随着现代化工业的发展,冷轧带钢广泛使用在机械制造、航空航天、石油化工等行业,在冷轧带钢的使用中,对带钢质量要求越来越高,特别是带钢表面质量。由于在带钢的轧制过程中,不可避免造成其表面的一些划痕、孔洞、结疤、氧化皮、裂纹等缺陷,这些缺陷严重的降低了带钢的抗疲劳强度、耐腐蚀性、耐高温性、耐磨性等性能。因此,检测与控制带钢的表面缺陷显得尤为重要。本文主要研究:1.在分析冷轧带钢表面缺陷的基础上,结合缺陷检测系统的基本要求,设计出了带钢表面缺陷检测系统的总体方案,而且对检测系统的硬件结构和软件流程进行了详细说明;2.对带钢表面缺陷检测系统中的图象处理进行了研究,针对带钢划伤、孔洞、乳化液斑三种缺陷图象特点,采用高斯滤波法滤除图象中的噪声,增强图象,并通过分析了几种经典边缘检测算子的优缺点。最后,应用模糊C-均值聚类算法实现对图象的边缘提取,从而得到缺陷的精确位置信息,完成了对缺陷的定位分割;3.对带钢表面划伤、孔洞、乳化液斑缺陷图象的特征进行分析和选取,并研究了特征提取的算法。实验表明,对缺陷进行形状和纹理特征提取获得的特征值具有针对性强、准确度高;4.通过分析BP神经网络的网络结构、学习算法的特点,并结合带钢表面缺陷检测,对基于BP神经网络的带钢表面缺陷识别和分类方法进行了研究和实现。结果表明,此方法可以有效的检测出带钢划伤、孔洞、乳化液斑三种缺陷,其检出率在90%以上。