连铸坯低倍缺陷检测是钢材质量检验中重要的环节。目前连铸坯低倍缺陷仍依靠人工评级,这种评级方式存在主观标准不一致、检测效率低等缺点。为了提高缺陷检测效率和评级准确度,本文采用图像处理技术作为缺陷识别及评级的方法。国家规定了多种铸坯低倍缺陷,其中裂纹和缩孔最常见、危害最大,所以本文选择裂纹和缩孔作为研究对象。本文主要研究内容为:(1)铸坯低倍缺陷裂纹和缩孔评级参数的划分。对连铸方坯低倍缺陷的标准YB/T 4002-2013《连铸方坯低倍组织缺陷评级图》图谱特性进行分析,确定裂纹、缩孔的识别与评级的特征参数。(2)连铸方坯低倍缺陷缩孔的识别和评级。根据缩孔的位置和灰度特点,通过对铸坯低倍试样中心位置进行截取,使用基于灰度平均值的阈值分割方法将缩孔从背景中分离。对二值图像进行形态学变换、连通区域检测等处理,将小面积的干扰和较大的裂纹去除,仅保留疑似缩孔区域。对疑似缩孔区域提取相关特征参数,利用神经网络识别,对识别出来的缩孔参照国家标准进行评级。(3)连铸方坯低倍缺陷裂纹的识别和评级。根据裂纹的位置、灰度和形态特点,通过对裂纹采取二次检测的方法提高检测精度。一次检测中,使用基于灰度众数的自适应阈值分割方法将裂纹从背景中粗分离,去除干扰后采用基于凸包连接的聚类对疑似裂纹区域分割并定位。对分割的疑似裂纹区域提取相关特征参数,利用神经网络识别。对识别出来的裂纹区域进行第二次检测,提取裂纹的数量和长度,参照国家标准评级。(4)软件的编写。编写人机交互界面,与图像处理程序结合成软件。软件功能包含铸坯低倍试样按缺陷分类检测、国家标准展示、处理结果及生产数据的查看与修改。对168张铸坯低倍缩孔图片和112张铸坯低倍裂纹图片进行处理,缩孔识别的成功率达到90%以上,评级的成功率达到84.5%。裂纹识别的成功率达到90%以上,评成功率达到83.0%。