随着制造业、机械工业、航天等行业发展速度的加快,对钢材的需求量越来越大,对其质量要求也越来越高。连铸板坯内部质量对钢材的最终质量起着重要的作用,因此对连铸坯质量的检测要求也越来越高。目前在国内,检测连铸坯质量仍采取人工的方式,这势必会因为人的疲劳等主观因素造成检测的不准确,最终影响钢材质量。因此需要开发自动检测评级系统,更好的检测连铸坯质量。本系统是为武汉钢铁股份有限公司第三炼钢厂专门开发的冷酸蚀连铸坯图像自动评级系统。在使用数码相机获取连铸坯的冷酸蚀图像后,该系统对图片进行处理,根据YB/T 4003-1997标准,对图片进行识别匹配,最终给出图像代表的钢坯缺陷级别。连铸坯冷酸蚀图像的最大特点是图像大小不统一,缺陷分布的极其不规则,特征区域在整个图像中所占的比例较小,在灰度对比上特征区域与背景区域对比度不大,这是由于在使用酸液腐蚀钢坯的过程中钢坯组织结构的影响、图像获取环境的客观条件比较差和人工获取图像操作的不规范造成的。在本文中,作者首先对比了图像处理和模式识别领域中使用的各种经典算法,选取了统计特征作为图像的原始特征;其次分析了初步提取的统计特征在进行分类识别方面的不足,并提出了相应的解决方法;最后针对统计特征的空间维数过高,使用基于K ?L变换的主分量分析(PCA ),在最大程度的保持原始特征分类信息的前提下,压缩特征空间维数,使得后续的分类工作和识别工作更为简单。处理算法在WINDOWS操作系统上,在Visual Studio2005开发环境下实现,在研究过程中,部分算法使用MATLAB进行仿真。在进行了大量的仿真试验证明,经过进一步优化处理的特征在分类识别时具有很高的准确率。系统在一线车间试运行4个月,对于本文研究的两大缺陷中心偏析和内裂,识别分类准确率分别达到98.4%和96.3%,达到实际的需求。