铜板带是一种重要的铜加工材,被广泛应用于电子电气、机械制造、航空航天工业等领域。铜板带表面质量是决定其产品质量的一个重要指标。由于生产设备、工艺和环境等因素的影响,铜板带在生产过程中表面会出现划痕、起皮、污渍等缺陷,这些缺陷会严重影响铜板带产品的质量。目前已有的检测方法存在检测效率低、漏检率高、检测精度低等问题,不能满足企业的需求,因此,如何高效、准确的检测出铜板带表面出现的缺陷,不仅成为企业提高铜板带产品质量所急需解决的问题,而且具有重要的理论研究价值。本文以铜板带表面缺陷为研究对象,基于机器视觉技术,初步实现了铜板带表面缺陷的自动检测。主要的研究工作包括：1)基于局部二进制模式提出了一种目标检测算法。针对铜板带表面图像是否含有缺陷目标的检测,与现有的差影法、帧差法等算法相比,本文算法具有更强的抗光照性和更好的检测效果。2)基于帧差法改进了传统的基于Canny算子边缘检测图像分割方法,实现了Canny算子中高、低阈值的自适应设置。3)研究了铜板带表面缺陷特征的表达、提取和选择。通过分析,将铜板带表面缺陷表达为灰度、几何、形状、纹理等特征,并采用主成分分析方法减少特征的维数,降低了系统的计算量。4)通过改进在线序列极限学习机,设计了一种铜板带表面缺陷分类器,提高了铜板带表面缺陷类型的识别性能。5)开发了基于机器视觉的铜板带表面缺陷检测系统,初步实现了铜板带表面缺陷图像的自动采集、处理、分析和表面缺陷信息的存储、查询以及缺陷预警等功能。