随着工业4.0和智能制造的兴起,在保证生产效率和产品质量的前提下,物料流程跟踪和过程控制精细化是钢铁企业的关注重点。目前,绝大多数板带材生产企业依然采用传统的速度模型或冷热检测仪的方法进行钢板位置跟踪控制,但这种方式存在跟踪区域局限性,导致出现监控盲区。为了扩大钢板跟踪覆盖面,改善生产流程的跟踪问题,在生产线中采用机器视觉检测的手段代替原有的机械或电气方法成为钢铁生产智能化的新方向。在热轧中厚板生产线中,冷床的占地面积最大,具有承上启下的重要作用,因此实现冷床区域钢板的跟踪定位对提高生产效率有重要意义。针对冷床区域的钢板位置跟踪问题,设计一套以机器视觉为基础的热轧钢板在线跟踪定位系统。方法为对冷床不同部位,设计相应的图像处理算法,建立起全流程的评价方法,最后通过实验对比和现场实际应用,验证了设计的处理系统对钢板的跟踪监测具有较高位置跟踪精度。本文主要研究内容如下:（1）对比研究了图像去噪、增强和分割算法对钢板图像数据的处理效果。根据峰值信噪比（PSNR）选择高斯滤波作为本文滤波算法;根据分割结果中伪边缘和目标轮廓状况确定阈值法作为本文的分割算法;验证了用于本文跟踪定位算法的处理的精度,依据验证结果,确定了整个目标跟踪定位处理流程;建立了从图像分割、目标识别到目标定位的全流程评价体系。（2）建立了以冷床辊道为背景的钢板位置跟踪模型。根据图像直方图和高斯滤波特点,使用基于高斯滤波的直方图处理方法,探究了不同滤波尺度对直方图的影响;探究了 p经验法在辊道背景下对钢板分割的影响,基于p经验和直方图开发出二者结合的非线性阈值处理算法并将其用于辊道背景目标分割;基于分割结果使用目标密度的线性定位算法,研究了不同密度选取对定位结果的影响。（3）建立了以冷床床体为背景的钢板位置跟踪模型。依据床体背景和目标特征,提出了改进Otsu的冷床床体目标分割方法,探究了不同图像质量和灰度分布对分割结果的影响;基于目标和背景后处理状况,确定目标提取方法和合理的模型参数;使用基于钢板边缘位置丢弃的钢板目标定位算法,有较好的定位效果并研究了不同丢弃率对目标定位结果的影响。（4）根据本文研究的跟踪定位模型,建立了钢板跟踪系统,并通过现场的实际应用,验证了算法的定位精度和系统的处理能力。