随着钢铁产业的飞速发展,连铸技术也已经取得了很大的进步与提升。但由于受拉速、保护渣性能、钢液成分、振动方法等因素的影响,钢坯表面仍然有缺陷形成。目前,许多国内外的钢铁企业在生产及检测过程中,大量采用传统的人眼观察检测裂纹的方式。这种检测方式很容易受多种不确定的人为因素影响,无法避免漏检和误检,直接导致钢材的质量降低,废品、次品率增高,严重影响了生产效益。因此,防止连铸板坯表面缺陷的产生,尤其是裂纹,对提高连铸生产的效率以及产品质量具有十分重要的意义。同时对连铸板坯裂纹进行实时预报也是目前各大钢铁企业迫切解决的课题之一。系统将红外热像技术和模式识别技术相结合,研究一种有效的钢坯裂纹预测方法,对板坯质量进行在线预测预报,从而指导操作人员比较合理有效的控制好连铸工艺相关参数、连铸设备等因素,达到减少表面裂纹产生、保证产品质量的目的。针对由于周围环境的影响造成图像的不清晰、模糊等问题,对板坯图像进行了一系列的处理。首先采用灰度级的修正法,通过变换修正图像像素的灰度值,来减小灰度两端区域噪声的影响,提高图像的对比度,实现了图像增强的效果。然后采用均值滤波法对图像进行平滑处理,可以增强低频分量并对高频分量进行抑制,既平滑了噪声又保持了裂纹图像的细节特征信息。接下来采用多种不同的边缘检测算子对裂纹进行分割处理,通过比较这些边缘检测算子的优劣,仿真实验表明采用Gauss-Laplace边缘检测算子检测出的边缘比较清晰。最后通过区域标记法计算出裂纹的长度、周长、面积等特征信息,然后根据已制定好的裂纹判定规则来对裂纹进行识别。系统使用halcon软件对图像进行处理,并在Vb的基础上开发了连铸板坯的裂纹检测系统,界面比较简单,功能比较强大。