随着科学技术的不断进步,智能制造已经成为了制造业发展的必经之路,这是实施“中国制造2025”的主要方向,同时也是我国钢铁行业提升竞争力的核心内容。对此,本课题针对国内某钢铁企业宽厚板生产线中剪切线划分不准确的问题,以提升宽厚板成材率为目的,开发设计出一套基于机器视觉的宽厚板轮廓识别与智能剪切系统,快速准确地识别宽厚板头尾部及侧弯部分特征,并结合智能算法,对剪切线的划分进行优化计算,以减少宽厚板剪切过程的损耗。论文的主要研究内容和成果如下:（1）依据宽厚板剪切生产线的工艺特点,完成了宽厚板轮廓检测系统的架构设计。确定轮廓检测系统的硬件设备选型,完成模拟实验台的搭建;将畸变模型引入到摄像机成像模型,完成了相机的标定及图像的畸变矫正。（2）设计了一套基于图像灰度拉伸、图像中值滤波、大津法阈值分割以及广义图像形态学运算的预处理流程;对比了相关图像轮廓提取算法,并以预处理图像为基础,将Canny算子与基于灰度梯度的插值亚像素边缘轮廓提取算法结合。测试结果表明:在CPU为i5,主频为2.30GHz,内存为8GB,成像图像分辨率为2056×2464环境下,整套图像处理算法运行时间不超过1s,其检测精度可达到0.2个像素。（3）建立了宽厚板剪切线划分模型。利用图像轮廓数据进行倾斜补正,提高测量的准确性;提出了基于扫描线的策略对钢板轮廓图像进行特征辨识,并根据不同的辨识结果设置了不同的剪切策略;针对宽厚板剪切工艺的限制提出了一种混合遗传排样算法,利用现场数据进行测试并与原始剪切方式进行对比。结果显示,采用优化排样策略的钢板利用率比原始切割方式提高10%。（4）完成了宽厚板轮廓辨识与剪切系统软件的设计,并对所用试样利用系统软件进行了测试。实验测试结果显示,对宽厚板试样头尾不规则区域以及侧弯量的测量误差均不超过0.5mm。