针对目前自动化方法在带钢表面缺陷检测时准确度不高的问题,本文探讨了基于计算机视觉的智能检测系统总体设计方案及软、硬件构成,重点设计了其中的缺陷初检、分割和识别步骤解决方案。针对实际生产中缺陷出现概率较低的现状,利用对图像分块差值图提取的灰度范围、方差等特征量,构造了缺陷初检判别函数,以提高检测算法的实时陛。对初检含缺陷的图像,因光照不均匀而引起传统的单一阈值分割结果十分不理想,提出了一种基于B样条拟合阈值曲面的分割算法,用于获得分割图像的阈值曲面。在分割出缺陷目标的基础上,选择了几何形状、不变矩等缺陷种类判别特征量,构建了相应的BP神经网络分类器完成对缺陷具体类别的识别。在上述带钢表面缺陷智能检测系统的设计思路下,本文对其中的缺陷初检、分割和识别等关键步骤进行了相应的算法实现与测试,取得良好效果。