随着社会的进步和发展,带钢产品在社会生产和生活中的应用越来越广泛,因此带钢产品的质量就成为人们所关注的重点。在现有的带钢表面缺陷检测方法中,存在实时性差、识别率较低、检测环境恶劣等弊端,因此带钢表面缺陷检测技术的研究工作,已经成为国内外学者研究热点之一。本文对带钢表面缺陷识别技术进行了深入研究,主要研究内容如下:1.图像预处理算法研究。对于带钢表面缺陷图像,本文采用了多种不同的图像去噪方法,并对去噪效果进行了科学评价。依据试验结果以及实际需要,选择中值滤波算法。2.图像边缘检测算法的研究。采用多种算法进行缺陷边缘检测。对比试验效果,考虑实时性以及精确性的因素,选择了Canny算子进行边缘检测。3.特征提取算法研究。对缺陷图像提取了Hu不变矩特征、灰度特征、几何特征、基于灰度共生矩阵的纹理特征、基于亮度直方图的纹理特征,并对以上特征进行分析,确定分类识别所用三种特征量。4.分类识别算法研究。本文采用了基于支持向量机的分类识别方法和传统的BP神经网络识别方法,对缺陷进行分类识别。实验结果证明,基于支持向量机的分类识别算法更具优势。5.基于融合技术的分类方法研究。本文在第四章分析和实验的基础上,采用了基于融合算法的分类方法。通过试验证明,基于融合技术的分类方法能够有效地降低分类器的复杂程度,使其更具互补性,有效地提高的分类精度。