钢板是最重要的工业产品之一,被广泛应用在汽车、船舶等各领域。钢板表面缺陷直接影响钢板质量,同时也影响着板材的使用寿命。因而对钢板进行表面缺陷检测是钢板生产中必不可少的程序。本文根据国内某钢厂的需求,针对其生产出的成品钢板,提出了一套基于机器视觉的检测系统设计方案。该系统主要由三个子系统组成,分别是照明系统、图像采集系统和图像处理系统。前两个系统主要是硬件的选择,最后一个系统主要是算法的设计。本文选择了面形LED光源和明场与暗场相结合的照明方式,针对钢板尺寸较大的情况,提出采用多个面阵式CMOS相机分别采集图像,并进行畸变校正和图像拼接。对光照不均匀的图像,采用基于亮度均衡的方法进行校正;对于图像的滤波去噪,采用具有保边缘功能的双边滤波;对于缺陷图像的分割,采用基于边缘检测的Canny算子和形态学处理相结合的方法。在分割出缺陷区域后,作出缺陷区域的最小外接矩形,通过最小外接矩形定位缺陷的位置。通过以上操作,即完成了对缺陷的检测检出。最后对缺陷区域进行特征提取和分类,提取的特征包括几何特征、灰度特征、Hu不变矩特征和基于灰度共生矩阵的纹理特征,采用支持向量机对缺陷图像进行分类,对已有样本训练后分类的平均正确率在84%左右,能够满足工厂的需求。