随着我国工业现代化进程不断深入地发展,各种机械装备、汽车制造、航空航天及建筑等领域对钢板的需求量不断增加。而钢板的表面质量一直以来是衡量钢板整体质量的重要指标,因此对钢板表面质量控制在钢板生产过程中至关重要。以国内某大型钢铁集团热轧板厂在冷态下的钢板表面检测现状为研究背景,针对该厂冷态热轧钢板人工检测法的弊端设计了一套冷态热轧钢板表面检测系统,该系统克服了人工检测法检测有效速度范围小,检测主观性强以及检测不全面等缺点,采用机器视觉技术对钢板表面缺陷图像进行机器识别,具有检测效率高,减少人工劳动强度等优点。本文的主要研究内容如下:①根据冷态热轧钢板表面检测系统的基本性能要求,提出了系统的总体设计方案,设计了系统的硬件结构和软件结构。②研究了钢板边界提取方法,在分析传统的钢板边界提取方法基础上提出了一种快速边界搜索算法,该方法首先通过对钢板原图像进行图像滤波去噪,然后从图像中某行或列出发通过阈值判断找到第一个边界可疑点,最后基于该可疑点利用边界跟踪方法逐步扫描完整个钢板边界,边界搜索效果快速而准确。③研究了图像去光照不均算法,采用Top-hat变换对光照不均钢板表面图像进行了去光照不均处理,提高了图像的显示质量。④考虑到现场环境粉尘噪声等影响,设计了一种改进的中值滤波方法,通过实验表明该方法具有更好的图像去噪能力且均方和误差更小。⑤针对区域检测法和投影法在本系统中钢板表面缺陷提取方面的不足,提出了一种基于投影原理的缺陷提取改进方法,经实验分析可知该方法可有效地定位钢板表面缺陷区域且抗干扰能力佳。⑥研究了钢板表面缺陷图像的常用特征描述方法,通过先验知识确定了一组19维的特征向量作为缺陷识别分类器的输入量,经后期分类器的识别效果表明该特征向量较好的描述了缺陷图像的相关特征且便于缺陷后续识别。⑦基于RBF神经网络具有分类能力好,收敛速度快等优点,针对本系统设计了相应的RBF神经网络缺陷识别分类器,通过利用matlab进行实验表明:该分类器的识别率较高,在本系统中具有可观的应用价值。