速度与参数的选择的Ⅰ关系。并应用训练后的神经网络对一定数量的样本进行了测试，并根据测试结果对网络分类器的效果进行了分析，取得了阶段性的成果。 4)本文的最后还提出了一种针对热轧钢板表面缺陷的图像进行自动识别的硬件实施方案和设计，并介绍了系统各部分的组成和原理。