钢板已经成为机械制造、汽车生产、化工、造船和航空航天等工业不可缺少的原材料,在国民经济中占据重要地位。但由于轧制设备、连铸钢坯和加工工艺等多方面原因,在钢板表面往往存在着不同类型的缺陷。由于这些缺陷的存在,使得由这些钢板生产出来的产品往往会存在各种各样的安全隐患,这不但影响着产品的正常使用,而且还会给国民经济造成巨大损失,甚至会危害人身财产安全。所以,在钢板生产加工过程中,有必要引入有效的检测系统对其表面质量进行评估检验,这对控制和提高钢板质量有着深远的意义。本文首先分析了现有钢板表面缺陷检测和识别的技术方法,总结了这些方法各自的特点和应用场合;接着设计了钢板表面缺陷漏磁数据采集系统,其中,包括数据采集模块和系统控制模块设计,并基于Verilog语言对FPGA主程序和CPLD程序进行编程设计。然后,研究了漏磁数据的基值矫正和插值算法,使用图像生成技术将其转换为二维灰度图像,同时,提出了一种基于定阈值维纳滤波与多小波基融合的图像去噪新方法对缺陷图像进行去噪处理;接着,提出了一种基于小波多尺度配准和小波多尺度模极大值的边缘检测新方法对缺陷图像边缘进行检测,并定位出缺陷的边界,进而提取出灰度图像中缺陷的面积、周长、偏心率、长轴和短轴等几何特征信息;最后,构建BP神经网络缺陷辨识模型,以提取的特征信息及与之对应的已知缺陷长度、宽度和深度作为训练样本对该模型进行训练。通过仿真实验,分别对长度、宽度和深度从均值误差方面进行验证。仿真结果证明该缺陷辨识模型对长度、宽度和深度预测辨识的准确性和有效性。并以此模型为基础,根据缺陷灰度图像提取出的几何特征信息,对未知缺陷的长度、宽度和深度进行辨识得到结果。